为了解决日益严重的交通堵塞和道路交通安全等问题,无人驾驶成为其最有效的解决方案。高精地图是实现无人驾驶的关键技术,能为无人车在感知、定位、规划与控制方面提供重要支持。高精地图具有高精度、高维度、高实时性等特点,对时效性要求极高,如何在无人车行驶期间的有限时延内传输海量的高精地图数据成为技术难题。为了实现高精地图数据的低时延传输,解决当前高精地图数据传输低效的问题,本文通过对无人驾驶车辆行驶期间消耗高精地图数据的过程分析,把无人驾驶数据分发与边缘计算相结合,提出了一个面向无人驾驶高精地图的数据分发机制。根据面向分发场景的不同,该机制采用基于V2I的数据分发机制解决了大规模高精地图数据分发的问题,以及采用基于V2I与V2V协作式数据分发机制解决了分层结构高精地图数据分发的问题。首先,为有效缓解大规模高精地图的数据分发压力,本文提出了基于V2I的高精地图数据分发机制。利用传输区域模型,该机制把车辆所在区域划分为前摄区域、传输区域和目标区域,在各个区域内依次完成分发工作。同时考虑车辆自身剩余能耗、车速、基站带宽等限制,将基于V2I传输的高精地图数据分发机制最优化问题建模,并设计了一个基于贪心策略的解决算法完成求解。实验结果表明本文提出的基于V2I的分发算法在传输时间比原始算法以及概率传输算法提高了约30%性能;当传输同等数据量数据时,基于V2I分发方法比原始算法和概率传输算法节省了约18.2%的能耗;当车流量较多时,基于V2I分发方法可以实现对基站更为均匀的命中。另外,为进一步有效利用高精地图的分层结构特点,本文还提出了基于V2I与V2V协作式的高精地图数据分发机制。该机制使用协作式方式为为高精地图不同层次的数据进行分发。在数据传输机制中,主要使用V2I传输由激光点云组成的数据量大的地图底层数据,然后使用V2V协作传输顶层的数据量较小的动态地图数据。并按照传输区域的基站密度不同,提出了一个基于传输代价的优化模型。该模型在基站密度较小时,以基站的V2I传输时间为优化目标;基站密度较大时,以车辆传输代价为优化目标。并分别设计了基于贪心策略和基于代价的算法完成求解。实验结果表明本文提出的协作式分发算法在目标数据量对传输时间影响方面,协作式分发比基于V2I的分发算法提高了20%以上的性能;在基站的间隔对传输时间的影响方面,协作式分发算法比基于V2I的算法减少了32.7%的传输时间。