CN106127524A - 一种用于车联网路侧广告分发的混合资源部署方法 - Google Patents

Abstract

本发明提供一种用于车联网路侧广告分发的混合资源部署方法，从当前可选交叉口集合中取交叉口，计算布置的设备类型分别为RAP或RSU时对应的收益系数比，以取较大者为原则确定当前最佳部署方案，在满足限制条件时进行部署，将当前部署的交叉口位置从当前可选交叉口集合中去除，同时将当前最佳部署方案并入到部署结果集，直到所有商户均被覆盖。本发明能够很好地模拟现实情形，并针对用户的行为习惯以及传输设备的特性，合理地给出了一个有效的解决方案，让资源的部署更加合理化、高效化，不至于造成资源的浪费。

Description

一种用于车联网路侧广告分发的混合资源部署方法

技术领域

本发明涉及车联网资源部署领域，具体涉及一种用于车联网路侧广告分发的混合式资源部署方法。

背景技术

车辆信息物理网络(Vehicular Cyber-Physical Systems,VCPS)中的路侧广告传播应用一般包含有三个重要元素：司机、路侧接入设备、商户。商户通过路侧设备向途径车辆进行广告的投放，从而尽可能多地吸引顾客到商店内购物。然而由于商户地理位置分布的不均匀性，在不同的位置部署不同类型的路侧设备可能会有不同的收益效果，如何保证所有商户的广告都能及时有效地投放出去，并且商户能有不错的期望收益，则使得关于路侧设备部署的方案变的尤其重要。

Li等人提出了关于广告分发与带宽分配的策略，通过综合考虑人为因素、交通状况对司机绕行行为的影响，设计了一个能够有效调度广告信息以及带宽分配的应用。但是它仍然是建立在路侧设备已部署好的这样一个基础条件之上。Zheng等人则是通过分析交通流量的分布规律，以及建立对司机绕行模型的模拟，在以最大化所能吸引到的乘客数量为目标的前提下，给出了RAP(Roadside Aps，路侧接入点)的最佳部署方案。在路侧广告的部署过程中，关于路侧传输设备部署的选择问题，对商家整体利益的考虑始终占据着最主要的地位。传输设备的部署位置相对于各个商户的地理位置距离上的远近，不仅影响了用户的绕行体验，而且往往对用户的绕行选择起着决定性的作用。以往的资源部署仅考虑使用单一的资源类型(如RAP)，这样容易在某些情况下出现资源部署过于浪费的情况，例如在一些较偏远地区有时仅为了覆盖少量的路段而不得不部署相应的路侧设备，但其实际所需要的网络带宽大小可以通过部署其他花销较小类型的资源就能够满足要求。但目前缺乏相关技术方案出现。

参考文献：[1]X.Li,C.Qiao,Y.Hou,Y.Zhao,A.Wagh,A.Sadek,L.Huang,and H.Xu,On-road ads delivery scheduling and bandwidth allocation in vehicular CPS,”inIEEE INFOCOM 2013,pp.2571–2579；[2]Zheng,H.,Wu,J.:Optimizing roadsideadvertisement dissemination in vehicular cyber-physical systems.In:Distributed Computing Systems(ICDCS),2015 IEEE 35th International Conferenceon,IEEE(2015)41-50；[3]Yan,T.,Zhang,W.,Wang,G.,Zhang,Y.:Access points planningin urban area for data dissemination to drivers.Vehicular Technology,IEEETransactions on 63(1)(2014)390-402；

发明内容

根据上述的一些研究，本发明提供一种用于车联网路侧广告分发的混合资源部署方法。

为达到上述目的，本发明采用的技术方案提供的一种用于车联网路侧广告分发的混合资源部署方法，包括以下步骤，

Step1，输入商户集合S＝{s_i|s₁,s2,…,s_n}以及其广告集合A＝{a_i,j|j＝1,2,…,m}，a_i,j代表商户s_i的第j个广告，n表示商户数量，m表示某商户的广告数目，以及对广告a_i,j的吸引力att_i,j，然后再输入交叉口集合V＝{v_k|k＝0,1,2,…,q-1}和交通流集合T＝{t_x,y|x＝0,1,2,…,q-1，y＝0,1,2,…,q-1，x≠y}，q表示目标区域内的交叉口总量，v_k代表的是目标区域内的第k个交叉口，t_x,y则对应着从交叉口v_x到交叉口v_y的一条交通流，B表示部署预算，转到Step2；

