车联网技术的不断发展提高了交通安全和驾驶效率。自动驾驶、远程驾驶、实时道路信息获取等新业务的出现,对数据传输速率和通信可靠性提出了越来越高的要求。蜂窝车联网技术以覆盖范围广、时延低、可靠性高等优势,吸引了工业界和学术界的广泛关注。通过将一部分流行内容缓存到车辆,利用车辆间的内容分发可以有效降低系统时延,提高网络吞吐量。目前,研究人员对蜂窝车联网中的协作内容分发技术已展开了大量研究。当车辆参与内容分发时,需要消耗自身有限的资源。为了保证自身的利益,理性车辆可能拒绝参与协作分发,导致系统性能较差。如何考虑车联网的高度动态特性,设计有效的内容分发激励机制,是有待解决的重要问题。此外,在密集的车辆环境下,车辆可能同时收到多个内容分发请求。如何在高速移动的环境下,设计合理的传输决策机制,满足多个车辆之间的内容分发请求,也需要深入研究。本文的主要工作如下:提出了一种动态定价的激励机制。首先,给出车辆间进行内容分发的影响因素,即内容的流行度、内容大小、链路传输速率和链路中断概率。考虑到不同因素的量纲和取值范围不同,对其进行归一化处理,并综合这些因素定义了动态车联网环境下,车辆协助内容分发能够获得的激励值。然后,以收益最大化为目标,建立了数学模型并求解,提出对应的车辆内容分发策略。在激励机制的基础上设计了一种缓存内容替换策略。根据历史记录中,车辆参与内容分发获取的激励收益,建立基于多因子选股模型的收益预测问题,缓存潜在收益更高的内容,以进一步增加车辆参与内容分发的机会,保证车辆的长期收益。仿真结果表明,所提的激励机制和缓存内容替换策略,有效提高了车辆间的内容成功投递率和缓存命中率。提出了一种能效最优的传输决策机制。针对多个车辆同时发起多个视频内容分发请求的情况,对内容提供车辆的传输决策问题进行建模。考虑到网络中异构车辆的处理能力不同,并且在高度动态环境下车辆的信道状况也存在较大差异,引入了视频转码技术。为了保证视频内容提供车辆的利益,同时提高系统的服务质量,提出了将内容分发请求的传输能效作为优化目标,即以最低的视频转码和传输能耗满足最多的内容分发请求,并分别针对集中式和分布式场景设计了具体的实现算法。在集中式场景下,宏基站作为集中控制中心,收集覆盖范围内所有内容提供车辆和请求车辆的信息,并基于匈牙利算法在多项式时间内实现了车辆间的匹配。在分布式场景下,借助邻居车辆间的信息交互,提出了基于贪婪思想的分布式求解算法,以较低的复杂度,实现了车辆间的协作决策。仿真结果表明,所提的传输决策机制能够有效降低系统的整体传输能耗,提高视频内容分发请求的完成率。