随着技术的发展,人们观看视频的需求不仅仅停留在二维视频上,虚拟现实视频逐渐进入人们的生活。而虚拟现实仅仅只是多视点视频作的一种形式,多视点视频是多个摄像头在一个环境下录制而成的。多视点视频更符合用户需求,能为用户提供更好的观影体验,是未来视频技术的发展趋势。然而,多视点视频需要大量的视频数据,用以满足用户随意观看任何一个视点。因此多视点视频能像二维视频一样普及的条件之一,就是需要搞定多视点视频在本地缓存的问题。边缘计算作为一种在靠近用户的网络边缘、提供存储和计算资源、减少延迟的技术,常用来解决数据量巨大的视频的传输和缓存。目前,在边缘计算环境下设计多视点视频的缓存策略时,考虑的因素一般有三个:用户观看历史记录（即流行度）、延时和视点距离。但这些缓存策略对用户观看历史记录的考虑只能体现视频流行度和视点流行度对缓存策略的影响,对视点距离的考虑也只是简单的思考缓存一个视点后能够合成其他视点从而增加缓存命中率。因此,针对上述两个问题,本文的基于流行度和视点距离算法的边缘计算环境下多视点视频缓存策略设计了四个创新点:1)流行度算法和视点距离算法。基于提高缓存命中率从而降低延时的思想,设计了一个流行度算法。主要探索能体现用户偏好的视频流行度、视频段流行度、视点流行度和视点邻近度与视频块流行度之间的关系,以及四个流行度对缓存策略的影响。同时,基于多视点视频的特征,设计一个视点距离算法。针对流行度不同、视点数目不同的多视点视频灵活设置一个最优视点距离进行缓存,用以得到更多用户可选择的视点、提高缓存命中率,进而提高用户体验质量。2)缓存策略。边缘计算环境下,针对多视点视频的特点,基于合理布局多视点视频缓存位置和缓存内容、使边缘计算协作缓存域整体更高效地提供服务、提高用户体验质量的目的,设计一个缓存策略。在该缓存策略中,设计了针对新视频的预缓存策略,还有针对缓存空间不足时运用的缓存替换策略。3)成本计算算法和缓存收益算法。为了从缓存系统中提供给用户获取代价最低的视频段,本文设计了一个综合考虑合成、传输和缓存的成本计算算法。缓存收益算法是缓存替换策略中为选取要替换的视频数据,综合考虑能合成视点的个数、带来的质量提升、计算消耗的降低以及获取视点延时的减少四个因素而设计的算法。4)运用Python语言设计分层MEC网络环境下的仿真实验,将本文的边缘计算环境下多视点视频缓存策略完整实现。之后通过调整流行度计算和视点距离计算,来对本文预缓存策略进行整体对比。又将本文设计的缓存替换策略与FIFO、LIFO和LRU中表现最优的算法相比较。说明本文采用的缓存策略在边缘计算环境下的多视点视频缓存命中率、用户体验质量（质量和延时）和缓存替换率等方面优于其他策略。