随着城市化社会与国民经济的进一步发展,汽车保有量将持续不断地提升,如何有效地提高交通安全与管理效率已成为一个亟待解决的基础性难题。智能交通系统(Intelligent Transportation System,ITS)被视为解决这一问题的关键技术,旨在将计算机网络技术、传感器网络技术和信息通信技术等技术综合融入到交通领域来加强驾驶者、车辆和道路之间的信息交互。车联网(Vehicle-to-Everything,V2X)作为实现新一代智能交通系统的重要组成部分,车辆通过装备车载单元(On-board Unit,OBU)来实现车与车通信(Vehicle-to-Vehicle,V2V)、车与路边基础设施通信(Vehicle-to-Infrastructure,V2I)和车与基站通信(Vehicle-to-Networks,V2N)等全方位连接,是新一代信息科学技术的重要应用场景之一。在车联网无线资源管理与分配研究中,主要包含有资源选择碰撞避免、功率控制和资源共享等问题。然而,为了满足日益增长的车联网业务性能需求,移动边缘计算(Mobile Edge Computing,MEC)、云计算(Cloud Computing)、大数据等现代信息技术被广泛引入到了车联网中,多种资源之间紧密耦合关系,单一资源分配难以在系统性能上取得突破,多种资源联合分配是资源管理与分配的必然趋势。除此之外,海量的车联网业务量又对服务质量(Quality of Service,QoS)提出了多样性和差异性需求,如果采用服务单一的传统物理组网方式提供服务,则容易造成硬件成本高、网络运维难度大等系列问题,迫切需要新技术给予解决。针对以上问题,本文对车联网计算任务卸载和内容缓存与分发问题进行研究,主要工作内容如下:1.针对计算任务部分卸载问题,本文将网络切片技术引入到V2I上行链路中,以降低系统车辆计算任务卸载处理时延为目标,提出了一种改进的遗传算法。该算法通过选择同种个体中的同类型基因作为交叉和变异操作对象,从而有效地保证同种资源数量的不变性。仿真结果表明,本文所提算法具有良好的系统性能,且收敛速度较快。2.针对内容缓存与分发问题,本文将网络切片技术引入到V2I下行链路中,并提出了一种联合通信资源、缓存资源和文件放置选择算法。该算法以降低系统车辆下载文件平均时延为目标,通过将优化目标函数拆解为通信资源优化子问题和缓存资源与文件放置选择优化子问题进行单独求解,再通过两步迭代算法得出优化目标的次优解。仿真结果表明,本文所提算法可以有效地保证不同文件的差异化服务质量要求问题,且系统平均时延低于两个常用算法,具有良好的系统性能。