车联网作为物联网的一个典型应用场景,近年来己愈发引起学术界和通信产业的研究关注。随着车联网中服务种类、用户流量需求的日益增长和无人机（Unmanned Aerial Vehicle,UAV）技术的不断进步,将UAV引入车联网中对目标进行辅助通信的解决方案,可缓解网络中通信基础设施压力,提升网络服务性能。然而,目前车联网中有关UAV部署的研究,大多侧重UAV如何服务车辆用户（UAV-to-Vehicle,U2V）通信,而忽略了其中车辆对车辆（Vehicle-to-Vehicle,V2V）通信的利用。而且,现今有关V2V通信的研究,研究往往不考虑车辆的高机动性对通信服务性能的影响。此外,对于UAV辅助的车联网通信系统的研究,缺乏对于UAV部署网络性能的全局分析优化,也限制了用户服务的整体质量。针对上述研究现状,本文着重研究车联网流量高峰时段中UAV辅助通信部署问题,将U2V通信与V2V通信相结合,基于对网络中车辆用户的成功服务性能分析,进行UAV的最优化部署。其内容包括:（1）研究UAV在车辆用户集中的单热点区域中的高度部署问题。考虑将UAV部署到单热点区域中心位置上空的场景,首先,分析U2V传输的成功服务概率,在此基础上考虑到车辆移动性和社交相似性等重要因素,分析V2V传输的成功服务概率;然后,推导出该场景下的用户可通过两阶段传输获得平均成功服务概率。依上述分析,建立起有关用户平均服务概率最大化问题,通过优化UAV的部署高度进来提高用户服务性能。之后,提出粒子群优化算法以寻找最佳部署高度。最后,通过仿真求解了 UAV最优部署高度,并验证了所提方案的有效性。（2）研究时间演进下UAV在多热点区域中的三维位置部署问题。首先,对多个热点区域的动态分布和UAV的能量消耗进行了建模。然后,以时隙为单位分析了该场景中U2V传输、V2V传输以及用户单时隙内的平均服务成功概率。最后,基于以上分析并考虑到UAV的能耗约束,将流量高峰持续时段内UAV实时位置部署调整问题建模为车辆用户平均服务成功数量最大化问题,并提出了完整的基于强化学习方法的UAV最优位置部署设计方案。