CN108810155B - 一种车联网车辆位置信息可信度评价方法及*** - Google Patents
一种车联网车辆位置信息可信度评价方法及*** Download PDFInfo
- Publication number
- CN108810155B CN108810155B CN201810629785.7A CN201810629785A CN108810155B CN 108810155 B CN108810155 B CN 108810155B CN 201810629785 A CN201810629785 A CN 201810629785A CN 108810155 B CN108810155 B CN 108810155B
- Authority
- CN
- China
- Prior art keywords
- message
- source
- vehicle
- credibility
- vehicles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 238000004140 cleaning Methods 0.000 claims abstract description 49
- 230000003068 static effect Effects 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 38
- 230000006855 networking Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 102100024650 Carbonic anhydrase 3 Human genes 0.000 description 1
- 102100024644 Carbonic anhydrase 4 Human genes 0.000 description 1
- 101000760630 Homo sapiens Carbonic anhydrase 3 Proteins 0.000 description 1
- 101000760567 Homo sapiens Carbonic anhydrase 4 Proteins 0.000 description 1
- 101100004996 Mus musculus Ca5a gene Proteins 0.000 description 1
- 101100005005 Mus musculus Ca6 gene Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车联网车辆位置信息可信度评价方法及***,所述方法包括:当接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息时,判断所述多条特定消息对应的各源消息是否存在歧义;若存在歧义,则对所述各源消息分别进行消息清洗,并基于所述位置评价参考信息计算各源消息的车辆位置信息的可信度,采信可信度较高的源消息;若不存在歧义,则对任一源消息进行消息清洗后计算其车辆位置信息的可信度。本发明采用动态参考与静态参考相结合,历史信誉与当前数据可信度相结合的方式对车辆位置信息可信度进行评价,不需要***增加额外的硬件,成本较低,对于车辆故障情况下生成的错误位置信息具有一定的识别能力。
Description
技术领域
本发明涉及车联网可信技术领域,更具体地,涉及一种车联网车辆位置信息可信度评价方法及***。
背景技术
车联网是以车内网、车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在车-X(X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大***网络,能够实现车-车、车-路以及车与后台服务中心之间的实时通信。车联网中,中央处理器与路旁单元(Roadside Unit,后文简称RSU)相连,RSU装载在道路关键点上,对车辆装载的车载单元(On-BoardUnit,后文简称OBU)提供无线接入。在车联网中,车辆位置信息可信度是一个关键问题。如果车辆本身提供的位置数据不可信,或者车辆位置数据在传输过程中遭到篡改,将误导中央处理器、误导其他车辆,造成整个车联网规划管理方案的失效和以车辆位置信息为基础的其他高级应用的失效,甚至导致交通事故。
为此,开展车联网车辆位置信息可信度研究,寻求适用于车联网的车辆位置信息可信度评价方法,具有重要意义。目前关于车联网位置信息可信度的研究还很少。车联网领域的可信研究主要集中于车联网安全模型控制结构、管理机制、用户远程证明以及车联网信息认证、网络协议等方面,包括:采用各种加密算法对数据进行加密,以降低数据被非法访问的风险;或者利用身份认证方法对***软件、硬件资源进行访问权限控制,对平台运行进行监控,以应对恶意用户的攻击;或者增加***硬件资源,提供额外的验证手段。
从功能来讲,现有技术虽然能够提高车联网数据安全性,但是都不涉及具体的车辆位置信息可信度评估,也没有针对车辆位置信息给出有针对性的可信度评价方法,对于车辆故障条件下自身生成错误位置信息的情况也缺乏判别能力。从性能来讲,加解密算法和密钥分配机制、身份认证证书等方法会导致***非常复杂,对***实时性能造成较大压力,通常对***硬件要求也比较高;增加***硬件资源的方法会增加***成本,且要求整个车联网内的车辆都具备所需硬件,其可行性难度较大。
发明内容
为了解决车联网中的车辆位置信息的可信度评价问题,本发明实施例提供一种车联网车辆位置信息可信度评价方法及***。
根据本发明的一个方面,提供一种车联网车辆位置信息可信度评价方法,包括:
若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
其中,所述一跳节点包括:一跳转发车辆或入网RSU。
根据本发明的另一个方面,提供一种车联网车辆位置信息可信度评价***,包括:
判断模块,用于若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
