近年来，由于智能设备和车辆数量的迅猛增加以及交通信息业务的快速增长，导致车联网（Internet of Vehicles, IoV）中的业务容量和信息数据处理等问题越来越多，这对交通安全会产生潜在的负面影响。为了满足日益严苛的时延要求，IoV通信往往使用雾计算技术来处理相关数据信息。雾计算技术不仅能有效解决基站存储能力和运算能力有限等问题，而且能减少信息传送至云的传送时延和解决云端不支持高移动性等问题。因此，本文利用雾计算技术提出分层服务体系架构，并探讨和分析不同方案下系统的总服务时延。
　　本文首先研究了典型城区中行人与基站和车辆与基站之间的通信场景。在考虑信息可靠性的情况下，我们采用自动重复请求（AutomaticRepeat-reQuest, ARQ）技术，增加信息的可靠性，并对行人信号和车辆信号的传输概率进行建模，对不同参数因子与传输概率的变化关系进行了仿真和对比分析。仿真结果表明，行人/车辆越密集，信号传输成功概率越小，信号重传次数越多。
　　在研究基站服务时延的同时，本文还研究了基站的功耗问题。为了评估基站功耗与时延之间的权衡，采用基站睡眠模式进行 IoV 中信息的处理。在不同参数因子的影响下，本文推导出功耗与时延之间的理论模型。在仿真中，对不同情况下基站的功耗和服务时延进行了对比分析。仿真结果表明，基站功耗和时延互为反变化关系。
　　最后，本文提出了一种基于雾计算的分层服务体系架构，包括基站层、雾层和云层。同时基于负载共享策略，推导出雾层和云层的服务时延模型，进而推导出整个系统的总服务时延模型。在仿真中，分析对比不同处理方案下，不同参数因子与IoV系统总服务时延之间的变化关系。仿真结果表明，分层服务体系架构的分层服务能减少整个系统的总服务时延，这为优化IoV系统服务时延研究提供理论依据。