近年来,随着我国汽车制造产业的迅速发展以及私人汽车的大量普及,交通运输领域涌现出一系列亟待解决的现实问题,例如道路拥堵、交通事故频发、运输效率低下等等。车载自组织网络的研究为解决上述问题提供了一条可行路径,引发了越来越多研究人员的关注。车载自组织网络中一个十分基础却又非常重要的课题就是数据分发。本文考虑通过部署一定数量的RSU来向车载自组织网络中的移动车辆分发数据,重点研究了其中的RSU部署问题。本文收集了在真实交通环境中采集的车辆移动轨迹数据集,使用均值滤波法和插值算法解决原始数据中时间粒度过大和采集误差问题,使得该数据成为研究RSU部署策略的重要支撑。然后,从实际应用出发,本文分别研究了面向短报文数据传输的RSU部署方案以及面向长报文数据传输的RSU部署方案。短报文数据的数据量小但实时性要求高。针对短报文数据的实时性要求,本文将RSU部署问题建模成最大覆盖问题,即在RSU数量受限的条件下,如何选择最优的位置来部署RSU,最大化RSU覆盖的车辆数目。此外,考虑到由于信号干扰、车辆快速移动等因素会导致通信中断,于是引入了传输概率模型,对传统的车辆覆盖进行了重新定义。长报文数据的数据量大但时延要求较为宽松。由于数据量大,长报文数据的分发需要一定传输时长。车辆仅靠在一个RSU通信范围内的滞留时长,只能获取部分数据,若要获取完整的报文数据,车辆必须与多个RSU相遇。此外,考虑到RSU类型并不单一固定,有多种类型可供选择,不同类型的RSU具有不同的通信半径以及部署成本。基于上述场景,本文提出了一种面向长报文传输的RSU部署策略,在保证长报文数据成功分发的前提下,最小化RSU的部署成本。本文中的RSU部署问题是一种组合优化问题,属于NP难问题。为此,设计了进化算法求解这些RSU部署问题。最后,结合真实的车辆轨迹数据和路网地图进行仿真实验,验证了算法的可行性与高效性,相比贪心算法能得到更优的RSU部署方案。