随着人工智能、机器视觉、深度感知和传感等技术的发展,车辆从传统的出行交通工具逐渐演变成具备智能和互联计算系统的智能网联汽车。然而,智能网联汽车上的新型车载应用（如激光雷达、监控视频、在线应用、高清地图等）对网络和计算性能有较高要求,这对现有车联网络造成了极大的挑战。虽然云计算的引入缓解了部分数据处理压力,但其时延较长。边缘计算架构具有灵活的资源管理方式和快速的系统响应等优良性能,近年来备受关注。因此,将边缘计算架构应用于车载通信场景,形成以赋能边缘侧通信、缓存、计算功能为导向的车联网边缘计算成为新的发展方向。然而,在车联网边缘计算场景下,车辆用户会产生大量的数据或者应用请求。由于请求类型和需求不同,边缘设备的计算和存储能力不同,且通信和网络资源受限,如何对车联网边缘计算资源进行合理调度以满足不同车辆用户的服务需求成为研究热点。在此背景下,本文研究了车辆用户在没有任务卸载需求情况下的频谱、链路资源分配问题,以及有任务卸载需求情况下的联合资源分配问题。本文的主要研究和贡献包含以下三个方面:（1）针对车联网频谱资源受限问题,提出了一种基于免疫克隆的频谱资源分配算法。由于车辆类型和请求业务类型具有差分性,首先建立了一种二维业务优先级评估方法。二维优先级更高的车辆将获得更多的频谱资源,提高了车辆用户的服务体验。为了提高频谱利用率,采用一种图着色模型方法,进行频谱复用以及避免同频干扰。在此基础上,将频谱资源分配问题建模为一种混合整形规划问题。为有效解决该优化问题,创新性地结合了人工免疫系统中的免疫克隆算法。该算法的收敛性比遗传算法更快,能快速地分配频谱资源,减少了时延,促进了交通安全。（2）针对路设内容分发负载不均衡问题,提出了一种基于模糊逻辑的最佳内容副本车选择算法和基于免疫克隆的链路资源分配算法。首先利用二维业务优先级评估方法综合评估车辆和内容的优先级。为减轻路设的内容分发负载,利用协作车作为内容副本车协助路设进行内容分发,并提出一种基于模糊逻辑的最佳内容副本车选择算法,该算法综合考虑了内容副本车的移动快慢、路径相似性、信道质量好坏等三个因素。对于选择路设还是内容副本车进行内容分发的问题,提出一种基于免疫克隆的链路资源分配算法,以更高效地完成内容分发。（3）针对车联网边缘计算卸载调度问题,提出了一种集通信、计算、缓存、协作计算为一体的数据调度架构和基于深度Q网络的数据调度策略。首先将协作车辆的空闲计算资源整合起来,提出了一种集通信、计算、缓存、协作计算为一体的数据调度架构。考虑数据的剩余生存时间和数据队列的缓存状态,建立了车辆端和路设端数据缓存的多队列模型,并利用马尔可夫决策过程分析数据缓存队列的转移情况。为获得最优的数据调度策略,构建了一个基于深度Q网络的深度强化学习框架以学习最优动作,保证在时延约束下有效减少任务数据处理损失。