Con el desarrollo continuo de la tecnología del sistema de transporte inteligente, los usuarios de vehículos tienen requisitos cada vez más altos de baja latencia y alta calidad de servicio de computación de tareas. La tecnología de descarga de computación del cómputo de borde móvil (MEC) ha recibido una atención extensa en la arquitectura de Internet de los Vehículos (IoV). Sin embargo, debido a los recursos limitados del servidor MEC, no puede satisfacer las solicitudes de tareas de múltiples usuarios de vehículos simultáneamente. Por esta razón, tomar decisiones correctas y rápidas de descarga para proporcionar a los usuarios un servicio con baja latencia, bajo consumo de energía y bajo costo sigue siendo un desafío considerable. Con respecto al problema anterior, en el entorno de IoV donde compiten los usuarios de vehículos, este artículo diseña un modelo de sobrecarga de descarga de tareas del sistema de tres capas basado en la colaboración Edge-Cloud de múltiples usuarios de vehículos y múltiples servidores MEC. Para resolver el problema de minimizar el costo total del sistema al realizar tareas, se diseña un método de descarga de cálculo dinámico colaborativo Edge-Cloud (ECDDPG) basado en un gradiente de política determinista profundo. Este método se implementa en la capa de servicio de borde para tomar decisiones rápidas de descarga para las tareas generadas por los usuarios de vehículos. Los resultados de la simulación muestran que el rendimiento es mejor que el método de Deep Q-network (DQN) y el método Actor-Critic en cuanto al valor de recompensa y convergencia. Frente al cambio en el ancho de banda del canal inalámbrico y el número de usuarios de vehículos, en comparación con la estrategia del método básico, el método propuesto tiene un mejor rendimiento en la reducción del costo computacional total, el retraso de la computación y el consumo de energía. Al mismo tiempo, la complejidad computacional de las tareas de ejecución del sistema se reduce significativamente.