可信度评价模块,用于若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
其中,所述一跳节点包括:一跳转发车辆和/或入网RSU。
根据本发明的另一个方面,提供一种车联网车辆位置信息可信度评价设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述第一方面的各种可能的实现方式中任一种实现方式所提供的车联网车辆位置信息可信度评价方法。
根据本发明的另一个方面,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述第一方面的各种可能的实现方式中任一种实现方式所提供的车联网车辆位置信息可信度评价方法。
本发明实施例提供的一种车联网车辆位置信息可信度评价方法及***,采用动态参考与静态参考相结合,历史信誉与当前数据可信度相结合的方式对车辆位置信息可信度进行评价,不需要***增加额外的硬件,成本较低,除了历史信誉度外,不存在与前序数据和后续数据之间的相互影响,对于车辆故障情况下生成的错误位置信息具有一定的识别能力。
附图说明
图1为本发明一实施例提供的车联网中车辆信息交互示意图;
图2为根据本发明一实施例提供的一种车联网车辆位置信息可信度评价方法的流程示意图;
图3为根据本发明另一实施例提供的进行消息清洗的流程示意图;
图4为根据本发明另一实施例提供的动态参考可信度计算的流程示意图;
图5为根据本发明另一实施例提供的静态参考可信度计算的流程示意图;
图6为根据本发明另一实施例提供的一种车联网车辆位置信息可信度评价***的结构示意图;
图7为根据本发明另一实施例提供的一种车联网车辆位置信息可信度评价设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例,都属于本发明保护的范围。
如图1所示,为车联网中车辆信息交互示意图。本发明实施例的目的是当车联网中的车辆向中央处理器发送状态消息或其他消息时,中央处理器如何评价消息中车辆位置信息的可信度,以便为后续的交通调度、路径规划等决策提供支持与参考。举例来说,图1中Car0生成自身的消息,经过车-车通信、车-路通信等多种传输途径、多个传输节点最终到达中央处理器,由于车辆自身故障、网络安全等问题的存在,中央处理器如何评价来自Car0的消息中位置信息的可信度,就是本发明实施例要解决的问题。
如图2所示,为本发明一实施例提供的一种车联网车辆位置信息可信度评价方法的流程示意图,包括:
201、若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
本发明实施例将发出消息的车辆简称为消息源车辆(如图1中的Car0),将消息源车辆发出的消息简称为源消息。
一跳节点是指车联网中直接接收源消息,未经其他节点转发、做出位置评价参考,并转发附加了位置评价参考信息的节点,包括一跳转发车辆和入网RSU。
将直接接收源消息(未经其他车辆或RSU转发)、做出位置评价参考并转发附加了位置评价参考的消息的车辆简称为一跳转发车辆(如图1中的Car3、Car4、Car5、Car6),将附加了一跳转发车辆位置评价参考的源消息称为一跳转发消息。
将直接接收源消息(未经其他车辆或RSU转发)、做出位置评价参考并转发附加了位置评价参考消息的RSU简称为入网RSU(如图1中的RSU3、RSU4),将附加了入网RSU位置评价参考的源消息称为入网消息。
一跳转发车辆附加位置评价参考是指一跳转发车辆在接收的源消息中附加一跳转发车辆自己的标识、位置、时间戳等信息,以供中央处理器参考。
入网RSU附加位置评价参考是指入网RSU在接收的源消息中附加入网RSU自己的标识、时间戳等信息,以供中央处理器参考。由于本发明实施例中所指的RSU是指静态的、位置经过事先标定的RSU,所以不需要每次都附加RSU位置信息。
为了方便描述,给出下列符号说明:
IDCar:消息源车辆的车辆标识;
XCar、YCar、ZCar:消息源车辆提供的位置X、Y、Z坐标;
TCar:消息源车辆提供的时间戳;
IDHop:一跳转发车辆的车辆标识;
XHop、YHop、ZHop:一跳转发车辆提供的位置X、Y、Z坐标;
THop:一跳转发车辆提供的时间戳;
IDRSU:入网RSU的RSU标识;
XRSU、YRSU、ZRSU:入网RSU经过事先标定的位置X、Y、Z坐标;
TRSU:入网RSU提供的时间戳。
可以获知,源消息的内容包括但不限于{IDCar,XCar,YCar,ZCar,TCar};一跳转发消息的内容包括但不限于{IDCar,XCar,YCar,ZCar,TCar,IDHop,XHop,YHop,ZHop,THop};入网消息的内容包括但不限于{IDCar,XCar,YCar,ZCar,TCar,IDRSU,TRSU}。
本发明实施例涉及车联网中的消息源车辆、一跳转发车辆、入网RSU以及中央处理器等实体,消息源车辆发出源消息,一跳转发车辆在接收到源消息之后附加位置评价参考信息,形成一跳转发消息,并将一跳转发消息传输给其他车辆或者RSU,入网RSU在接收到源消息之后附加评价参考,形成入网消息,并将入网消息传输给其他RSU或者中央处理器。中央处理器则执行步骤201。由以上描述可知,中央处理器接收到的多条特定消息是某一消息源车辆发出的源消息经过多条路径转发而生成的。同一消息源车辆发送的源消息经过不同路径的传播,最终到达中央处理器时,所携带的消息源车辆的位置信息可能会不一致,中央处理器需要先获取来自同一消息源车辆的所有特定消息所对应的源消息,然后对获取到的所有源消息之间是否存在歧义进行判断。
“存在歧义的源消息集合”是指IDCar和TCar相同,但是XCar、YCar、ZCar不完全相同的源消息所组成的集合。判断多条特定消息对应的源消息是否构成存在歧义的源消息集合是指中央处理器根据所接收到多条特定消息,对不同的特定消息中携带的IDCar和TCar是否相同,以及所携带的消息源车辆的位置信息XCar、YCar、ZCar是否完全相同进行比对,若完全相同,说明所有特定消息对应的源消息不构成存在歧义的源消息集合,若IDCar和TCar相同,但XCar、YCar、ZCar不完全相同,则说明多条特定消息对应的源消息构成存在歧义的源消息集合。
