随着车联网的快速发展,无人智能驾驶、车载超清视频、增强现实等大量新型服务应用的不断涌现对车联网系统的通信、计算等能力提出了更高的要求。同时,由于车辆的高速移动性而导致路边单元RSU和车辆之间的链路不稳定问题也是一项具有挑战且关键的研究任务。毫米波频段处于30～300GHz,其丰富的带宽资源对现有车联网系统的通信性能起到了极大的改善作用。因此,本文将5G车联网与毫米波通信技术相结合,深入研究了5G车辆网的通信与计算资源分配问题,为车辆用户提供更加安全可靠的服务。本文主要进行了以下三方面的工作:（1）提出了一种资源和任务卸载联合优化的启发式算法。首先,针对高速公路场景下车辆任务的卸载决策及通信资源分配问题进行重点研究,建立以最小化任务平均完成时间为优化目标,任务卸载比例和资源块为优化变量的资源分配问题。由于原优化问题为0-1混合整数非线性规划问题,难以使用常规的凸优化算法直接进行求解。因此,将原优化问题解耦为资源块分配子问题及卸载决策子问题,并使用注水算法及粒子群算法对子问题分别进行求解。然后,基于启发式算法对子问题进行迭代求解,以获得最优的资源块分配方案及卸载决策向量。仿真结果表明,该算法在满足所有车辆任务需求的同时最小化系统平均时延。（2）针对高速公路场景下车辆高速移动性而导致的车辆与5G毫米波微基站之间的毫米波通信链路频繁切换的问题,提出了基于匹配理论的高可靠车载任务卸载算法。综合考虑时延和能耗对任务卸载产生的影响,以车辆终端效益为优化目标建立优化模型。可将5G毫米波微基站和车辆终端视为匹配对象,提出了基于多对一匹配的车辆任务卸载算法对优化问题进行求解。高速公路简单的道路情况为车辆轨迹预测带来了极大的便利,因此该算法在车辆终端发生切换之前提前为车辆选择最优的毫米波波束,并且在波束预测之后基于车辆终端的效益值制定任务卸载策略。仿真结果表明,该算法在时延和能耗方面都能取得良好性能,并能取得较高的用户效益。（3）设计开发了面向MEC和5G微基站融合系统的任务卸载管控平台。MEC服务器通过下发的任务卸载和分流策略将满足条件的用户业务卸载至本地服务器处进行处理,不仅降低了任务完成时延还减轻了核心网的负载压力。另外基于5G微基站所获取的智能终端信息,将接入基站的用户与后台数据库鉴权表进行匹配,对用户业务请求进行限制。