作为一种传统的广告媒介,我国的消费性户外媒体市场整体规模呈现出持续快速增长的发展趋势。然而由于缺乏广告受众的有效数据信息,一方面户外媒体广告无法有效解决精准投放问题;另一方面对于广告的传播效果(影响力)缺乏准确的量化计算。而“数字化时代”的城市大数据为解决上述问题提供了可能——1)从大量城市多源数据中发掘用户出行意图,利用广告主题与出行意图的匹配在一定程度上实现广告的精准投放;2)通过分析用户的时空移动性,可以构建线下广告在物理世界的传播影响力。基于此,本文开展了基于城市多源数据的户外广告投放位置推荐问题的研究,以精准投放与传播影响力最大化为目标推荐户外广告的最佳投放位置。本文的研究工作主要包括:(1)户外广告营销属于广告信息的线下推广,无法快速便捷地准确量化其影响力和宣传效果。本文融合了城市出租车轨迹数据、路网数据以及POI数据等,通过刻画群体用户的出行意图和广告曝光强度,提出了面向潜在目标用户的户外广告影响力模型;同时基于城市商业设施与公共交通设施的分布情况分析不同道路上的人流量,并以此设计了户外广告在不同空间区域投放的定价机制。(2)考虑到广告影响力与投放成本二者之间的冲突性,在户外广告影响力模型和定价机制的基础之上,利用Skyline查询算法形式化定义了以广告影响力—投放成本为目标的精准广告投放位置推荐问题。由于传统G-Skyline查询算法的结果集数量庞大,在处理位置推荐问题时效率太低,所以本文提出了基于最大支配数计算和高效剪枝策略的改进G-Skyline查询算法。通过实验仿真测试,改进G-Skyline查询在算法效率上有了极大的提高,并且在广告影响力和投放成本两方面都有更优的表现。(3)分析了由于用户移动而导致的户外广告影响力“重叠效应”,并基于用户迁移规律重新构建户外广告传播影响力模型。以此定义了以广告传播影响力最大化为目标,搜索时空范围内k个广告投放单元的位置推荐问题。为了求解这个组合优化问题,本文采用了分而治之的机制,并提出了一种基于效用评估的最优搜索方法。经过实验验证该算法相比基准方法在少量损失预期影响力的前提下对运行效率有显著的提升。