202、若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
具体地,若中央处理器判断获知所有特定消息对应的源消息构成存在歧义的源消息集合,则分别计算每条源消息的可信度,建议采信可信度较高的源消息,并取消本次信誉度累积;若中央处理器判断获知所有特定消息对应的源消息不构成存在歧义的源消息集合,即源消息之间不存在歧义,则对任一特定消息对应的源消息的可信度进行计算,直接采信计算结果,并根据本次计算结果更新消息源车辆的历史信誉值、各一跳转发车辆的历史信誉值、各入网RSU的历史信誉值。
需要说明的是,为了保证一跳转发车辆和入网RSU提供位置评价参考的准确性,在进行源消息可信度的计算之前,中央处理器对所接收到的消息进行数据清洗处理,包括:删除重复的一跳转发消息或入网消息;删除存在歧义的一跳转发消息;若存在发生更新的一跳转发消息或入网消息,则清洗掉旧的一跳转发消息或者旧的入网消息,保留最新的一跳转发消息或者最新的入网消息。
本发明实施例中计算源消息的车辆位置信息的可信度采用动态参考与静态参考相结合、历史信誉与当前数据可信度相结合的方式。动态参考是以一跳转发车辆作为消息源车辆位置信息的参考;静态参考是以经过事先位置标定的RSU作为消息源车辆位置信息的参考;历史信誉包括消息源车辆的信誉值、所有一跳转发车辆的信誉均值、所有入网RSU的信誉均值;当前数据可信度是针对消息源车辆发出的一条源消息,经过动态参考与静态参考综合得到的可信度。
利用一跳转发车辆作为位置参考是考虑到一跳转发车辆与消息源车辆的位置较为接近,二者的位置信息可以互为认证参考;如果很多一跳转发车辆提供的位置信息、时间信息都与消息源车辆提供的位置信息、时间信息符合,则说明消息源车辆位置信息的可信度较高。本发明实施例所述方法不要求所有车辆都附加位置评价参考的原因是由于车联网内消息传输经历的跳数不固定,如果要求所有参与消息传输的车辆都附加位置评价参考信息可能会导致数据包体积过大,加剧网络负载,故本发明实施例只要求一跳转发车辆提供位置评价参考,不对后续消息传输节点作要求。其中,一跳转发车辆提供的位置信息、时间信息与消息源车辆提供的位置信息、时间信息符合是指二者位置信息之间的欧氏距离不超过预设最大距离,并且二者时间信息之差不超过预设最大时延,以满足上述条件的一跳转发车辆数量与不满足上述条件的一跳转发车辆数量的比值衡量消息源车辆位置信息的可信程度。
类似的,利用入网RSU作为位置参考也是希望利用入网RSU的位置信息认证消息源车辆的位置信息。也仅要求入网RSU提供评价参考,不要求后续RSU提供位置评价参考。
本发明实施例提供的一种车联网车辆位置信息可信度评价方法,采用动态参考与静态参考相结合,历史信誉与当前数据可信度相结合的方式对车辆位置信息可信度进行评价,不需要***增加额外的硬件,成本较低,除了历史信誉度外,不存在与前序数据和后续数据之间的相互影响,对于车辆故障情况下生成的错误位置信息具有一定的识别能力。
基于上述实施例,在步骤201之前,还包括:
设置可信度计算过程中需要用到的权重值,设置消息源车辆与一跳转发车辆、入网RSU之间的最大时延,设置消息源车辆与一跳转发车辆、入网RSU之间的最大距离,对车辆历史信誉值数据库与RSU历史信誉值数据库进行连接。
其中,设置可信度计算过程中需要用到的权重值包括:历史信誉可信度所占权重、当前数据可信度所占权重、消息源车辆历史信誉值所占权重、一跳转发车辆历史信誉均值所占权重、入网RSU历史信誉均值所占权重、动态参考可信度所占权重、静态参考可信度所占权重。
对车辆历史信誉值数据库与RSU历史信誉值数据库进行连接是便于后续可信度计算过程中查询历史信誉数据。
如图3所示,为本发明另一实施例,在上述实施例的基础上提供的进行消息清洗的流程示意图,具体为:
针对当前源消息,若存在重复的一跳转发消息和/或入网消息,则清洗掉所述重复的一跳转发消息和/或入网消息;
若存在有歧义的一跳转发消息,则清洗掉所述有歧义的一跳转发消息;
若存在发生更新的一跳转发消息,则清洗掉旧的一跳转发消息,保留最新的一跳转发消息;和/或
若存在发生更新的入网消息,则清洗掉旧的入网消息,保留最新的入网消息。
在计算源消息的车辆位置信息的可信度之前进行消息清洗非常有必要,可提高可信度计算的速度、准确性和时效性。
其中,“重复的一跳转发消息”指的是IDCar、XCar、YCar、ZCar、TCar、IDHop、XHop、YHop、ZHop、THop完全相同的一跳转发消息;“重复的入网消息”指的是IDCar、XCar、YCar、ZCar、TCar、IDRSU、TRSU完全相同的入网消息;“有歧义的一跳转发消息”指的是IDCar、XCar、YCar、ZCar、TCar、IDHop、THop相同,但是XHop、YHop、ZHop不完全相同的一跳转发消息;“发生更新的一跳转发消息”指的是IDCar、XCar、YCar、ZCar、TCar、IDHop相同,但是THop不同的一跳转发消息;“发生更新的入网消息”指的是IDCar、XCar、YCar、ZCar、TCar、IDRSU相同,但是TRSU不同的入网消息。
基于上述各实施例,计算源消息的车辆位置信息的可信度的步骤,具体为:
对经消息清洗后的源消息,分别统计为所述源消息提供位置参考的一跳转发车辆数量和入网RSU数量;
确定满足预设可信条件的一跳转发车辆数量,并基于所述满足预设可信条件的一跳转发车辆数量和所述为所述源消息提供位置参考的一跳转发车辆数量计算动态参考可信度;
确定满足预设可信条件的入网RSU数量,并基于所述满足预设可信条件的入网RSU数量和所述为所述源消息提供位置参考的入网RSU数量计算静态参考可信度;
根据所述动态参考可信度、静态参考可信度以及所述动态参考可信度、静态参考可信度的权重值计算获得当前数据可信度;
计算历史信誉可信度;
根据所述当前数据可信度和所述历史信誉可信度以及所述当前数据可信度、历史信誉可信度的权重值计算获得所述源消息的车辆位置信息的可信度。
具体地,为了清晰描述上述可信度计算过程,定义如下符号:
Conf:中央处理器对源消息的可信度综合评价值,简称可信度综合值;
