The rapid evolution of mobile devices, their applications, and the amount of data generated by them causes a significant increase in bandwidth consumption and congestions in the network core. Edge Computing offers a solution to these performance drawbacks by extending the cloud paradigm to the edge of the network using capable nodes of processing compute-intensive tasks. In the recent years, vehicular edge computing has emerged for supporting mobile applications. Such paradigm relies on vehicles as edge node devices for providing storage, computation, and bandwidth resources for resource-constrained mobile applications. In this article, we study the challenges of computation offloading for vehicular edge computing. We propose a new classification for the better understanding of the literature designing vehicular edge computing. We propose a taxonomy to classify partitioning solutions in filter-based and automatic techniques; scheduling is separated in adaptive, social-based, and deadline-sensitive methods, and finally data retrieval is organized in secure, distance, mobility prediction, and social-based procedures. By reviewing and analyzing literature, we found that vehicular edge computing is feasible and a viable option to address the increasing volume of data traffic. Moreover, we discuss the open challenges and future directions that must be addressed towards efficient and effective computation offloading and retrieval from mobile users to vehicular edge computing.

中文翻译：

---

车载边缘计算的计算卸载和检索

移动设备、它们的应用程序以及它们生成的数据量的快速发展导致带宽消耗和网络核心拥塞的显着增加。边缘计算通过使用处理计算密集型任务的能力节点将云范式扩展到网络边缘，为这些性能缺陷提供了解决方案。近年来，为支持移动应用程序而出现了车载边缘计算。这种范例依赖于车辆作为边缘节点设备，为资源受限的移动应用程序提供存储、计算和带宽资源。在本文中，我们研究了车辆边缘计算的计算卸载挑战。我们提出了一个新的分类，以更好地理解设计车辆边缘计算的文献。我们提出了一种分类法，用于对基于过滤器和自动技术的分区解决方案进行分类；调度以自适应、基于社会和对截止日期敏感的方法进行分离，最后以安全、距离、移动性预测和基于社会的程序组织数据检索。通过回顾和分析文献，我们发现车载边缘计算是可行的，并且是解决不断增长的数据流量的可行选择。此外，我们讨论了必须解决的开放挑战和未来方向，以实现从移动用户到车辆边缘计算的高效和有效的计算卸载和检索。最后，数据检索以安全、距离、移动性预测和基于社会的程序进行组织。通过回顾和分析文献，我们发现车载边缘计算是可行的，并且是解决不断增长的数据流量的可行选择。此外，我们讨论了必须解决的开放挑战和未来方向，以实现从移动用户到车辆边缘计算的高效和有效的计算卸载和检索。最后，数据检索以安全、距离、移动性预测和基于社会的程序进行组织。通过回顾和分析文献，我们发现车载边缘计算是可行的，并且是解决不断增长的数据流量的可行选择。此外，我们讨论了必须解决的开放挑战和未来方向，以实现从移动用户到车辆边缘计算的高效和有效的计算卸载和检索。