随着社会的不断发展,人们对于车载服务的需求越来越多样化,例如自动驾驶、车载AR导航等。然而,现有的车联网资源无法更好地支撑这些服务:一方面,车载服务对计算资源的需求量较大,现有的计算资源无法满足车载服务的计算需求;另一方面,车辆的移动性使车联网资源分布快速变化,原有的静态资源管理方案将无法解决动态问题。因此,本文将以拓展计算资源、优化资源管理方案为切入点,以系统时延、吞吐量、能耗等因素作为衡量系统综合性能的指标点,深入开展对车联网资源管理优化的研究工作。首先,本文构建了一种基于车辆雾计算与契约理论的车联网资源交易模型。为了拓展车联网计算资源,本文引入了车辆雾计算的概念,其中车辆被视作具备一定计算能力的移动雾节点,计算任务能够被卸载到车辆节点进行处理。但由于缺乏激励机制,现实中车辆无偿贡献计算资源用于任务处理的积极性不高。针对于此,本文设计了一种基于契约理论的车联网资源交易策略,即车辆贡献计算资源的同时,能够获得一定的奖励,同时利用奖励换取车联网资源,提升任务卸载处理的性能,以此方式提升车辆贡献资源的积极性。其次,基于上述系统模型,本文提出了一种基于深度强化学习算法的车辆雾计算资源优化策略。在车辆雾计算环境中,由于车辆雾节点的移动性,车联网资源分布拓扑实时变化,传统的静态资源管理方案无法解决动态问题,因此本文采用机器学习中的强化学习算法解决此类决策性问题。考虑到系统模型状态空间大,强化学习模型收敛速度缓慢,本文采用深度强化学习算法,用深度神经网络替换强化学习决策模型,以提升模型训练效率。最后,基于车联网资源交易模型,本文构建了一种基于区块链技术的车辆雾计算资源调度模型。由于缺少鉴权机构,车联网资源交易存在非诚信节点制造虚假交易信息的问题,其扰乱资源交易公平性。为此,本文引入了区块链的概念,利用区块链自身的安全属性保障车联网资源交易的合法性与有效性。考虑到建立新区块是实现区块链实时更新的基础,需要消耗大量的计算资源用于完成工作量证明,因此本文设计了一种基于契约理论的计算资源调度方案,拓展区块链节点的计算能力,提升区块建立成功率,以实现基于区块链的资源安全交易机制。本文共有图29幅,表5个,参考文献71篇。