ConfHis:中央处理器基于历史信誉对源消息的可信度评价值,简称历史信誉可信度;
ConfCur:中央处理器基于当前数据对源消息的可信度评价值,简称当前数据可信度;
ConfCar:消息源车辆的历史信誉值;
ConfHop:所有一跳转发车辆的历史信誉均值;
ConfRSU:所有入网RSU的历史信誉均值;
ConfDyn:根据一跳转发车辆参考得出的可信度评价值,简称动态参考可信度;
ConfSta:根据入网RSU参考得出的可信度评价值,简称静态参考可信度;
WHis:可信度综合值中历史信誉可信度所占权重;
WCur:可信度综合值中当前数据可信度所占权重;
WCar:消息源车辆历史信誉值在历史信誉可信度中所占权重;
WHop:所有一跳转发车辆历史信誉均值在历史信誉可信度中所占权重;
WRSU:所有入网RSU历史信誉均值在历史信誉可信度中所占权重;
WDyn:动态参考可信度在当前数据可信度中所占权重;
WSta:静态参考可信度在当前数据可信度中所占权重;
TMax:预设的消息源车辆与一跳转发车辆、入网RSU之间的最大时延;
LMax:预设的消息源车辆与一跳转发车辆、入网RSU之间的最大距离;
LHopi:第i辆一跳转发车辆与消息源车辆的欧氏距离;
ΔTHopi:第i辆一跳转发车辆与消息源车辆的时延;
LRSUi:第i个入网RSU与消息源车辆的欧氏距离;
ΔTRSUi:第i个入网RSU与消息源车辆的时延;
CntHop:针对一条源消息,对其提供位置参考的一跳转发车辆数量(不包括重复的一跳转发消息、被清洗掉的存在歧义的一跳转发消息、被清洗掉的旧的一跳转发消息对应的车辆),简称一跳转发车辆数量;
CntRSU:针对一条源消息,对其提供位置参考的入网RSU数量(不包括重复的入网消息、被清洗掉的旧的入网消息对应的RSU),简称入网RSU数量;
CntInHop:与消息源车辆距离小于等于LMax、与消息源车辆时间戳之差大于等于0且小于等于TMax的一跳转发车辆数量,简称合理分布一跳转发车辆数量;
CntInRSU:与消息源车辆距离小于等于LMax、与消息源车辆时间戳之差大于等于0且小于等于TMax的入网RSU数量,简称合理分布入网RSU数量。
源消息的车辆位置信息的可信度综合值主要包括历史信誉可信度ConfHis和当前数据可信度ConfCur两个方面,如式(1)所示,二者各占一定权重,在历史数据积累较少的阶段,可设置历史信誉可信度所占权重WHis较小,随着历史数据积累的增加,可增加历史信誉可信度所占权重。
Conf=ConfHis*WHis+ConfCur*WCur (1)
从公式(1)可知,需要分别计算历史信誉可信度ConfHis和当前数据可信度ConfCur。
针对清洗后的源消息,分别统计为源消息提供位置参考的一跳转发车辆的数量CntHop和入网RSU的数量CntRSU。
所述计算历史信誉可信度ConfHis的步骤,具体为:
查询所述消息源车辆的历史信誉值、所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值、所有为所述源消息提供位置参考的入网RSU的历史信誉值;
根据查询获得的所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值,计算所述一跳转发车辆的历史信誉度均值;
根据查询获得的所有为所述源消息提供位置参考的入网RSU的历史信誉值,计算所述入网RSU的历史信誉度均值;
根据所述消息源车辆的历史信誉值、所述一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值,以及所述消息源车辆的历史信誉、一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值在历史信誉可信度中分别所占的权重,计算出历史信誉可信度。
具体地,历史信誉可信度ConfHis包括消息源车辆的历史信誉值ConfCar、所有一跳转发车辆的历史信誉均值ConfHop和所有入网RSU的历史信誉均值ConfRSU,三者按照各自所占权重共同构成历史信誉可信度,如式(2)所示:
ConfHis=ConfCar*WCar+ConfHop*WHop+ConfRSU*WRSU (2)
其中,一跳转发车辆历史信誉值均值ConfHop可以通过式(3)计算,式(3)中ConfHopi表示第i辆一跳转发车辆的历史信誉值,通过查询获得,一跳转发车辆的数量CntHop前面已得到,
入网RSU历史信誉值均值ConfRSU可以通过式(4)计算,式(4)中ConfRSUi表示第i个入网RSU的历史信誉值,通过查询获得,入网RSU的数量CntRSU前面已得到,
式(1)中,当前数据可信度ConfCur的计算采用公式(5),包括动态参考可信度和静态参考可信度两部分,
ConfCur=ConfDyn*WDyn+ConfSta*WSta (5)
如图4所示,为动态参考可信度的计算流程图,包括:
计算每辆一跳转发车辆与所述消息源车辆间的欧式距离、每辆一跳转发车辆与所述消息源车辆间的时延;
获取与所述消息源车辆间的欧式距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的一跳转发车辆的数量;
对于动态参考可信度ConfDyn,采用式(6)对其进行计算:
式(6)中,CntInHop是与消息源车辆欧氏距离LHopi小于等于LMax(LHopi≤LMax)、与消息源车辆时延ΔTHopi大于等于0且小于等于TMax(0≤ΔTHopi≤TMax)的一跳转发车辆数量,其中,LHopi用式(7)计算,ΔTHopi用式(8)计算。
ΔTHopi=THopi-TCar(8)
如图5所示,为静态参考可信度的计算流程图,包括:
计算每个入网RSU与所述消息源车辆间的欧式距离,并计算每个入网RSU与所述消息源车辆间的时延;
获取与所述消息源车辆距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的入网RSU数量;
对于静态参考可信度ConfSta,采用式(9)的方法对其进行计算:
