车联网是未来智能交通的重要组成部分,它是一个由多用户、多车、多物、多网络组成的开放、集成的网络系统,能够实现人-车-物-环境的深度融合,提高交通效率和提升城市服务水平。然而,由于大规模的计算密集型新兴应用涌现,同时车载业务类型变得愈加纷繁复杂,对车联网通信的可靠性、高效性和实时性等提出了更高的挑战。在资源有限的情况下,资源分配方式是影响系统性能的重要因素,如何进行合理高效的资源分配始终是车联网领域亟待解决的关键问题之一。因此,为了应对上述挑战,本文将以优化车联网资源管理方法和拓展计算资源为切入点,以能量效率、系统效用、数据速率和计算卸载总时延等指标作为提升系统性能的准则,结合凸优化理论、边缘计算等技术,针对不同的车联网场景设计出能够满足多样化需求的多维资源管理方案,进而为车载用户提供更好的服务质量。本论文的主要工作和创新点总结如下:1.提出了一种自动驾驶车联网能效最大化的子信道匹配和功率分配的资源管理机制,缓解了由于复杂交通环境导致能效下降的难题,有效改善了车载用户的服务质量。具体而言,首先,本论文设计了一个包含高速路口和交叉路口的网络体系架构,借助于不同通信技术,有效保障了网络的互联互通。基于此架构,文中还构建了基于非正交多址的自动驾驶车联网的网络模型,并考虑了跨层干扰和服务质量等约束条件,给出了系统能量效率的表达式。其次,为了最大化系统能效,提出了一种子信道匹配算法,该算法可以确保车辆在其选择的子信道上增益是最大的。基于所得到的子信道分配矩阵,进一步地对功率分配问题进行化简求解,引入交替方向乘子算法能够求解得到优化的功率分配矩阵。最后,仿真结果显示对比于其他算法提出的算法能够实现更高的能量效率,进一步改善了网络性能。2.提出了一种雾计算车联网能效最优化的子信道和功率优化的资源管理方法,有效解决了车联网中因本地车载任务过多引起的网络拥塞问题。具体而言,首先,本论文建立了一个基于雾计算车联网的系统模型,该模型中网络边缘的设备能够承担部分计算与存储任务,以此降低网络时延。其次,构建了考虑缓存情况下以最大化能量效率为目标的优化模型,并利用新兴的智能优化算法（化学反应优化算法）来求解目标函数。为了方便求解,通过引入罚函数将带有约束的优化模型转化成无约束优化模型,进而得到化学反应优化方案中分子势能的表达式。然后分别基于化学反应优化算法和实数编码化学反应优化算法优化子信道分配矩阵和功率分配矩阵,并通过寻找最小势能得到最佳解。最后,仿真结果表明提出的算法可以减少冗余的通信开销。并且,与不带缓存的方法相比,带有缓存的方法能够提高资源利用率。3.提出了一种空天地一体化车联网和速率最大化的资源管理方法,有效解决了车联网中资源调度难和端到端时延过大的问题。具体而言,本论文设计了一种边缘增强的空天地一体化车联网架构,基于此架构,分别考虑了有无用户关联场景下的资源分配问题。针对无用户关联的场景,首先,推导出考虑子信道分配和功率分配的最大化小小区和速率的目标函数,计算了边缘卸载任务的总时延,并将其转化为约束条件。其次,设计了一种子信道分配算法来保证车辆在信道上的信干噪比最大,在此基础上,进一步采用拉格朗日对偶法处理功率分配问题,并提出了基于功率的非合作博弈模型,证明了其纳什均衡的存在性。同样地,针对考虑用户关联的情况,推导出考虑用户关联、子信道分配和功率分配的最大化小小区和速率的目标函数,其子信道分配和功率分配算法与不考虑用户关联场景中的算法保持一致,首先提出了一种低复杂度的用户关联算法优化车辆和基站之间的连接,再进行子信道和功率优化,从而能够实现和速率的最大化。最后,仿真结果表明提出的算法能够保证车辆的可靠通信,有效缓解了由于时延过大带来的负面影响。