In Vehicular Networks (VANETs), the rapid movement of vehicles leads to highly time-varying network topology and brings the problem of blind spots in signal coverage. To address these issues, drones are employed to assist data dissemination in VANETs attribute to the flexible development of drones. As random data transmission will result in decreased network performance and low efficiency in data retrieval service, it is urgent to develop efficient data scheduling schemes that meet the quality of service (QoS) of different applications in VANETs. In this context, to fulfill the request of real-time and reliable data transmission, we formulate a data scheduling problem that considers the factors such as priority of data transmission, link quality, link connection time and network fairness. Our goal is to reduce random data transmission, therefore maximizing network transmission utility. We utilize graph theory to describe network topology, in which vehicles and drones are represented as vertices and links between the nodes are represented as edges. The weight of edges indicates the utility obtained when data transmits between the corresponding nodes. We reduce the data scheduling problem to the maximum weighted matching problem and then propose a data scheduling scheme that can satisfy data requests of different vehicles to the maximum extent. The theoretical analysis derives the scheduling algorithm’s time complexity and the number of scheduling stages required to satisfy the data requests. Finally, simulation verifies the proposed scheme’s effectiveness in terms of service rate, service delay, fairness and throughput.

在车载网络（VANET）中，车辆的快速移动导致高度时变的网络拓扑结构，并带来信号覆盖范围中盲点的问题。为了解决这些问题，由于无人机的灵活发展，无人机被用于协助VANET中的数据分发。由于随机数据传输将导致网络性能下降和数据检索服务效率低下，因此迫切需要开发一种有效的数据调度方案，以满足VANET中不同应用程序的服务质量（QoS）。在这种情况下，为了满足实时可靠数据传输的要求，我们提出了一种数据调度问题，其中考虑了数据传输的优先级，链路质量，链路连接时间和网络公平性等因素。我们的目标是减少随机数据传输，因此最大程度地提高了网络传输的实用性。我们利用图论来描述网络拓扑，其中车辆和无人机表示为顶点，节点之间的链接表示为边缘。边缘的权重表示在相应节点之间传输数据时获得的效用。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。我们利用图论来描述网络拓扑，其中车辆和无人机表示为顶点，节点之间的链接表示为边缘。边缘的权重表示在相应节点之间传输数据时获得的效用。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。我们利用图论来描述网络拓扑，其中车辆和无人机表示为顶点，节点之间的链接表示为边缘。边缘的权重表示在相应节点之间传输数据时获得的效用。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。其中车辆和无人机表示为顶点，节点之间的链接表示为边。边缘的权重表示在相应节点之间传输数据时获得的效用。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。其中车辆和无人机表示为顶点，节点之间的链接表示为边。边缘的权重表示在相应节点之间传输数据时获得的效用。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。我们将数据调度问题简化为最大加权匹配问题，然后提出一种可以最大程度满足不同车辆数据请求的数据调度方案。理论分析得出了调度算法的时间复杂度以及满足数据请求所需的调度阶段数。最后，仿真从服务速率，服务延迟，公平性和吞吐量方面验证了所提方案的有效性。