在车联网中,因为车辆节点具有快速移动等特性,所以车辆无法仅靠车车通信这一种方式来适应频繁变化的交通网络。作为路网中的辅助通讯设施,路侧单元比车载单元具有更稳定的性能。车辆可以将信息传送给适合的路侧单元,再适时转发给相应的车辆,可以增加车辆的通信机会。由于路侧单元有限的覆盖范围以及部署成本的制约,合理选择路侧单元部署位置对提高车联网的服务质量具有重要意义。对此,本文首先提出了部署子区划分的策略,继而对车队中车辆与路侧单元的连通概率问题进行了研究,最后,提出了基于多种群遗传算法的路侧单元部署方法,旨在最大化路侧单元在道路中的作用。针对路侧单元部署问题,本文提出了部署子区划分的策略。首先根据路侧单元在路网中的作用选取聚类指标,采用了层次分析法确定了各指标在聚类中的权重;然后利用欧氏距离来计算各子区的相似矩阵,并考虑了子区在地理位置上的相邻关系。最后,通过对不同聚类阈值进行F检验以确定最优划分结果。针对路侧单元与车辆的连通概率问题,本文以车队作为研究单位并对车队中车辆的移动属性进行分析,将车队与路侧单元的连通概率的计算转变为到达车队长度概率的计算。本文引入了更新理论以描述车队中车辆间的车头时距分布,分析得出车队中车辆的车头时距服从对数正态分布的结论。在此基础上,用卷积公式推导出车队长度的概率,并将复杂积分模型通过数值法求解。在划分的部署子区基础上,本文提出了基于多种群遗传的路侧单元部署算法,并根据路侧单元与车队连通概率定义部署位置候选点。在设计遗传要素时,本文将连通概率和顶点的度作为算法的适应度函数,将自适应遗传算子应用于多种群并行优化策略中,提高算法的全局搜索能力。综上所述,本文通过对子区聚类指标的相似性计算,合并特征较为一致的子区,为后续部署位置的选取提供前提条件;然后通过车队与路侧单元的连通模型计算结果与仿真结果对比,显示了本文所提出模型的准确性,该模型可用于计算车队中车辆与路侧单元连通概率,并且为路侧单元部署间隔提供参考;最后,多种群遗传算法在子区路侧单元部署方法相比单种群遗传算法,能在较少的迭代次数下达到优化部署的目的,而基于子区划分的部署方法可将路侧单元部署位置分散开来,从而避免了交通资源分布不均的问题。