现代社会经济的高速发展,在交通运输领域,机动车数量的急增带来的交通拥塞问题,交通事故频频发生问题给人类提出了新的挑战。而车联网(Internet of Vehicles,简称IoV)是有效的解决途径。传统的TCP/IP网络架构对于车联网表现出先天性支持缺陷,因而提出将命名数据网络(Named Data Networking,简称NDN)用于车联网。车辆之间通过NDN机制互相通信,完成各种安全类和非安全类的相关应用与服务,如计算密集型任务和时延敏感任务。但在车联网环境下,各种应用依赖的交通信息量会比较庞大,且具有很大的时间和空间关联性,需要及时快速处理。这都需要强大的计算能力以及缓存相关数据,本文针对这一现实需求展开研究。受限于单个普通智能车辆的计算能力,本文首先提出“资源池”概念,其是由城市环境下,因为红绿灯,加油站等其他原因减速,缓慢移动并聚集在一起,并具有闲置计算资源的多个车辆组成。然后基于这些在“资源池”中可以被调度的计算资源,提出一种多车辆协作完成计算任务的调度方案,并在任务时延的约束条件下,将计算任务的执行时间建模成最小-最大问题。最后对于建立的优化问题,根据是否调度“资源池”里全部服务车辆分别修改最大最小公平算法和粒子群优化算法,对优化问题进行求解,找出最佳的任务计算方法来最小化任务执行时间。且仿真结果表明,通过车辆之间的协同计算,本文提出的模型能够很好地满足计算密集-时延敏感应用的时延要求。对于车载应用中需要缓存相关数据这一需求,本文在NDN泛在的网内缓存基础之上,还综合考虑车联网中数据的固有特性。在将数据分为紧急安全消息,交通效率类消息和服务消息三大类基础上,本文依次分析这三种数据的时间空间特性,再对应设计相应的缓存策略,并通过ndn SIM仿真平台进行验证。通过实验表明本文提出的缓存方案在平均命中率、平均跳数以及平均缓存替换次数这三项性能上均表现出其优越性。