式(9)中,CntInRSU是与消息源车辆欧氏距离LRSUi小于等于LMax(LRSUi≤LMax)、与消息源车辆时延ΔTRSUi大于等于0且小于等于TMax(0≤ΔTRSUi≤TMax)的入网RSU数量,其中,LRSUi用式(10)计算,ΔTRSUi用式(11)计算。
ΔTRSUi=TRSUi-TCar(11)
在获得动态参考可信度和静态参考可信度的值后,就可以根据公式(5)得到当前数据可信度ConfCur,再结合计算获得的历史信誉可信度ConfHis,根据公式(1)即可计算出源消息的车辆位置信息的可信度综合值。
可信度评价完成之后,根据本次评价结果更新消息源车辆历史信誉值、各一跳转发车辆历史信誉值、各入网RSU历史信誉值。
如果中央处理器收到了有歧义的源消息,则分别计算其可信度,采信可信度较高的源消息,取消本次信誉值累积。
可选地,如果无法获取车辆和RSU历史信誉度,则可将历史信誉可信度在可信度综合值中所占权重设为0;如果没有事先对入网RSU的位置坐标进行标定,则可以在入网RSU附加评价参考时增加自身的位置坐标。
如图6所示,为本发明另一实施例提供的一种车联网车辆位置信息可信度评价***的结构示意图,包括:判断模块601和可信度评价模块602,其中,
判断模块601,用于若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
可信度评价模块602,用于若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
其中,所述一跳节点包括:一跳转发车辆和/或入网RSU。
该***用于在前述各实施例中实现车联网车辆位置信息可信度评价方法。因此,在前述各实施例中的车联网车辆位置信息可信度评价方法中的描述和定义,可以用于本发明实施例中各个执行模块的理解。
基于上述实施例,还包括:
预处理模块,用于设置可信度计算过程中需要用到的权重值,设置消息源车辆与一跳节点之间的最大时延,设置消息源车辆与一跳节点之间的最大距离,并与车辆历史信誉值数据库和RSU历史信誉值数据库建立连接。
其中,可信度评价模块602还包括消息清洗子模块,具体用于:
针对同一源消息,若存在重复的一跳转发消息和/或入网消息,则清洗掉所述重复的一跳转发消息和/或入网消息;
若存在有歧义的一跳转发消息,则清洗掉所述有歧义的一跳转发消息;
若存在发生更新的一跳转发消息,则清洗掉旧的一跳转发消息,保留最新的一跳转发消息;和/或
若存在发生更新的入网消息,则清洗掉旧的入网消息,保留最新的入网消息。
可信度评价模块602,具体用于:
对经消息清洗后的源消息,分别统计为所述源消息提供位置参考的一跳转发车辆数量和入网RSU数量;
确定满足预设可信条件的一跳转发车辆数量,并基于所述满足预设可信条件的一跳转发车辆数量和所述为所述源消息提供位置参考的一跳转发车辆数量计算动态参考可信度;
确定满足预设可信条件的入网RSU数量,并基于所述满足预设可信条件的入网RSU数量和所述为所述源消息提供位置参考的入网RSU数量计算静态参考可信度;
根据所述动态参考可信度、静态参考可信度以及所述动态参考可信度、静态参考可信度的权重值计算获得当前数据可信度;
计算历史信誉可信度;
根据所述当前数据可信度和所述历史信誉可信度以及所述当前数据可信度、历史信誉可信度的权重值计算获得所述源消息的车辆位置信息的可信度。
可信度评价模块602还包括动态参考可信度计算子模块,具体用于:
计算每辆一跳转发车辆与所述消息源车辆间的欧式距离、每辆一跳转发车辆与所述消息源车辆间的时延;
获取与所述消息源车辆间的欧式距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的一跳转发车辆的数量;
根据如下公式计算动态参考可信度:
其中,CntInHop是与消息源车辆的欧氏距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的一跳转发车辆数量,CntHop是为所述源消息提供位置参考的一跳转发车辆数量,ConfDyn是动态参考可信度。
可信度评价模块602还包括静态参考可信度计算子模块,具体用于:
计算每个入网RSU与所述消息源车辆间的欧式距离,并计算每个入网RSU与所述消息源车辆间的时延;
获取与所述消息源车辆距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的入网RSU数量;
根据如下公式计算静态参考可信度:
其中,CntInRSU是与所述消息源车辆的欧氏距离小于等于预设最大距离、与所述消息源车辆间的时延大于等于零且小于等于预设最大时延的入网RSU的数量,CntRSU是为所述源消息提供位置参考的入网RSU数量,ConfSta是静态参考可信度。
可信度评价模块602还包括历史信誉可信度计算子模块,具体用于:
查询所述消息源车辆的历史信誉值、所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值、所有为所述源消息提供位置参考的入网RSU的历史信誉值;
根据查询获得的所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值,计算所述一跳转发车辆的历史信誉度均值;
根据查询获得的所有为所述源消息提供位置参考的入网RSU的历史信誉值,计算所述入网RSU的历史信誉度均值;
根据所述消息源车辆的历史信誉值、所述一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值,以及所述消息源车辆的历史信誉、一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值在历史信誉可信度中分别所占的权重,计算出历史信誉可信度。
如图7所示,为本发明另一实施例提供一种车联网车辆位置信息可信度评价设备的结构示意图,包括:
处理器(processor)701、存储器(memory)702和总线703;
其中,处理器701及存储器702分别通过总线703完成相互间的通信;处理器701用于调用存储器702中的程序指令,以执行上述实施例所提供的车联网车辆位置信息可信度评价方法,例如包括:若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;其中,所述一跳节点包括:一跳转发车辆和/或入网RSU。
