随着车辆数量的爆发式增长,交通拥堵、大气污染问题日益加剧,车联网(Internet of Vehicles,IoV)由于能够提高交通管理运输效率已成为学术界和工业界的研究热点。但是IoV在迅速发展的同时也面临着巨大的挑战,一方面车辆数量增加带来的业务量增长对网络的数据存储和处理能力提出了更高的要求,另一方面车辆之间的竞争加剧导致网络时延和吞吐率等性能急剧恶化,大大降低了用户的体验。为了改善这些问题,未来的车联网亟待改善数据处理能力和信道分配机制。为解决上述问题,本文首先在第二章中研究了基于光载无线-分布式天线系统(Radio over Fiber-Distributed Antenna System,RoF-DAS)的车联网架构、云计算和雾计算技术。在此基础上,我们在第三章中设计了一种新的车联网架构:基于RoF-DAS的混合云雾技术的车联网系统。该系统将整个网络分成了三层,最上层利用云计算技术负责大型的数据存储和非时延敏感信息的处理,并进行动态的信道调度以提升网络性能,中间层采用雾计算技术,处理时延敏感信息并存储小量数据,最底层包括路侧单元(Road Side Unit,RSU)和车辆节点。由于采用了RoF-DAS,该系统覆盖范围更广且能够提供更快的传输速率。云计算有效提高了系统处理数据的速度和能力。雾计算能够很好地支持移动性并且更靠近用户,因此该系统提高了处理时延敏感业务的能力。在文中提出的基于RoF-DAS的混合云雾技术的车联网系统的基础上,本文第三章中还设计了新的信道调度机制,包括初始化信道分配和信道调度。在初始化过程中,系统根据中心控制站点(Central Control Station,CCS)和RSU的分布情况进行信道分配。调度过程中,首先根据用户数或业务需求情况选择需要信道调度的CCS和RSU,然后根据时延敏感信息和非时延敏感信息调度前后的效用函数来确定增加或减少的信道。在此基础上,为了减少调度后信道复用带来的同频干扰,一些信道需要进行优化转换。最后,在第四章中,我们基于OPNET仿真平台对文中提出的架构和信道调度机制进行仿真。结果显示,与MIMC-Road信道分配算法相比,文中提出的信道调度机制对于时延敏感信息的可靠性和接入时延性能有很大改善,同时,对于非时延敏感信息的吞吐率和公平性性能也有明显改善。尤其是对于热点区域,归一化吞吐率性能有明显改善。因此,在改善车联网目前面临的问题时,本文提出的系统和信道调度机制有很好的应用前景。