蜂窝车联网通信（Cellular Vehicle-to-everything,C-V2X）是第五代移动通信技术在智能交通领域的重要应用,是我国新型基础设施建设的重要组成部分。在蜂窝车联网中,车辆用户基于蜂窝通信和直连通信实现“人-车-路-云”的实时动态连接。该系统中,车辆的快速移动性加剧了蜂窝车联网中无线业务流量时空分布的不均匀性,从而导致蜂窝侧无线资源配置与用户需求不匹配,降低了无线网络能量资源利用效率,不符合绿色通信的要求。随着人工智能技术的发展,机器学习、大数据分析等信息技术可以对无线数据进行分析与预测,提前获知未来网络负载、用户位置等的变化情况,从而提高无线资源的利用效率。当前,如何利用数据分析得到的先验信息进行资源预分配已经成为解决蜂窝车联网中无线资源配置与用户需求不匹配的关键所在。基于此,本论文重点研究了蜂窝车联网中基于先验信息的资源预分配策略,首先对车辆用户的移动速率分布进行了数据分析并研究了基于数据分析的高能效资源预分配（Energy Efficient Resource Pre-Allocation,EE-RPA）策略。在此基础上,进一步考虑基站负载高低对能耗的影响,研究了如何进行用户关联、子载波和功率分配的联合设计实现能耗最小化。本文的主要贡献和创新点归纳如下:1)研究了蜂窝车联网中基于先验信息的能效优化策略,在用户服务质量和中断概率约束的条件下,通过时间和功率分配实现了系统总能效最大化。首先对公开数据集进行数据分析以获得车辆用户速率分布的拟合函数。在此基础上,为了最大化系统平均能效,使用信道分布信息化简中断概率约束,提出了一种基于非线性分式规划的两层迭代EE-RPA算法。该算法首先将分式形式的优化目标转化为减式形式,并引入能量效率因子进行外层迭代,然后在内层优化问题中分别使用线性规划和拉格朗日对偶理论进行求解。最后在不同的车辆用户速率分布和请求数据量的条件下,进行软件仿真并验证所提算法的性能。数据拟合结果显示高斯型核密度估计函数可以表征车辆用户速率分布特征。仿真结果显示所提算法具有良好的收敛性,相较于传统的资源分配策略,可以获得至少65%的能效增益,同时所提算法的性能也受到高低速车辆用户数目是否相同的影响。2)研究了蜂窝车联网中基于先验信息的能耗优化策略,将空闲子载波按照时序在预测窗中进行扩展,利用双边多对一匹配模型,通过用户关联、子载波和功率分配的联合优化实现了系统总能耗最小化。考虑蜂窝所消耗的能量与负载成线性比例关系的能耗模型,在保证用户服务质量的条件下,提出一种基于匹配交换的多维资源预分配算法。该算法首先将原混合整数非线性规划问题分解为离散子优化和连续子优化问题。其次,首次提出将蜂窝小区的空闲子载波在预测窗时间内根据时间帧进行虚拟扩展,并利用双边多对一匹配模型对用户关联和子载波分配的离散子优化问题进行求解。最后,利用拉格朗日对偶理论求解最优的蜂窝发射功率。仿真结果表明,所提算法具有较快的收敛速度,相较传统的资源分配策略可以显著降低系统能耗。