随着第五代移动通信（5th Generation Mobile Networks,5G）基础设施建设以及电动汽车普及,车联网（Internet of Vehicles,IoV）获得了巨大发展机遇。大数据、人工智能的发展带来了许多新型业务,基于车联网通信技术C-V2X（Cellular Vehicle to Everything）的车辆云计算（Vehicle Cloud Computing,VCC）架构被提出,用于解决车联网中复杂业务问题以提高用户的服务质量（Quality of Service,QoS）。但是,车辆的高速移动导致网络拓扑变化快,在对具有时间依赖关系的任务进行合理资源分配时带来巨大挑战。因此,本文基于C-V2X车联网通信技术,分别在单用户和多用户的车联网场景下,对具有时间依赖特性的任务制定合理的资源分配方案。一方面,针对单用户场景下子任务之间具有一对一时间依赖特性的链表结构型任务,在价格预算约束下,优化任务完成时延。首先,针对小任务卸载的准静态场景,提出基于分支定界法的链表结构任务静态卸载方案。仿真表明在不同任务长度、车辆规模和价格预算下本方案都能获得较好收益。然后,针对大任务卸载的高动态场景,提出基于收益折扣的链表结构任务动态卸载方案。仿真表明在不同任务长度、车辆达到率和车辆平均速度下本方案都具有较好收益,程序运行时间随任务长度线性增长。另一方面,针对多用户场景下子任务之间具有一对一、一对多、多对一时间依赖特性的可用有向无环图（Directed Acyclic Graph,DAG）表示的任务,优化用户的完成时延。针对时间复杂度和任务完成时间的不同需求,首先,提出了基于关键路径的多用户DAG任务卸载方案,以较低时间复杂度优化关键路径时延;然后,提出了基于模拟退火的多用户DAG任务卸载方案,搜索全局最优解以优化用户的完成时延。仿真表明上述两种方案在不同车辆规模、用户数量和VM（Virtual Machine）计算资源下都有较好收益,后者比前者时延低,但程序运行时间较长,因此实际场景中需要针对不同需求采取不同方案。