本发明又一实施例,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上述各实施例所提供的车联网车辆位置信息可信度评价方法,例如包括:若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;其中,所述一跳节点包括:一跳转发车辆和/或入网RSU。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的车联网车辆位置信息可信度评价设备实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分方法。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种车联网车辆位置信息可信度评价方法,其特征在于,包括:
若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
其中,所述一跳节点包括:一跳转发车辆和/或入网RSU;
其中,所述进行可信度计算的步骤,具体为:
对经消息清洗后的源消息,分别统计为所述源消息提供位置参考的一跳转发车辆数量和入网RSU数量;
确定满足预设可信条件的一跳转发车辆数量,并基于所述满足预设可信条件的一跳转发车辆数量和所述为所述源消息提供位置参考的一跳转发车辆数量计算动态参考可信度;
确定满足预设可信条件的入网RSU数量,并基于所述满足预设可信条件的入网RSU数量和所述为所述源消息提供位置参考的入网RSU数量计算静态参考可信度;
根据所述动态参考可信度、静态参考可信度以及所述动态参考可信度、静态参考可信度的权重值计算获得当前数据可信度;
计算历史信誉可信度;
根据所述当前数据可信度和所述历史信誉可信度以及所述当前数据可信度、历史信誉可信度的权重值计算获得所述源消息的车辆位置信息的可信度。
2.根据权利要求1所述的方法,其特征在于,所述若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息的步骤之前,还包括:
设置可信度计算过程中需要用到的权重值,设置消息源车辆与一跳节点之间的最大时延,设置消息源车辆与一跳节点之间的最大距离,并与车辆历史信誉值数据库和RSU历史信誉值数据库建立连接。
3.根据权利要求1所述的方法,其特征在于,所述进行消息清洗的步骤,具体为:
针对同一源消息,若存在重复的一跳转发消息和/或入网消息,则清洗掉所述重复的一跳转发消息和/或入网消息;
若存在有歧义的一跳转发消息,则清洗掉所述有歧义的一跳转发消息;
若存在发生更新的一跳转发消息,则清洗掉旧的一跳转发消息,保留最新的一跳转发消息;和/或
若存在发生更新的入网消息,则清洗掉旧的入网消息,保留最新的入网消息。
4.根据权利要求1所述的方法,其特征在于,所述确定满足预设可信条件的一跳转发车辆数量,并基于所述满足预设可信条件的一跳转发车辆数量和所述为所述源消息提供位置参考的一跳转发车辆数量计算动态参考可信度的步骤,具体为:
计算每辆一跳转发车辆与所述消息源车辆间的欧式距离、每辆一跳转发车辆与所述消息源车辆间的时延;
获取与所述消息源车辆间的欧式距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的一跳转发车辆的数量;
计算动态参考可信度:
其中,ConfDyn是动态参考可信度,CntInHop是与消息源车辆的欧氏距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的一跳转发车辆数量,CntHop是为所述源消息提供位置参考的一跳转发车辆数量。
5.根据权利要求1所述的方法,其特征在于,所述确定满足预设可信条件的入网RSU数量,并基于所述满足预设可信条件的入网RSU数量和所述为所述源消息提供位置参考的入网RSU数量计算静态参考可信度的步骤,具体为:
计算每个入网RSU与所述消息源车辆间的欧式距离,并计算每个入网RSU与所述消息源车辆间的时延;
获取与所述消息源车辆距离小于等于预设最大距离、与消息源车辆间的时延大于等于零且小于等于预设最大时延的入网RSU数量;
计算静态参考可信度:
其中,ConfSta是静态参考可信度,CntInRSU是与所述消息源车辆的欧氏距离小于等于预设最大距离、与所述消息源车辆间的时延大于等于零且小于等于预设最大时延的入网RSU的数量,CntRSU是为所述源消息提供位置参考的入网RSU数量。
6.根据权利要求1所述的方法,其特征在于,所述计算历史信誉可信度的步骤,具体为:
查询所述消息源车辆的历史信誉值、所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值、所有为所述源消息提供位置参考的入网RSU的历史信誉值;
根据查询获得的所有为所述源消息提供位置参考的一跳转发车辆的历史信誉值,计算所述一跳转发车辆的历史信誉度均值;
根据查询获得的所有为所述源消息提供位置参考的入网RSU的历史信誉值,计算所述入网RSU的历史信誉度均值;
根据所述消息源车辆的历史信誉值、所述一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值,以及所述消息源车辆的历史信誉值、一跳转发车辆的历史信誉度均值和入网RSU的历史信誉度均值在历史信誉可信度中分别所占的权重,计算出历史信誉可信度。
7.一种车联网车辆位置信息可信度评价***,其特征在于,包括:
判断模块,用于若接收到从同一消息源车辆发出、经过一跳节点附加位置评价参考信息转发的多条特定消息,则分别获取每条所述特定消息对应的源消息,并判断所有所述特定消息对应的源消息是否构成存在歧义的源消息集合;
可信度评价模块,用于若判断获知所有所述特定消息对应的源消息构成存在歧义的源消息集合,则对各所述特定消息对应的源消息分别进行消息清洗,并基于所述位置评价参考信息分别对经消息清洗后的各所述特定消息对应的源消息中包含的车辆位置信息进行可信度计算,采信可信度较高的源消息;或者,