Step2，初始化工作，包括将所有商户均标记为未覆盖状态，所有交叉口部署标记x_k,y_k并初始化取值为0，部署设备数量n_p和n_u初始化取值为0，令当前的可选交叉口集合初始为交叉口集合V，转到Step3；

Step3，判断当前所有商户是否已被完全覆盖，如果是，则转入Step11；如果否，则转入Step4；

Step4，将当前最大收益系数比mRatio的值置为0，转入Step5；

Step5，从当前可选交叉口集合中取一个交叉口v_k，计算布置的设备类型分别为RAP或RSU时对应的收益系数比，取较大者为cRatio，转到Step6；

Step6，比较cRatio与mRatio的大小，如果cRatio大于mRatio，则将mRatio的值置为cRatio，转入Step7；如果否，直接进入Step7；

Step7，判断当前可选交叉口集合是已遍历完全，如果是，则转入Step8；如果否，则转入Step5；

Step8，设当前最佳部署方案包括当前交叉口v_k以及当前mRatio取值对应的设备类型，并检查当前最佳部署方案是否满足限制条件，如果满足，则转到Step9；如果否，则将该方案对应的交叉口从当前可选交叉口集合移除，转到Step4；

Step9，按照当前最佳部署方案进行部署，将当前部署的交叉口位置v_k从当前可选交叉口集合中去除，同时将当前最佳部署方案并入到部署结果集R，并标记相对应的变量x_kor y_k为1，以及对已部署设备计数n_p自加1或n_u自加1，转到Step10；

Step10，根据当前最佳部署方案，标记出被该设备所覆盖到的商户，转到Step3；

Step11，返回最终部署结果集R，结束。

而且，Step5中，对交叉口v_k计算布置的设备类型分别为RAP或RSU时对应的收益系数比，实现方式如下，

根据设备类型RAP或RSU确定设备所覆盖到的交通流集T^k,p＝{t_x,y|d_x,y,k＜R_p}或T^{k ,u}＝{t_x,y|d_x,y,k＜R_u}，d_x,y,k表示从交通流t_x,y到设备所在交叉口v_k的距离，R_p、R_u分别对应着RAP与RSU的信号覆盖半径大小；

根据T^k,p或T^k,u计算设备的商户覆盖集中每一个商户通过广告可获得的当前收益如下，

$M_{i,k,p}=\underset{j=1}{\overset{m}{\Σ}}\underset{t_{x,y\∈T^{k,p}}}{\Σ}\left|t_{x,y}\right|\×f({\mathrm{att}}_{i,j},d_{x,y,i})\×{\mathrm{utl}}_{i,j}$

或

$M_{i,k,u}=\underset{j=1}{\overset{m}{\Σ}}\underset{t_{x,y\∈T^{k,u}}}{\Σ}\left|t_{x,y}\right|\×f({\mathrm{att}}_{i,j},d_{x,y,i})\×{\mathrm{utl}}_{i,j}$

其中，效益函数f(att_i,j,d_x,y,i)用于模拟司机的绕行概率，utl_i,j代表每一个用户通过接收某个广告选择绕行后为商户带来的收益值，而|t_x,y|则是表示交通流上的车辆数量；

计算设备所能带来的总收益如下，

$E=\underset{i=1}{\overset{n}{\Σ}}\underset{k=1}{\overset{q}{\Σ}}(M_{i,k,p}\·x_k+M_{i,k,u}\·y_k)$

其中，

根据下式计算收益系数比Δ，

Δ＝E/C

其中，C为在交叉口v_k部署对应设备RAP或RSU的代价C_p或C_u。

而且，所述效益函数f(att_i,j,d_x,y,i)如下式，

$f({\mathrm{att}}_{i,j},d_{x,y,i})=\left\{\begin{array}{cc}{\mathrm{att}}_{i,j}\&times;(1-\frac{d_{x,y,i}}{D}),& d_{x,y,i}<D\\ 0,& d_{x,y,i}\&GreaterEqual;D\end{array}\right.$

其中，D为预设的阈值。

而且，Step5中，所述限制条件为，已有的部署花费加上当前设备的部署花费不得超过总的部署预算B，并且任意2个部署设备之间的间距不得超过各自信号覆盖半径中的较小值。

