[发明专利]基于深度学习的车联网移动广告传播方法

摘要

本发明涉及基于深度学习的车联网移动广告传播方法，属于车载自组织网络技术领域。在移动广告的信息传播过程中，种子车辆发挥着及其重要的作用。本发明提出了如何为移动广告技术找到最优的种子车辆的方法，以达到最大的覆盖率和最大的影响力。本发明根据大量已有的车辆的GPS信息，计算车辆在不同广告有效期的节点中心性，并基于车辆在前后不同广告有效期的节点中心性训练深度神经网络，然后使用该训练好的深度神经网络基于当前广告有效期的节点中心性预测车辆在下一广告有效期的节点中心性，并进而选取其中具有较大节点中心性的车辆作为种子节点进行广告的传播。对比现有技术，本发明提高了车辆在移动广告传播中的效率，节约了资源。

主权项

1.一种基于深度学习的车联网移动广告传播方法，其特征在于：该方法包括以下步骤：步骤一、利用车辆GPS信息，以天为单位，将车辆进行分组，以统计出所有车辆在某天内的行驶信息；步骤二、按照车辆的GPS数据间隔Δt对其行驶信息进行整合，得到车辆的GPS信息矩阵如下：其中，vi表示第i辆车，i＝1,2,…,n，n表示车辆的总数；tj表示第j个时刻，j＝1,2,…,m，m表示时刻的总数，通过如下公式计算：m＝24*60*60/Δt，表示将一天24小时以Δt秒为间隔进行分割得到的分隔点总数；[Lonij,Latij]表示车辆vi在时刻tj的GPS坐标，对于在某个时间点不存在GPS信息的车辆，将其在该时间点的值设置为[0,0]；根据广告业务的需求，设置广告有效期slot，将GPS信息矩阵分割成以slot为单位的GPS信息子矩阵；步骤三、根据步骤二所得到的GPS信息子矩阵，计算车辆vi和车辆vj之间的距离设置距离参数阈值θ，根据如下公式计算车辆vi和车辆vj在slot时间内的连接次数ζij： ζ i j = Σ t ∈ T I ( d i s ( v i t , v j t ) < θ ) i f i ≠ j 0 i f i = j ; ]]> I ( d i s ( v i t , v j t ) < θ ) = 1 i f d i s ( v i t , v j t ) < θ I ( d i s ( v i t , v j t ) < θ ) = 0 e l s e ; ]]>其中，I(·)表示指示函数；T表示GPS信息子矩阵内时刻的集合；得到连接次数矩阵U：其中，vi，vj表示第i、第j辆车，i,j＝1,2,…,n；步骤四、设置连接次数的阈值参数ζthreshold，根据如下公式计算车辆i的节点中心性centrality(vi)： Val i j = ζ i j ifζ i j > ζ t h r e s h o l d 0 o t h e r w i s e ; ]]>其中，V表示车辆的集合；步骤五、根据步骤四得到的每辆车的节点中心性，将所有车辆的节点中心性拼接起来，组成车辆节点中心性向量vec_centrality：vec_centrality＝[centrality(v1),centrality(v2),…,centrality(vn)]将当前广告有效期内节点中心性向量vec_centralityslot_t作为深度神经网络的输入，以下一个广告有效期内的节点中心性向量vec_centralityslot_(t+1)作为深度神经网络的输出，即标签，训练深度神经网络；并应用该神经网络，以车辆当前广告有效期内的节点中心性作为输入，预测车辆在下一个广告有效期内的节点中心性；步骤六、设置选用车辆数目的参数N，根据步骤五预测的下一个广告有效期内的节点中心性的数值，选取排名前N的车辆作为种子节点进行广告的传播。