若判断获知所有所述特定消息对应的源消息不构成存在歧义的源消息集合,则对任一特定消息对应的源消息进行消息清洗,并基于所述位置评价参考信息对经消息清洗后的该源消息中包含的车辆位置信息进行可信度计算,根据可信度计算的结果更新所述消息源车辆的历史信誉值和各一跳节点的历史信誉值;
其中,所述一跳节点包括:一跳转发车辆和/或入网RSU;
其中,所述进行可信度计算,具体为:
对经消息清洗后的源消息,分别统计为所述源消息提供位置参考的一跳转发车辆数量和入网RSU数量;
确定满足预设可信条件的一跳转发车辆数量,并基于所述满足预设可信条件的一跳转发车辆数量和所述为所述源消息提供位置参考的一跳转发车辆数量计算动态参考可信度;
确定满足预设可信条件的入网RSU数量,并基于所述满足预设可信条件的入网RSU数量和所述为所述源消息提供位置参考的入网RSU数量计算静态参考可信度;
根据所述动态参考可信度、静态参考可信度以及所述动态参考可信度、静态参考可信度的权重值计算获得当前数据可信度;
计算历史信誉可信度;
根据所述当前数据可信度和所述历史信誉可信度以及所述当前数据可信度、历史信誉可信度的权重值计算获得所述源消息的车辆位置信息的可信度。
8.一种车联网车辆位置信息可信度评价设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810629785.7A CN108810155B (zh) | 2018-06-19 | 2018-06-19 | 一种车联网车辆位置信息可信度评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810629785.7A CN108810155B (zh) | 2018-06-19 | 2018-06-19 | 一种车联网车辆位置信息可信度评价方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108810155A CN108810155A (zh) | 2018-11-13 |
CN108810155B true CN108810155B (zh) | 2020-11-03 |
Family
ID=64083303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810629785.7A Expired - Fee Related CN108810155B (zh) | 2018-06-19 | 2018-06-19 | 一种车联网车辆位置信息可信度评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108810155B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430526B (zh) * | 2018-12-20 | 2020-09-08 | 西安电子科技大学 | 基于信誉评估的隐私保护方法 |
CN110782687B (zh) * | 2019-08-30 | 2022-07-19 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置以及电子设备 |
CN110929105B (zh) * | 2019-11-28 | 2022-11-29 | 广东云徙智能科技有限公司 | 一种基于大数据技术的用户id关联方法 |
CN111127937B (zh) * | 2019-12-30 | 2021-12-24 | 北京梧桐车联科技有限责任公司 | 交通信息传输方法、装置及***、存储介质 |
CN111263331B (zh) * | 2020-01-16 | 2024-02-13 | 长安大学 | 一种基于群智感知的车联网节点信誉评估方法 |
CN111404999B (zh) * | 2020-02-28 | 2022-01-11 | 中国电子技术标准化研究院 | 一种基于车联网的车辆控制方法和*** |
CN111405053B (zh) * | 2020-03-22 | 2022-09-16 | 江苏大学 | 基于可信执行环境的车联网节点信誉评估方法及车联网*** |
CN111724502B (zh) * | 2020-06-09 | 2021-11-12 | 星觅(上海)科技有限公司 | 车辆行驶数据处理方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502934A (zh) * | 2014-12-31 | 2015-04-08 | 北京万集科技股份有限公司 | 车辆定位方法和*** |
CN104614750A (zh) * | 2013-11-05 | 2015-05-13 | 现代摩比斯株式会社 | 车辆位置确定方法 |
CN106443741A (zh) * | 2016-12-15 | 2017-02-22 | 东软集团股份有限公司 | 基于车载无线网络的协作定位方法和装置 |
WO2018057513A1 (en) * | 2016-09-20 | 2018-03-29 | 2236008 Ontario Inc. | Location specific assistance for autonomous vehicle control system |
-
2018
- 2018-06-19 CN CN201810629785.7A patent/CN108810155B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614750A (zh) * | 2013-11-05 | 2015-05-13 | 现代摩比斯株式会社 | 车辆位置确定方法 |
CN104502934A (zh) * | 2014-12-31 | 2015-04-08 | 北京万集科技股份有限公司 | 车辆定位方法和*** |
WO2018057513A1 (en) * | 2016-09-20 | 2018-03-29 | 2236008 Ontario Inc. | Location specific assistance for autonomous vehicle control system |
