随着物联网和智能交通系统的不断发展,蜂窝车联网通信(C-V2X),依托于5G通信的发展,不仅可以满足广覆盖、高速率业务需求,更有潜力满足未来自动驾驶等苛刻的高可靠、低时延需求。密集城区海量车辆通信过程,在满足低时延、高可靠、高速率需求同时,设计高效的资源分配、计算卸载决策、拥塞控制和干扰管理算法等均可以提高频谱利用率、能量效率及系统吞吐量等。本文重点研究了基于C-V2X的车联网资源分配问题,论文的主要研究内容和创新工作总结如下:1.在支持V2V通信的NOMA蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量来保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优的子信道匹配算法获得用户调度方案。最后,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。仿真结果表明,该算法可以满足不同用户的QoS需求,并在保证网络稳定性前提下,最大限度提高系统能效。2.针对云计算难以满足车联网中的低时延、低功耗等业务需求以及海量设备计算卸载引起的网络拥塞问题,提出了在云雾混合网络架构下的联合计算卸载和资源分配算法。该算法首先考虑雾层与云层协作进行计算卸载,以最大时延作为约束,建立最小化以系统能耗和资源成本为效用函数的资源优化模型。其次,利用半定松弛和二分搜索方法,设计了一种低复杂度的联合卸载决策和计算资源分配算法。进一步,利用大偏差原理推导出卸载用户请求队列的上溢概率,提出一种基于在线测量的雾节点时频资源配置算法。最后借助分式规划理论及拉格朗日对偶分解方法得到卸载用户的带宽和功率分配策略。仿真结果表明,本文算法可以在满足时延需求前提下,最小化系统效用函数。