近年来,随着移动互联网、物联网的发展,网络数据量呈现指数级增长趋势,5G技术的商用为上述场景提供了很好的通信接入基础,然而5G端到云架构无法解决移动设备与云端的长延迟和回程带宽限制问题。车联网应用正从早期安全报警为主向安全报警与娱乐业务并存的方向发展,这对车联网的时延和回程链路提出了更高的要求。因此,减小请求时延、提高回程链路利用率成为车联网研究中的关键问题之一。主动边缘缓存是一种在网络边缘利用用户上下文信息进行预测从而为用户请求提供服务的技术,本文研究了车联网中的主动边缘缓存应用。通过车辆请求概率预测,本文对车联网中的路旁系统（Road Side Unit,RSU）和车辆主动边缘缓存进行研究,旨在降低请求时延、提高回程链路利用率。具体工作概述如下:（1）将基于物品的协同过滤算法运用于车联网的内容请求概率预测,提出一种基于内容关联度的请求预测方法。通过对车辆历史请求序列中的时间、位置、偏好进行分析,得到内容间潜在关联度,并结合内容流行度对车辆未来请求概率进行预测。该方法以提高请求预测的准确性为目标,为后续缓存策略的设计打下基础。（2）在基于内容关联度的预测方法基础上,本文对车辆V2I链路请求的RSU节点上的主动缓存进行研究,设计了一种V2I协同缓存算法。通过对车辆相对于RSU的移动模型进行分析,以降低系统平均回程链路流量为目标,本文提出了一种时间复杂度较低的缓存决策算法。仿真证明,所提算法与传统流行度算法比较可以有效提升回程链路利用率、降低请求时延和提高服务效率。（3）在基于内容关联度的预测方法和V2I协同缓存的基础上,考虑空闲车辆有为请求车辆提供内容交付服务的意愿条件下,对车辆V2V链路请求的车辆节点上的主动缓存进行研究,设计一种V2X协同缓存算法。充分考虑车辆间接触模型与内容请求模型,本文提出了一种缓存决策算法,可以得到₂¹近似率的次优解。仿真证明,所提算法与传统算法以及V2I协同缓存算法相比具备更好的缓存性能,能够充分降低回程链路流量、请求时延和提高服务效率。