如今车联网正在从传统的辅助交通管理的安全类应用向支持多元化、海量化的娱乐信息服务类应用发展。由于信息中心网络(.Information-Centric Networking,ICGN)能提供对大规模的车联网服务及海量内容的有效支持,使得基于ICN的车联网成为了研究中的热门课题，本文中将其简称为车联ICN。本文选择对路旁系统(Road Side Unit，RSU)与车辆用户构成的车联ICN中的缓存管理策略进行深入研究,分别通过设计缓存发现、预缓存与缓存更新策略,解决内容的存储间题与内容的获取问题。本文的主要工作如下:(1)设计了一种缓存发现策略,通过对地理位置信息与历史报文信息的分析与维护,解决了RSU覆盖范围外的车辆用户无法有效获取内容的问题,这也为预缓存与缓存更新策略的设计及验证奠定了基础。(2)设计了RSU预缓存策略,通过Simpson时间估计法对内容的请求时延进行估计，联合考虑RSU互连网络中内容的存储问题与内容的获取问题建立最优化模型并求解。在此基础上,分析公交车的运行路线以及路线上车辆用户对内容的喜好,以提高内容请求的一跳完成概率为目标,设计了公交车的预缓存策略。(3)基于增强学习中的Policy Gradient算法,设计了缓存决策策略与协同的缓存更新策略,解决了缓存容量有限的车辆用户在接收到Data报文后的缓存管理问题。(4)搭建了由交通模块与网络模块构成车联ICN仿真平台用于实现系统仿真。经过在搭建的车联ICN仿真平台上的验证,本文设计的缓存发现策略、预缓存策略以及缓存更新策略,与现有的部分策略相比较,提高了内容的成功请求率与内容的平均请求时延。