随着移动互联网、智慧城市、自动驾驶以及移动设备的快速发展,许多计算密集型节点正在涌现,而这些节点往往是资源有限的,因此探索计算任务的安全有效卸载势在必行。同时车辆在硬件和通信技术的长足发展中获得了更为强大的存储和计算能力,而当车辆处于停放状态时,会造成闲置资源浪费。对停放车辆资源的利用可以缓解传统计算系统里中央节点的压力,在给车主带来既得利益的同时,还可以给社会带来持久的影响。论文的主要内容如下:（1）提出基于区块链的停放车辆边缘计算（Blockchain-based Parked Vehicular Edge Computing,BPVEC）平台,使用区块链技术保障车辆计算资源共享的安全与隐私,并为资源共享中产生的交易提供分布式记账能力。提出一个集成优化框架,实现车辆对绿色能源的有效利用,并满足在区块生成、任务计算以及通信过程中的时延限制。问题求解基于混合时间尺度的优化算法,在短期阶段,提出一种重塑的深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法,以加快计算频率控制策略的学习速度;在长期阶段,对于任务卸载和区块链参数调整的混合整数规划问题,采用一系列变换来保持其凸性。仿真结果证明了该方案在分布式能量/计算资源、服务延迟需求和区块链可承受容量之间实现了平衡,同时大大降低了电池的折旧成本。（2）为增加系统的可用性,使用有向无环图（Directed Acyclic Graph,DAG）描述复杂应用任务特性,并在车辆间采用协作计算的方式提供高效的计算服务;车辆采用混合能源供给模式,系统中整合了不同模式下的计算成本。考虑到车辆逗留的不确定性以及绿色能源到达的随机性,对系统可靠性建模。针对优化问题中存在的复杂约束形式,采用交替优化（Alternating Optimization,AO）的方式,分别求解最优计算资源分配策略和卸载策略。针对任务间复杂的依赖关系,根据任务优先级使用多级二分图匹配（Kuhn-Munkres,KM）算法对任务进行分层调度。仿真表明,系统可以为复杂的应用提供有效的计算服务,在各种环境下均可以保持可靠性,同时最大化PVs效用。