近些年,全球车辆用户超过十亿和以自动驾驶为代表的计算密集型应用兴起,车联网中通信与计算资源补给方式受到严峻挑战。为解决此问题,相关学者将边缘计算技术引入车联网中,形成一种新型的网络范式-车联网边缘计算。目前,车联网边缘计算中的资源与服务优化问题成为车联网与智能交通系统领域的研究热点之一。本文探讨如何从用户需求侧和资源供给侧解决网络中有限资源的调度与使用问题,以保证服务质量,提升网络容量。同时,为保障车辆用户具有安全可靠的服务环境,考虑利用分布式车辆信誉管理系统快速精准地评估车辆行为,也探索以路侧单元(Roadside Unit,简称RSU)为代表的边缘计算基础设施所面临的安全威胁。本文的主要内容如下:1.针对5G场景下同时接受服务并且位置相邻的车辆,探索这些车辆群体间的关系特征。采用软件定义网络技术动态管理它们,设计一种软件定义的网络框架。基于“通用即插即用”协议解决框架中车辆群体间的组网问题,随后,以组织车载云计算为例,提出相关的案例研究,验证所设计框架在扩充资源容量,保障资源供给可靠性和提高资源利用率方面的性能优点。2.提倡合理地调度停泊车辆,以配合边缘服务器进行协同边缘计算,并研究最大化用户满意度目标下的资源调度方案。描述网络中的主要实体及相关功能,提出一种安全可靠的实体间交互协议。评估不同停泊车辆在协同边缘计算中的可服务性,以挑选稳定的任务执行者,并利用Stackelberg博弈方法建模和解决停泊车辆与边缘服务器之间的资源调度优化问题。实验仿真结果表明得益于资源扩容,本文方案比现有仅考虑使用边缘服务器执行任务的方案服务更多的车辆用户,达到近1倍的用户容量增幅。3.构造一个分布式车辆信誉管理系统以确保安全和高效的车联网边缘计算。介绍系统的整体模型和详细功能。利用自主改进的多重加权主观逻辑方法精准地更新不同车辆的信誉值。进而探讨如何在计算卸载场景中设计一种综合考虑车辆个人信誉和任务要求的资源分配算法。实验仿真结果表明改进后的多重加权主观逻辑比一般的主观逻辑方法更能及时检测到网络中车辆的不良行为,显著提高系统对行为不良车辆的识别率。4.分析车联网边缘计算中RSU所面临的安全威胁和提出对应的防御方案。首先,阐述现有RSU在网络中被攻击后所带来的严重危害,归纳此类针对RSU的网络攻击的特征。然后,基于以上特征讨论一种新型的攻击模型,RSU热点攻击,描述攻击者的多阶段攻击过程。为此,设计一种基于虚拟流量传输的主动式防御方案,并使用Stackelberg博弈方法建立防御方案中必需的激励机制。实验仿真结果表明以上的防御方案可以高效地降低目标RSU的被攻击概率,有效地避免网络遭受RSU热点攻击。