随着自动驾驶技术和车联网的发展，越来越多的车辆将具备强大的计算能力，并通过无线网络实现互联。这些计算资源不仅能够应用于自动驾驶中，也可以提供广泛的边缘计算服务。针对车辆间的计算卸载场景，以最小化平均卸载时延为目标，提出了基于在线学习的分布式计算任务卸载算法。进一步搭建了系统级仿真平台，分别在真实的高速公路和城市街区道路环境下，评估了车辆密度、任务卸载份数对平均卸载时延的影响，为不同交通环境下的服务资源分配部署提供了参考。