在本发明中，提出了一种用于最大化商家在路侧广告分发中整体收益的混合资源的部署方案，具有重要的市场价值。本发明具有以下特点：

1)商户绕行概率模型。本发明考虑用户的收益是与广告对它的吸引力成正相关的，与绕行距离的长短成负相关的。在考虑对路侧广告传输应用的实现过程中，对于人的行为预测是至关重要的。于是本发明结合用户的绕行距离与广告的吸引力系数，提出了新的效益函数f(att_i,j,d_x,y,i)来描述用户的绕行概率p。

2)商户覆盖模型。根据现实经验，有些地方的商户分布比较集中，通常他们位于地段比较繁华的位置，广告的数量与规格也非常大；而有些商户分布相对零散，通常他们的地理位置相对偏僻，而且对应的广告数量和规格相对小一些。于是本发明考虑一个设备(RAP或RSU，RSU为路侧单元，RAP比RSU覆盖范围更大)只广播附近区域及邻近区域内的商户广告。因为每一个路侧设备的带宽是有限的，在一定时间段内所能投放的广告数量也是有限的，于是利用它们来投放附近区域内的广告不仅可以保证充足的带宽，还能确保途径该区域内的车辆都能有效地接收到相关的广告。

因此，本发明能够很好地模拟现实情形，并针对用户的行为习惯以及传输设备的特性，合理地给出了一个有效的解决方案，让资源的部署更加合理化、高效化，不至于造成资源的浪费。

附图说明

图1为本发明实施例的流程图。

图2为本发明实施例应用的实例示意图。

图3为本发明实施例的实验结果中商户的整体收益与当前已部署的路侧设备数量的关系示意图。

图4为本发明实施例的实验结果中商户的覆盖数量与当前已部署的路侧设备数量的关系图。

图5为本发明实施例的实验结果中当前收益系数比与当前已部署的路侧设备数量的关系图。

具体实施方式

以下结合附图和实施例详细说明技术方案。

本发明实施例提供用于车联网路侧广告分发的混合式资源部署方法，考虑在一片区域内，给定有限的部署预算以及交通流量分布已知的条件下，如何最优化混合路侧设备资源的部署，从而使得商户能通过这些投放出的广告获得最大的整体收益。在路侧资源的部署过程中，出于保证所有商户的广告都能被有效投放的目标，在某些商户的地理位置较偏僻的同时既要满足商户的利益，又要使得路侧资源的利用率尽可能地最大化。最终结合曼哈顿网格提出了一个混合资源部署的贪心算法，在每一步选择的过程中，尽可能选择最具部署价值的位置与部署设备类型。实施例的详细实现包括如下步骤：

Step1，输入商户集合S＝{s_i|s₁,s₂,…,s_n}以及其广告集合A＝{a_i,j|j＝1,2,…,m}，a_i,j代表商户s_i的第j个广告，n表示商户数量，m表示某商户的广告数目；以及对各广告a_i,j的吸引力att_i,j，然后再输入交叉口集合V＝{v_k|k＝0,1,2,…,q-1}和交通流集合T＝{t_x,y|x＝0,1,2,…,q-1，y＝0,1,2,…,q-1，x≠y}，q表示目标区域内的交叉口总量，v_k代表的是目标区域内的第k个交叉口，t_x,y则对应着从交叉口v_x到交叉口v_y的一条交通流，B表示部署预算，转到Step2。

每一个RSU/RAP所包含的交通流集T的定义如下：

交通流是指从一个交叉口到另外一个交叉口的一段交通线路；

当一个RAP/RSU被部署到一个交叉路口时，在此设备的信号覆盖范围圈内的交通流(包括与信号覆盖范围圈相交的交通流)，均属于该交通流集。

Step2，初始化工作：所有商户均标记为未覆盖状态，所有交叉口部署标记x_k,y_k并初始化取值为0，x_k,y_k用于指示在交叉口k处是否有部署RAP或RSU，x_k＝1表示部署有RAP，y_k＝1表示部署有RSU，以及部署设备数量n_p和n_u初始化取值为0，令当前的可选交叉口集合初始为交叉口集合V＝{v_k|k＝0,1,2,…,q-1}，令部署结果集R为空，转到Step3。

Step3，判断当前所有商户是否已被完全覆盖，如果是，则转入Step11；如果否，则转入Step4。

Step4，将当前最大收益系数比mRatio的值置为0，转入Step5。

Step5，从当前可选交叉口集合中取一个交叉口v_k，计算布置的设备类型分别为RAP或RSU时对应的收益系数比，取较大者为cRatio，收益系数比计算公式参照：Δ＝E/C，转到Step6。

