随着未来车联网（Internet of Vehicles,Io V）的不断发展,汽车应用数据流爆炸式增长,而车辆本身的车载单元无法满足其自身应用的计算时延的需求,移动边缘计算（Mobile Edge Computing,MEC）技术的出现能够很好的解决此类问题。MEC技术是将MEC服务器部署在靠近用户一侧网络边缘,旨在将移动云计算（Mobile Cloud Computing,MCC）的功能进行下沉到用户周围。从而降低用户到服务器之间的传输时延,满足用户大需求。同时,由于车辆行驶过程中,利用移动边缘计算仍有诸多资源受限问题需要研究解决,比如,车辆在移动跨区时计算资源受限的情况下,导致自身通信资源空闲;以及不同传输模式下信道复用带来的干扰等问题。因此,本文针对车联网中资源受限问题,在路侧单元覆盖场景下研究通过任务卸载分配来对时延进行优化处理的方法,以及在该策略下对单个路侧单元里系统传输速率进行优化。论文首先分析了车联网中基于MEC任务卸载模式。然后,研究了车联网中基于跨区切换下的中继协作提前卸载策略,针对车联网中车辆跨区任务卸载受限的问题,基于跨区切换的中继协作提前卸载策略下的任务计算时延进行优化,通过对任务的划分及卸载模式的选择的联合策略进行设计,并以联合设计的时延作为优化目标,建立任务车辆计算时延优化公式,不仅在卸载模式的选择上面充分的考虑了车联网中除任务车辆外,其它车辆计算资源受限的情况,还在任务划分时任务之间的联系和是否需要返还结果进行分析。仿真实验表明本文提出的中继协作提前卸载策略,相对于动态卸载调度策略,其完成任务所需的时间较低。最后针对中继协作提前卸载策略下出现的信道复用产生的干扰的问题,研究了基于中继协作提前卸载策略下信道资源分配方案,该方案基于系统传输速率进行建模优化,通过数学分析方法,将连续变量和离散变量分开分析,并结合了功率控制及信道匹配来优化系统传输速率,信道匹配中采用二分图最大匹配中匈牙利算法进行求解。仿真实验表明所提出的信道资源分配优化算法相较传统方法,在完成相同任务情况下,可提高系统的传输速率。