本发明公开了一种基于宽度强化学习的自动驾驶车联网任务卸载方法，具体为：通过VISSIM模拟器获取数据，将其作为宽度强化学习环境的输入，为后续的决策提供基础；基于动态定价的宽度强化学习被用于决策，确定可卸载的车辆个数，从而有效应对卸载过程中的不确定性；在任务划分阶段，通过二型模糊系统找出附近适合卸载的车辆，并将任务巧妙地分配到合适的车辆上，提高了任务卸载的效率和准确性；通过再次运用基于动态定价的宽度强化学习进行奖励求解，达到更好的奖励，以进一步提高资源的利用率。本发明旨在解决自动驾驶车联网中的任务卸载问题，实现智能化、高效化的资源管理。