其中，Δ是指收益系数比，即在交叉口v_k部署对应设备后可以为覆盖商户带来的总收益与部署花费的比值，E即该设备所能带来的总收益，C为在交叉口v_k部署对应设备的代价。

针对当前的交叉路口，然后依次考虑计算两种设备类型下的收益系数，然后选择较大的一种情形(交叉口+设备类型)。

收益的计算方法为，

首先根据当前设备类型(RAP或RSU)确定该设备所覆盖到的交通流集T^k,p＝{t_x,y|d_x,y,k＜R_p}或T^k,u＝{t_x,y|d_x,y,k＜R_u}，d_x,y,k表示从交通流t_x,y到设备所在交叉口v_k的距离，R_p、R_u分别对应着RAP与RSU的信号覆盖半径大小。

然后根据T^k,p或T^k,u计算该设备的商户覆盖集中每一个商户通过广告可获得的当前收益或 效益函数f(att_i,j,d_x,y,i)用于模拟司机的绕行概率，utl_i,j代表每一个用户通过接收某个广告选择绕行后为商户带来的收益值，具体实施时可采用本领域技术人员预设的常量，而|t_x，y|则是表示该交通流上的车辆数量；例如，每一个新的RAP部署在v_k上面之后会对应有一个T^k，p，凡是到这个交通流集T^k，p里的任意一条交通流的距离d_x，y，i小于D的商户都被认为属于该RAP的商户覆盖集。

再根据公式：其中M_i,k,p代表着在路口v_k处部署一个RAP能够为商户s_i带来的收益，部署的花费即为部署对应设备RAP或RSU的代价C_p或C_u(具体实施时根据具体设备预设)，然后比较RAP或RSU相应的Δ大小，从而取较大者为cRatio。

设商户s_i到交通流的绕行距离d_x,y,i的定义：由商户到对应交通流t_x,y的垂直绕行距离，也即点到线的距离。当绕行距离太远(如给定一个阈值D)时，用户会觉得绕行购物会不划算。但如果绕行距离适当，同时该广告对于用户的吸引力很大时，用户最终会倾向选择绕行购物。

所以，f(att_i,j,d_x,y,i)是一个与吸引力att_i,j成正相关，与d_x，y，i成负相关的函数。

$f({\mathrm{att}}_{i,j},d_{x,y,i})=\left\{\begin{array}{cc}{\mathrm{att}}_{i,j}\&times;(1-\frac{d_{x,y,i}}{D}),& d_{x,y,i}<D\\ 0,& d_{x,y,i}\&GreaterEqual;D\end{array}\right.$

Step6，比较cRatio与mRatio的大小，如果cRatio大于mRatio，则将mRatio的值置为cRatio，转入Step7；如果否，直接进入Step7。

Step7，判断当前可选交叉口集合是已遍历完全，如果是，则转入Step8；如果否，则转入Step5。

Step8，设当前最佳部署方案包括当前交叉口v_k以及当前mRatio取值对应的设备类型，并检查当前最佳部署方案是否满足以下限制条件：1，已有的部署花费加上当前设备的部署花费(C_p·n_p+C_u·n_u)不得超过总的部署预算B；2，任意2个部署设备之间的间距不得超过各自信号覆盖半径中的较小值。如果2个条件均满足，则转到Step9。如果否，则将该方案对应的交叉口从当前可选交叉口集合移除，从而保证去除掉这个无效部署点，转到Step4。

Step9，按照当前最佳部署方案进行部署，将当前部署的交叉口位置v_k从当前可选交叉口集合中去除，同时将当前最佳部署方案并入到部署结果集R，并标记相对应的变量x_kor y_k为1，以及对已部署设备计数n_p自加1或n_u自加1，分别对应着已部署的RAP数量加1或RSU加1，转到Step10。

Step10，根据当前最佳部署方案，标记出被该设备所覆盖到的商户{s_i|M_i,k,p＞0or M_i，k，u＞0}，转到Step3。

Step11，返回最终的部署结果集R，结束。

以上流程主要思想是基于当前的商户分布与交通流量情况，计算出每一个交叉点部署RAP或RSU时的当前收益系数比，即通过在某一点部署一种类型的路侧设备之后，由它为商户带来的总收益与部署该设备的花费的比值。具体实施时，可以采用计算机软件技术实现自动运行流程。

实施例中涉及到的一些相关参数如下：在24×20的网格中，一共分散有10个商户，每条交通流上都对应有不同数量的车辆，RAP的覆盖范围对应为6个单位网格大小的圆，而RSU的覆盖范围则为3个单位网格。

