随着车联网的发展,自动驾驶汽车数量的迅速增加,信息交互、安全驾驶、通信效率等在内的一系列车载业务带来了诸多问题,车载业务产生的海量数据给网络带宽带来了巨大的压力。其中计算密集型和时延敏感型的业务,对网络的存储和计算能力都是严峻的挑战。车辆边缘计算（Vehicular Edge Computing,VEC）是一种先进的计算模式,通过将计算任务卸载到VEC服务器上来提高车辆的通信服务质量。然而,VEC服务器的计算资源其实是非常有限的,无法满足车辆的大量计算任务的卸载需求。同时,通信安全是VEC场景中任务卸载的关键问题。因此,本文将深入挖掘城市道路两边空闲停放车辆的计算资源,探索高效的任务卸载和资源分配协同方案,以最大化利用现有的空闲资源,能够在卸载高峰时段内提高通信服务的质量,并提高卸载时数据的安全。本文主要研究内容如下:1、研究了车辆辅助边缘计算中的资源高效协同问题,本章研究利用空闲停放车辆辅助VEC服务器卸载计算任务,既可以增加资源容量,还可以扩大通信范围。首先,本章构建了一种空闲停放车辆辅助VEC模型,该模型通过从VEC服务器获得奖励来激励空闲停放车辆协助VEC服务器完成计算任务;其次,在综合考虑选择策略和定价策略的基础上,研究了一种更加灵活的动态卸载方案;然后,基于Stackelberg博弈,分析了VEC服务器与空闲停放车辆之间的交互关系,并利用逆向归纳法证明了该博弈存在唯一的纳什均衡;最后,设计了一种改进的基于分支定界的联合选择决策和定价决策的JSPBB算法。在此定价最优卸载策略下,实现了在空闲停放车辆和各VEC服务器效用最大化的条件下的最优定价,使系统效用最大化,使计算资源高效协同。2、研究了车辆通信时,请求车辆用户在将任务卸载到VEC时担心数据隐私泄露的问题。首先,本章研究了一个在任务卸载中有数据安全加密的VEC模型,分析了VEC系统中的计算卸载、资源分配问题,其目标是用任务处理时延和请求车辆用户的能耗来衡量系统的计算成本,使其最小化;其次,由于动态电压缩放（Dynamic Voltage Scaling,DVS）是一种有效的低能耗技术,在VEC系统中具有灵活性,本章将该技术与任务卸载相结合,能够有效降低系统能耗;同时,采用AES加密技术,确保卸载任务时的数据安全;最后,通过提出一种改进的多用户通信安全的计算卸载算法（IMSO）,优化了在安全任务卸载中最小化成本的问题。