CN106443741A (zh) * | 2016-12-15 | 2017-02-22 | 东软集团股份有限公司 | 基于车载无线网络的协作定位方法和装置 |
Non-Patent Citations (2)
Title |
---|
Cooperative Localization with Reliable Confidence Domains Between Vehicles Sharing GNSS Pseudoranges Errors with No Base Station;LASSOUED Khaoula et al.;《IEEE Intelligent transportation systems magazine》;20171231;全文 * |
多传感器融合与邻居协作的车辆精确定位方法;黄金国等;《电子技术应用》;20171231;第43卷(第6期);第139-140页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108810155A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108810155B (zh) | 一种车联网车辆位置信息可信度评价方法及*** | |
Mirsadeghi et al. | A trust infrastructure based authentication method for clustered vehicular ad hoc networks | |
US11652830B2 (en) | Misbehavior protection for connected vehicle communication | |
Liu et al. | TCEMD: A trust cascading-based emergency message dissemination model in VANETs | |
US20220159431A1 (en) | Flexible security rating and decision mechanism for machine type communications | |
Bißmeyer et al. | Assessment of node trustworthiness in vanets using data plausibility checks with particle filters | |
JP6320559B2 (ja) | 車両のインターネットのデータを処理する方法、サーバ及び端末 | |
JP6669138B2 (ja) | 攻撃監視システムおよび攻撃監視方法 | |
CN106209777A (zh) | 一种无人驾驶车车载信息交互***及安全通信方法 | |
JP7214838B2 (ja) | 証明書ステータスの決定方法 | |
CN114666737A (zh) | 路径损耗下降受信任代理不当行为检测 | |
CN114846469A (zh) | 用于网络安全和金融交易的车辆控制*** | |
Samara | Intelligent reputation system for safety messages in VANET | |
Bhargava et al. | A Systematic Approach for Attack Analysis and Mitigation in V2V Networks. | |
Caballero-Gil et al. | Data aggregation based on fuzzy logic for VANETs | |
Wang et al. | BIBRM: A Bayesian inference based road message trust model in vehicular ad hoc networks | |
Yakan et al. | A novel ai security application function of 5G core network for V2X c-its facilities layer | |
Zhao et al. | Fedmix: A sybil attack detection system considering cross-layer information fusion and privacy protection | |
de Fuentes et al. | WEVAN–A mechanism for evidence creation and verification in VANETs | |
Kchaou et al. | Smart contract-based access control for the vehicular networks | |
Abhale et al. | Intelligence transportation service using vehicular cloud network | |
CN114697945A (zh) | 发现响应消息的生成方法及装置、发现消息的处理方法 | |
Kadam | Recent security solutions for VANET communications: A systematic review | |
Agate et al. | Reliable Reputation-Based Event Detection in V2V Networks | |
Eckhoff | Simulation of privacy-enhancing technologies in vehicular ad-hoc networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201103 |
|
CF01 | Termination of patent right due to non-payment of annual fee |