在图2所示的这样一个模型中，图中的数字表示对各个交叉口的编号。根据商户到交通流的绕行距离d_x，y，i的定义：由商户s_i到对应交通流t_x，y的垂直绕行距离，也即点到线的距离。从而，商户s₁到t_3，4交通流的绕行距离为6(3+3)，s₁到t_1，4交通流的绕行距离为12(6+6)。而每一个RSU/RAP所包含的交通流集T的定义则如下：当一个RAP/RSU被部署到一个交叉路口时，在它的信号覆盖范围圈内的交通流，凡是与其相交的交通流，均属于该交通流集。那么如上图2所示，RSU所包含的交通流集为{t_12，13，t_13，14，t_10，13，t_13，16},RAP所包含的交通流集为{t_3，4,t_4，5，t_6,7,t_7,8，t_9，10，t_10，11，t_1，4，t_4，7，t_7，10，t_10，13}。于是，通过这些覆盖的交通流集就可以间接确定那些被覆盖到的商户集。按照RAP/RSU商户覆盖集的定义：凡是被RAP/RSU所包含的交通流集，所有到该设备对应交通流的绕行距离不超过D(该模拟方案中D的值取10)的商户，统属于该商户覆盖集。所以，RSU的商户覆盖集为{s₃,s₄},RAP的商户覆盖集为{s₁，s₂,s₃,s₅，s₆}。

如图2所示，根据以往的资源部署经验，有线的网络设施(如基站、RSU等)具有覆盖范围广、部署成本大、高带宽等特点，而相对应的一些无线网络设施(如传感器)则具有覆盖范围小、部署成本小、低带宽等特点。于是，多种类型资源的混合部署变得尤为重要，不仅可以更加充分地覆盖到更多的路线，保证商户与用户的收益能够最大化，同时也节省了部署开销。另一方面，提供了如下几种算法加以对比分别有：

1)全RAP类型部署方案，路侧设备的类型全部为RAP，并优先选取高收益比的部署；

2)全RSU类型部署方案，路侧设备类型全部为RSU，同样优先选取高收益比的部署；

3)混合资源部署方案，选取具有最高收益比系数的方案，确定最优节点位置和最佳设备类型；

4)随机资源部署方案，随机选取节点位置和设备类型进行部署。

准确度对比的实验结果见附图3、图4、图5，对比在四种不同的算法下，商户的整体收益、商户的覆盖数量以及当前收益系数比随当前已部署的路侧设备数量的关系可以直观看出本发明的效果要优于其他方式。

图例中，ALL RAP、ALL RSU、Hybrid DEV以及Random DEV分别对应着方案1)——方案4)。图3说明了该贪心方法在每一次的选择中将设备部署在了一个具有最佳收益系数比的位置上，然后随着部署设备数量的增加，由于商户的数量是有限的，每一个新部署的设备所能覆盖到的商户就越少，从而能带来的收益系数是呈递减趋势的，但本方案所对应的Hybrid DEV算法仍然拥有着相对较高的收益系数比。图4则展示了随着部署设备数量上的增加，当前已被覆盖到的商户数量的变化趋势，可见每次的部署方案3)和方案1)都保证了有相对更多的商户被新添加到覆盖集合中来。图5展示了随着部署的不断进行，一直到所有商户均被覆盖，最终商户所能获得的收益与总的部署花费的比值，最终可以看到方案3)相较于其他三种方案有一个更高的收益花费比值，达到了用尽可能少的花费获得尽可能大的收益的效果。

Claims (4)

1.一种用于车联网路侧广告分发的混合资源部署方法，其特征在于：包括以下步骤，

Step1，输入商户集合S＝{s_i|s₁,s₂,…,s_n}以及其广告集合A＝{a_i,j|j＝1,2,…,m}，a_i,j代表商户s_i的第j个广告，n表示商户数量，m表示某商户的广告数目，以及对广告a_i,j的吸引力att_i,j，然后再输入交叉口集合V＝{v_k|k＝0,1,2,…,q-1}和交通流集合T＝{t_x,y|x＝0,1,2,…,q-1，y＝0,1,2,…,q-1，x≠y}，q表示目标区域内的交叉口总量，v_k代表的是目标区域内的第k个交叉口，t_x,y则对应着从交叉口v_x到交叉口v_y的一条交通流，B表示部署预算，转到Step2；

Step2，初始化工作，包括将所有商户均标记为未覆盖状态，所有交叉口部署标记x_k,y_k并初始化取值为0，部署设备数量n_p和n_u初始化取值为0，令当前的可选交叉口集合初始为交叉口集合V，转到Step3；

