汽车是现代生活中普遍使用的交通工具，汽车交通安全至关重要。障碍物检测依靠路况视频和计算机视觉技术，将成为未来辅助车辆安全行驶的重要发展方向。车辆由于自身设备的局限，需要通过车联网(IoV)信息交互来扩大障碍物检测的感知范围。5G移动网络可以有效地实现大规模车联网，随之兴起的网络功能虚拟化(NFV)技术将克服传统车联网的管理复杂、软硬件紧耦合等局限性，构建车联网新型网络架构。在此架构下，障碍物检测以服务功能链(SFC)的形式部署到车联网设施上，按需分配计算和带宽资源，这就是服务功能链的映射，是NFV技术的核心问题。本文针对车联网中的障碍物检测服务，考虑车辆的移动性，以映射延迟为优化目标对服务功能链映射算法进行研究。
　　本文首先结合车联网障碍物检测服务场景设计了NFV应用架构，为运营商提供一种服务管理的新思路，为用户提供更高效的服务部署。传统的NFV架构不适用于车联网应用，网络功能设计没有面向用户与服务，基础设施中没有整合车辆和路边基站提供的物理资源，高度集中的管理与编排系统也不再能满足车辆服务快速部署的需求。本文分析服务请求流程，构建服务功能链结构，整合车联网多类型设备资源，设计NFV本地资源管理器实现服务下沉，改进传统架构的不足，便于车联网按需对资源进行高效调度。
　　本文基于车联网NFV应用架构设计合理高效的障碍物检测服务功能链映射模型。将障碍物检测服务功能链在车联网中的映射问题建模为以映射延迟为优化目标的整数规划模型。考虑车辆移动性，建立车辆网络模型、基站网络模型，描述为服务提供资源的网络拓扑，并定义动态链路的数学表达。根据障碍物检测服务功能链的结构建立功能链模型，并描述资源需求。通过用户需求分析以最小化映射延迟为目标函数，并描述资源调度中的功能映射约束条件和链路映射约束条件。
　　本文针对映射模型特点设计了基于混合遗传算法的低延迟映射算法。设计可行路径集合初始化策略、路径变换策略和集合管理策略。算法引入随机性，扩大解的搜索范围，从而跳出局部最优，找到全局最优解。设计仿真实验，通过控制变量法分析本文算法的参数设置方案，与Assist-Dijkstra和TabuSearch两种算法进行映射结果对比，平均映射延迟分别降低29.6%和8.6%，本文算法可以在不同车辆密度下求得更优的映射路径，且能更好的避免网络局部拥堵和使用不稳定的边缘链路和节点。
　　本文的研究将优化车联网的资源调度效率，按需分配资源，部署高效通信路径，减少映射延迟。当车辆请求障碍物检测服务，本文算法能够及时实现映射，帮助车辆躲避碰撞，降低交通事故风险，具有重要的现实意义。