随着移动终端(例如,手机、平板、智能车辆等)在人们的生活当中越来越普及,用户对数据的传输速率和服务质量的要求呈指数增长。将数据处理任务迁移到云端的移动云计算已经无法满足用户的低时延和高服务质量的需求。为了解决上述需求,将云服务器迁移到更加接近用户的附近移动边缘计算被提出来了。用户可以把复杂的计算任务卸荷到边缘服务器上面满足自己低时延和低能耗、高服务质量的需求。随着移动终端的硬件水平不断提高以及相关通信技术的逐渐完善,用户不仅可以作为资源的需求方,而且还可以作为资源的提供方为移动边缘计算贡献自己的计算存储资源,从而成为移动边缘计算的一个重要组成部分。这种新的范式不仅灵活地丰富了边缘服务器的组建来源,同时节省了部署固定边缘服务器的成本。与此同时,用于组建边缘服务器的移动终端已经由单一的手机扩充为各式各样的终端设备,尤其利用停靠在大型停车场和路面上的大量智能网络汽车。如今,这些车辆的计算资源多数处于未开发的状况,如何优化与分配这些未被充分利用的车辆资源是个值得研究的热点问题。但是车辆的移动性、异构性、和动态的网络拓扑结构的限制给车辆资源分配带来了巨大的挑战。基于上述的热点价值和挑战,本论文主要研究了静态和动态的车辆的计算资源调度优化问题。主要包括以下几个方面:1)考虑把停车场的停靠车辆作为边缘节点,在保证停车场车辆隐私的情况下,边缘服务提供商利用契约论激励停车场的车辆贡献自己的计算资源为用户提供高质量的应用服务。通过仿真实验结果,验证了方法的安全性,同时也表明了该方案的分配方法是优于其他同类的方案。2)考虑公交车作为边缘节点,依靠公交车隐私泄露的低风险、具有相对统一的软件和硬件标准、固定的行驶路线和发车周期的优势和特点,边缘服务提供商使用斯坦伯格(Stackelberg)博弈的方法去优化公交车的计算资源的分配调度。通过计算资源分配的仿真,验证了本方法的有效性。3)考虑本地云和车辆联合作为边缘节点,使用过滤算法,筛选出愿意提供资源的私家车之后,边缘服务提供商和愿意提供资源的私家车协作为用户进行服务。在协作的模式下,我们利用双层的有序的斯坦伯格模型研究了他们的计算资源分配与调度。并通过仿真工作,验证了我们的方案对于计算资源分配是有效的,同时测试了车辆的移动速度对资源分配方案的影响。