随着移动互联网、物联网和无线传感器网络技术的广泛运用,车联网作为5G的核心应用场景,借助新一代通信技术,将实现车与车、车与路、车与人等之间的全方位连接。由宏蜂窝、路侧单元和车辆组成的蜂窝车联网,可以利用现有LTE网络,采用C-V2X技术,提高频谱利用率,提升网络能效,满足5G车联网超可靠低时延场景的要求。本文综合考虑负载均衡、频谱资源分配公平性和网络平均中断概率,以最大化网络总能效。此外,由于蜂窝车联网中的路侧单元会遭受到攻击,变成不可信任路侧单元,将其发布错误的信息给本地服务中心,导致车联网网络能效降低。基于此,本文研究了蜂窝车联网中不可信任路侧单元识别、资源分配和能效提升问题。本文首先研究蜂窝车联网中基于能效的资源分配问题。首先,在本网络模型中,车辆根据传输质量动态选择传输中继。在给定的信噪比阈值和功率范围下,为了得到车辆与资源块的最优匹配,保证网络的负载均衡,提出了一种基于能效的资源分配算法。其次,若多个车辆竞争同一个资源块,为了保证车辆之间的公平性,提出了一种基于拍卖的车辆与资源块匹配算法,通过不同的匹配度得出不同的车辆与资源块的匹配关系。最后,对车辆传输功率进行优化,进一步提升网络能效。仿真结果表明,所提算法可以实现网络的负载均衡,保证网络平均中断概率,同时还能在网络能效和车辆间能效的公平性间获得很好的平衡。此外,由于部分路侧单元位置较远,无法得到网络管理员的及时维护,可能遭到攻击变为不可信任路侧单元,降低车辆通信质量和网络能效。为了保证用户数据安全性,本文提出了一种基于信任度的路侧单元识别及资源分配算法。该算法将路侧单元识别、传输模式选择和功率分配联合建模为网络能效优化问题,分成三个子优化问题分别求解。首先,采用基于信任度的RSU识别算法,识别出可信任及不可信任路侧单元;其次,优化车辆资源块配置和链路选择;最后,通过次梯度算法优化传输功率,最大化网络能效。理论分析和仿真结果表明所提算法具备较低的复杂度,可达到较高路侧单元识别准确度,并有效地提升网络总能效。