Step3，判断当前所有商户是否已被完全覆盖，如果是，则转入Step11；如果否，则转入Step4；

Step4，将当前最大收益系数比mRatio的值置为0，转入Step5；

Step5，从当前可选交叉口集合中取一个交叉口v_k，计算布置的设备类型分别为RAP或RSU时对应的收益系数比，取较大者为cRatio，转到Step6；

Step6，比较cRatio与mRatio的大小，如果cRatio大于mRatio，则将mRatio的值置为cRatio，转入Step7；如果否，直接进入Step7；

Step7，判断当前可选交叉口集合是已遍历完全，如果是，则转入Step8；如果否，则转入Step5；

Step8，设当前最佳部署方案包括当前交叉口v_k以及当前mRatio取值对应的设备类型，并检查当前最佳部署方案是否满足限制条件，如果满足，则转到Step9；如果否，则将该方案对应的交叉口从当前可选交叉口集合移除，转到Step4；

Step9，按照当前最佳部署方案进行部署，将当前部署的交叉口位置v_k从当前可选交叉口集合中去除，同时将当前最佳部署方案并入到部署结果集R，并标记相对应的变量x_k ory_k为1，以及对已部署设备计数n_p自加1或n_u自加1，转到Step10；

Step10，根据当前最佳部署方案，标记出被该设备所覆盖到的商户，转到Step3；

Step11，返回最终部署结果集R，结束。

2.根据权利要求1所述用于车联网路侧广告分发的混合资源部署方法，其特征在于：Step5中，对交叉口v_k计算布置的设备类型分别为RAP或RSU时对应的收益系数比，实现方式如下，

根据设备类型RAP或RSU确定设备所覆盖到的交通流集T^k,p＝{t_x,y|d_x,y,k＜R_p}或T^k,u＝{t_x,y|d_x,y,k＜R_u}，d_x,y,k表示从交通流t_x,y到设备所在交叉口v_k的距离，R_p、R_u分别对应着RAP与RSU的信号覆盖半径大小；

根据T^k,p或T^k,u计算设备的商户覆盖集中每一个商户通过广告可获得的当前收益如下，

$M_{i,k,p}=\underset{j=1}{\overset{m}{\&Sigma;}}\underset{t_{x,y\&Element;T^{k,p}}}{\&Sigma;}\left|t_{x,y}\right|\&times;f({\mathrm{att}}_{i,j},d_{x,y,i})\&times;{\mathrm{utl}}_{i,j}$

或

$M_{i,k,u}=\underset{j=1}{\overset{m}{\&Sigma;}}\underset{t_{x,y\&Element;T^{k,u}}}{\&Sigma;}\left|t_{x,y}\right|\&times;f({\mathrm{att}}_{i,j},d_{x,y,i})\&times;{\mathrm{utl}}_{i,j}$

其中，效益函数f(att_i,j,d_x,y,i)用于模拟司机的绕行概率，utl_i,j代表每一个用户通过接收某个广告选择绕行后为商户带来的收益值，而|t_x,y|则是表示交通流上的车辆数量；

计算设备所能带来的总收益如下，

$E=\underset{i=1}{\overset{n}{\&Sigma;}}\underset{k=1}{\overset{q}{\&Sigma;}}(M_{i,k,p}\&CenterDot;x_k+M_{i,k,u}\&CenterDot;y_k)$

其中，

根据下式计算收益系数比Δ，

Δ＝E/C

其中，C为在交叉口v_k部署对应设备RAP或RSU的代价C_p或C_u。

3.根据权利要求2所述用于车联网路侧广告分发的混合资源部署方法，其特征在于：所述效益函数f(att_i,j,d_x,y,i)如下式，

$f({\mathrm{att}}_{i,j},d_{x,y,i})=\left\{\begin{array}{cc}{\mathrm{att}}_{i,j}\&times;(1-\frac{d_{x,y,i}}{D}),& d_{x,y,i}<D\\ 0,& d_{x,y,i}\&GreaterEqual;D\end{array}\right.$

其中，D为预设的阈值。

4.根据权利要求1或2或3所述用于车联网路侧广告分发的混合资源部署方法，其特征在于：Step5中，所述限制条件为，已有的部署花费加上当前设备的部署花费不得超过总的部署预算B，并且任意2个部署设备之间的间距不得超过各自信号覆盖半径中的较小值。