Η παρούσα διδακτορική διατριβή μελετάει την αξιολόγηση απόδοσης και βελτιστοποίηση των επικοινωνιών Οχήματος-προς-τα-Πάντα (V2X). Ο πρωταρχικός στόχος είναι ο εντοπισμός των κύριων παραγόντων που επηρεάζουν την απόδοση των δικτύων V2X καθώς και την Ποιότητα Υπηρεσίας (QoS) που προσφέρεται στους χρήστες οχημάτων. Για το σκοπό αυτό, εισάγονται καινοτόμες στρατηγικές και μοντέλα κλειστής μορφής που μπορούν να βελτιώσουν την παροχή υπηρεσιών του συστήματος και να οδηγήσουν σε πιο ακριβή αξιολόγηση της απόδοσης των επικοινωνιών V2X. Με στόχο την παροχή μιας πλήρους και ολιστικής κατανόησης των παραγόντων που διαμορφώνουν την απόδοση των V2X, η διατριβή αυτή διερευνά τις ακόλουθες τρεις περιοχές έρευνας. Η πρώτη περιοχή έρευνας μελετά την επίδραση της κινητικότητας του οχήματος στην ποιότητα υπηρεσίας στα δίκτυα οχημάτων WiFi που εξυπηρετούν αιτήματα επιβατών. Συγκεκριμένα, προτείνεται η υιοθέτηση της πολιτικής Δέσμευσης Εύρους Ζώνης (BR) για να δοθεί προτεραιότητα στην εξυπηρέτηση κλήσεων αλλαγής κυψέλης. Δύο τύποι πολιτικής BR εξετάζονται: i) η αυστηρή πολιτική BR, όπου οι δεσμευμένοι πόροι είναι σταθεροί και ii) η πιθανοτική πολιτική BR, όπου ο αριθμός των δεσμευμένων πόρων καθορίζεται δυναμικά από ένα πιθανοτικό μέτρο. Για περαιτέρω βελτίωση της παροχής υπηρεσιών στις κλήσεις κατά την αλλαγή κυψέλης, θεωρείται η ύπαρξη μιας ουράς αναμονής. Για την αξιολόγηση της απόδοσης του συστήματος, καθώς και των εφαρμοζόμενων πολιτικών, προτείνονται τρεις νέοι επαναληπτικοί αλγόριθμοι και οι λύσεις συγκρίνονται με τη συμβατική πολιτική Πλήρους Διάθεσης (CS), στην οποία δεν δίνεται προτεραιότητα μεταξύ των χρηστών. Η δεύτερη περιοχή έρευνας εστιάζει στην αξιολόγηση απόδοσης των επικοινωνιών V2X σε σενάρια όπου δεν είναι διαθέσιμη η άμεση συνδεσιμότητα μεταξύ των οχημάτων και του δικτύου, δηλαδή Οχήματος-προς-Δίκτυο (V2N). Κλασικά μοντέλα θεωρίας ουρών αναμονής, όπως τα M/M/C, M/Ekp/C και M(N)/M/C χρησιμοποιούνται για να αξιολογήσουν τον τρόπο με τον οποίο η κατανομή του χρόνου εξυπηρέτησης και ο πληθυσμός των οχημάτων επηρεάζουν την απόδοση του συστήματος, λαμβάνοντας υπόψη ατέλειες του δικτύου, όπως οι αστοχίες καναλιού. Επιπλέον, αξιολογείται η επίδραση των άμεσων και έμμεσων επικοινωνιών V2N στις εφαρμογές που φιλοξενούνται στο όχημα και εισάγονται και επικυρώνονται στρατηγικές βελτίωσης της υπηρεσίας μέσω αναλυτικών εκφράσεων κλειστής μορφής. Η τρίτη περιοχή έρευνας ενσωματώνει μεθόδους Τεχνητής Νοημοσύνης (AI) στα συστήματα V2X. Αυτή η συμβολή είναι διπλή: Πρώτον, αναπτύσσονται νέες υβριδικές προσεγγίσεις αξιολόγησης απόδοσης που συνδυάζουν κλασικές μεθόδους όπως κλειστής μορφής εκφράσεις ή/και προσομοίωση με τεχνικές που οδηγούνται από AI για να δημιουργηθεί ένα αποτελεσματικό και ακριβές πλαίσιο αξιολόγησης απόδοσης. Δεύτερον, εξετάζεται η ανάπτυξη κατανεμημένης AI, ειδικότερα η Ομοσπονδιακή Μάθηση (FL), η οποία αναμένεται να παίξει καθοριστικό ρόλο στα συστήματα V2X λόγω των πλεονεκτημάτων της στη διατήρηση της ιδιωτικότητας των δεδομένων των χρηστών. Δεδομένου ότι η επιτυχής εκπαίδευση των μοντέλων FL εξαρτάται σε μεγάλο βαθμό από τη συνεργασία μεταξύ πολλών οχημάτων, παρουσιάζεται μια επισκόπηση των μετρικών δικτύου που επηρεάζουν την FL, καθώς και μια κλειστής μορφής μαθηματική έκφραση για να προσδιοριστεί εάν οι συνθήκες του δικτύου μπορούν να εξασφαλίσουν την ομαλή εκπαίδευση του αλγορίθμου FL.