伴随着车联网的兴起与5G时代的到来,车载应用面对的业务类型变得纷繁复杂,数据量也出现井喷式增长,亟需强大的计算能力作为支撑,因此移动边缘计算（Mobile Edge Computing,MEC）技术应运而生,它对于“高带宽、低延迟、高可靠性”的车联网应用来说是非常良好的选择。与此同时,面对紧俏的通信与计算资源,合理高效的资源调度也是十分重要且迫在眉睫的。基于上述背景,本文专注于车联网多业务场景下的资源调度策略研究。通过结合多服务器M/M/S排队模型与基于优先级和面向用户体验优化的资源调度策略,来实现车联网系统中计算与通信资源的高效分配。论文的主要研究内容和创新工作总结如下:（1）传统的车联网研究一般只关注通信层面而忽视周围信息的感知和计算,或者将通信、感知、计算割裂开来,没有看成一个整体。本文的优势在于充分利用了车辆探测设备（毫米波雷达与摄像头）的融合感知能力,并将其与RSU感知相结合,从而实现车辆空间位置的准确度量,以此来完善车联网系统的资源调度性能。（2）本文针对现实车联网场景中安全类和非安全类业务共存的情况,提出了基于业务优先级的资源调度策略,该策略强调:路侧设备（Road Side Unit,RSU）在接收到来自车辆的服务请求后先分别计算该业务的时延、可靠性、重要性因子,而后得出不同业务的权重及其在资源调度过程中的优先级,最后优先将带宽资源分配给高优业务,从而实现车辆碰撞率和吞吐量性能最优。（3）本文在优先级调度策略基础上又提出了面向用户体验优化的资源调度策略,该策略将不同年龄的多媒体类业务用户对延迟的忍耐程度差异也看作优先级度量因子之一,并建立用户相对满意度与车辆碰撞率联合优化目标,以此来确保该策略能在改善多媒体业务用户使用体验的同时不会影响安全类业务用户的基本安全。