随着车联网的发展及人们对其研究的深入,车联网要解决的问题已经不仅仅是交通安全问题,更是逐渐转向满足人们日常出行的娱乐需求,这些应用在通信和计算资源的需求上会体现不同的特性。如何合理地调度分配通信资源和计算资源,以满足车辆的任务需求,使得系统的收益最大化成为一个亟需解决的问题。然而计算资源和通信资源的关联性使得资源在分配时不能只进行单方面的考虑,而车联网与云计算的结合也为给任务更灵活地分配资源提供了技术支持,所以基于车辆云可以更好的实现对计算资源和通信资源的联合调度和优化。由于无线通信的频谱资源和完成计算任务所需要的计算资源是有限的,因此,为满足时间约束下的通信与计算资源在车辆位置变化下的持续优化调度,本文首先研究了资源联合调度下的任务卸载问题,然后利用二分图建模,提出了基于KM(Kuhn-Munkres)算法的任务卸载方案。该方案考虑车辆在不同位置下的信道条件,然后采用KM算法对不同任务和提供服务的车辆进行匹配。仿真表明,相比于独立考虑计算或通信资源的任务卸载策略,本文提出的任务卸载方案降低了10%的任务拒绝率,同时有效地提高资源利用率。其次,车联网的一大特点是允许车辆间采用V2V(车与车)的通信模式以提高系统的通信的灵活性,满足不同场景下的应用需求。本文进一步考虑了车联网中的V2V的通信方式,对V21(车辆与路侧设施)间有限的通信资源进行补充。在该种场景下,提出了基于Gale-Shaply算法的任务卸载方案。该方案利用RSU(路侧单元)的集中控制特性对任务卸载的通信方式进行决策,同时考虑服务车辆节点计算能力的差异性,通过使用Gale-Shaply算法匹配业务车辆节点和服务车辆节点,实现服务效率的最大化。仿真实验表明,考虑了车辆间V2V通信的任务卸载方案比传统方案在任务请求拒绝率、系统吞吐量和任务完成效率等方面有显著地改善。