随着无线通信技术以及自动驾驶技术的不断发展,车联网逐渐受到了学术及工业各界的广泛关注。车辆节点之间可以在车联网中通过无线通信的方式传递和交流信息。大量基于车联网的应用如雨后春笋般蓬勃发展,比如实时监控路面情况,实时分享电影和音乐等信息,以及利用车联网进行广告的分发。利用车联网进行广告的分发这一应用主要基于车辆社交网络。通过车辆之间的通信以及车辆与路边固定设施的通信形成车辆社交网络,然后再通过车辆社交网络将广告传递给城市的每一个角落。广告商家希望用有限的预算来达到最大的广告收益。而广告收益是否能达到最大化主要是根据广告传播范围的大小以及用户接收到广告后产生的潜在收益决定的。前一因素主要对应了广告分发系统中的信息传播过程,而后一因素则对应着广告分发系统中的针对性精准推荐过程。同时在广告的针对性的精准推荐过程中还可以增加用户对广告的接受度,提高用户体验。本文针对广告分发系统的上述两个过程,对车联网中针对性广告分发系统进行研究和设计,与社交网络中的信息传播机制以及基于协同过滤的推荐思想相结合,根据车联网的独特特性以及广告信息的内容特点和信息属性,最大化广告的传播范围以及推荐后广告的潜在收益。在广告分发的传播过程中,本文首先基于社交网络中的信息传播模型提出了在车联网中进行广告信息传播的模型,在该模型中通过选取“种子车辆”对广告信息进行帮助转发。并根据该模型对最大化广告传播影响力问题进行了数学抽象,经过数学推导和证明,在提出的广告信息传播模型中如何合理选取“种子车辆”来达到最大的广告传播范围这一问题为NP-hard问题。本文中通过推导得出了近似该问题的方法,并通过对车辆移动性信息进行衡量提出了一个基于移动性的“种子车辆”选择算法。经仿真实验证明该算法可以有效减少计算量,达到较大的广告覆盖范围。与此同时,本文在广告分发的传播模型基础上提出了在车联网中进行广告分发的针对性推荐系统模型。并对系统模型中各部分算法进行设计,提出了一个“种子车辆”对广告信息的分类缓存机制,并根据协同过滤推荐算法的算法思想提出了一个在车联网中进行广告推荐的推荐算法。该算法根据广告信息的内容特点以及车联网中车辆的移动性,利用“标签”进行推荐并在判定邻居节点时加入车辆位置属性信息。通过仿真分析表明提出的推荐系统可以达到很好的推荐性能,且提出的创新点可以显著改善推荐精准程度。全文共5章,图14幅,表格7个,参考文献52篇