1.一种城市车载网络路边单元部署方法，其特征在于，包括如下步骤：S1：将目标城市区域进行网格化处理，将每个网格作为一个潜在的RSU部署位置，并基于识别的障碍物和延迟敏感区域，建立多目标优化模型；S2：配置算法运行所需的各项参数，并随机生成初始种群，将整个初始种群均匀划分为多个子种群；S3：多个子种群同步且独立运行NSGA-III算法并进行自适应参数调整，多个子种群迭代多次后，通过迁移操作完成子种群间的协同优化，直至达到最大迭代次数或满足收敛条件；S4：将所有子种群合并，通过非支配排序从最终种群中筛选出所有Pareto最优解，并基于最优解输出完整的、可供决策的Pareto最优部署方案集合；S5：选择部署方案，并运行数据卸载策略；S6：多维度验证运行的IBRSG策略，为实际应用中的参数设置提供指导。
2.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S1中，所述网格化处理具体包括：将目标城市区域划分为K个网格，每个网格k对应变量 ，当 为1时，表示已部署RSU；当 为0时，表示未部署RSU；多目标优化模型包括总延迟的最小化目标函数、敏感区域最大化延迟的最小化目标函数、RSU数量的最小化目标函数以及障碍物约束和最小间距约束。
3.根据权利要求2所述的城市车载网络路边单元部署方法，其特征在于，总延迟 的最小化目标函数包含传输时延、处理时延、队列时延和传播时延，表示为： ；其中， 为车辆 在时间 的时延，延迟计算基于车辆轨迹和RSU覆盖范围，使用Shannon公式估算传输速率；最小化的敏感区最大延迟 用于确保关键区域的通信可靠性，表示为： ；该目标函数有限保障高优先级区域的QoS；所述RSU数量 的最小化目标函数用于控制建设和维护成本，表示为： ；多目标优化模型通过该目标函数间接最小化预算，同时平衡与延迟目标的冲突；所述障碍物约束通过二进制变量 表示障碍物位置，约束表示为 ；所述最小间距约束用于防止RSU过度密集，避免信号干扰，通过设置最小RSU间距 为50米，约束表示为： ，其中， 为欧氏距离。
4.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S2中，需设置的参数包括：总延迟 、敏感区最大延迟 、RSU数量 、障碍物位置 、距离约束 、种群大小N在360至500之间、子种群数m在3至5之间、最大迭代次数G在50至100之间；随机生成种群P，划分为m个子种群，评估初始解的可行性和目标值。
5.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S3中，多个子种群进行迭代优化具体包括以下步骤：S31：采用IBRSG策略计算总延迟 、敏感区最大延迟 和RSU数量 ；S32：运行NSGA-III算法，通过选择、交叉和变异操作生成子代；S33：采用校准机制处理密度约束：S34：动态调整交叉率 和变异率 ，其中，交叉率 ；变异率 ；若当前迁移操作未改进子种群，则增加变异率 降低交叉率 ；若当前迁移操作改进子种群，则增加交叉率 降低变异率 ；S35：每个子种群在每5-10代相互迁移前10-20%个体至其他子种群，并替换子种群中最差的20-30%个体，以促进种群多样性。
6.根据权利要求5所述的城市车载网络路边单元部署方法，其特征在于，所述S33中，所述校准机制具体包括以下步骤：S331：计算所有RSU对间距，识别违反最小RSU间距 的RSU对；S332：根据覆盖范围内交通量排序，保留交通量相对大的RSU，移除另一个RSU，避免过度密集部署；S333：校准后重新评估目标函数，确保解的可行性。
7.根据权利要求5所述的城市车载网络路边单元部署方法，其特征在于，所述S3中，还包括约束处理机制，所述约束处理机制具体为：采用 比较法处理约束违反解，允许在约束松弛下比较解的质量，表示为： ；其中， 为非负实数的动态容忍阈值，在算法迭代中自适应调整； 为约束违反度，用于量化解与可行区域的距离，基于不等式约束与等式约束的违反程度总和计算； 表示解A支配解B，即A的所有目标函数值均不劣于B且至少在一个目标上严格更优。
8.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S4具体为：算法终止迭代后，将所有子种群合并，通过非支配排序从最终种群中筛选出所有Pareto最优解，将这些最优解解码为具体的RSU位置坐标列表，并计算每个部署方案对应的性能指标，最终输出完整的、可供决策的Pareto最优方案集合。
9.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S5中，数据卸载策略包括如下步骤：S51：初始化随机策略 和空策略 ；S52：按顺序更新每个车辆的连接策略，选择最小化总延迟的RSU；S53：迭代直至策略变化小于误差阈值，即error=0.01，确保收敛到一个稳定的纳什均衡。
10.根据权利要求1所述的城市车载网络路边单元部署方法，其特征在于，所述S6具体为：在部署前后，通过在不同城市场景下进行测试，并与传统算法对比，评估方案的综合性能，同时，分析关键参数对结果的影响，以验证方案的鲁棒性，并为实际应用中的参数设置提供指导。
