CN111417088B - 一种车联网数据身份属性认证方法 - Google Patents
一种车联网数据身份属性认证方法 Download PDFInfo
- Publication number
- CN111417088B CN111417088B CN202010219249.7A CN202010219249A CN111417088B CN 111417088 B CN111417088 B CN 111417088B CN 202010219249 A CN202010219249 A CN 202010219249A CN 111417088 B CN111417088 B CN 111417088B
- Authority
- CN
- China
- Prior art keywords
- track data
- vehicles
- data
- authenticated
- internet
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/06—Authentication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/63—Location-dependent; Proximity-dependent
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种车联网数据身份属性认证方法,涉及计算机通信和交通运输技术领域。本发明提供的车联网数据身份属性认证方法包括:获取在待认证时间段内m个车辆的第一轨迹数据,m为大于或等于1的正整数;获取在待认证时间段内n个司机的第二轨迹数据,n为大于或等于1的正整数;计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,i=1,2,3,…,m;j=1,2,3,…,n;根据计算得到的匹配程度,确定车辆与司机之间的匹配关系。本发明的技术方案能够提高车联网数据与司机之间的身份认证效果。
Description
技术领域
本发明涉及计算机通信和交通运输技术领域,尤其涉及一种车联网数据身份属性认证方法。
背景技术
在汽车上安装北斗或GPS***,通过移动网络将位置和时间信息发回到远程服务器,用户调取位置和时间信息,在地图上呈现位置、轨迹,并且统计行驶里程,这是现在车联网(物联网的一种)的基本功能。由于车联网设备在车上,驾驶车的人不固定,导致车联网的数据只能够和车相关,很难和人(司机)相关联,因此,从车的车联网数据是无主数据,其价值大打折扣,因为车由人驾驶,管住人才能管住车,管车的效果要大大低于管人的效果。
车联网数据从人,关键是要提高车联网数据和司机之间的身份认证效果,实现车联网数据和司机身份的认证,就可以统计分析出每一趟车辆行程属于哪个司机,通过分析车辆行程中车载设备产生的车联网数据,就可以知晓该司机的驾驶行为,建立司机的位置、超速、三急、危险驾驶、疲劳驾驶、违章和事故等驾驶行为的数据模型,对司机的驾驶行为进行评分,从而实现对司机驾驶行为的数据指标化管理,进而实现对车队整体数据化管理,这样对车队进行精细管理具有重大意义。
实现车联网的数据从人,首先就是要将车联网数据进行人的身份认证,确保采集到的采集到的车联网数据是某个人(司机)的数据。而在现有技术中,人们做了很多尝试,比如:刷卡、刷脸,但效果都不好。
发明内容
本发明提供一种车联网数据身份属性认证方法,可以提高车联网数据与司机之间的身份认证效果。
本发明提供一种车联网数据身份属性认证方法,采用如下技术方案:
所述车联网数据身份属性认证方法包括:
获取在待认证时间段内车队中m个车辆的第一轨迹数据,m为大于或等于1的正整数;
获取在待认证时间段内所述车队中n个司机的第二轨迹数据,n为大于或等于1的正整数;
计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,i=1,2,3,…,m;j=1,2,3,…,n;
根据计算得到的匹配程度,确定车辆与司机之间的匹配关系。
可选地,所述车联网数据身份属性认证方法还包括:在计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度之前,判断在待认证时间段内,各车辆的司机是否更换;并根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度。
可选地,所述根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:
在待认证时间段内,各车辆的司机未进行更换,直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度。
可选地,所述直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:选择y个时间点;分别计算在y个时间点时第i个第一轨迹数据与第j个第二轨迹数据之间的距离;判断各距离与基准值之间的关系;根据判断结果确定第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度;其中,y为大于或等于1的正整数。
可选地,y的取值大于或等于5。
可选地,所述根据判断结果确定所述第一轨迹数据与第二轨迹数据之间的匹配程度具体包括:若各距离均在基准值以内,则认定第i个第一轨迹数据与第j个第二轨迹数据匹配。
可选地,所述根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:
在待认证时间段内,各车辆的司机进行过更换,确定更换次数x和更换时间点;根据所述更换时间点,将所述待认证时间段划分为x+1个待认证子时间段;将第i个第一轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第一子轨迹数据;将第j个第二轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第二子轨迹数据;分别计算x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度;x为大于或等于1的正整数。
进一步地,所述根据计算得到的匹配程度,确定车辆与司机之间的匹配关系具体包括:
根据计算得到的x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度,分别确定车辆在每个所述待认证子时间段与司机之间的匹配关系。
可选地,所述获取在待认证时间段内所述车队中n个司机的第二轨迹数据具体包括:通过分析待认证时间段内所述车队中n个司机随身携带的移动终端中的位置识别模块中的数据,获取n个司机的第二轨迹数据。
本发明提供的一种车联网数据身份属性认证方法,由于该车联网数据身份属性认证方法包括:获取在待认证时间段内车队中m个车辆的第一轨迹数据,获取在待认证时间段内车队中n个司机的第二轨迹数据,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,根据计算得到的匹配程度,确定车辆与司机之间的匹配关系,所以将以上车联网数据身份属性认证方法应用于车联网数据及司机时,就实现了车联网数据的身份确认,也就达到了车联网数据从人的目的,进而提高车联网数据与司机之间的身份认证效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的车联网数据身份属性认证方法的流程图;
图2为本发明实施例提供的车辆与司机认证过程示意图;
图3为本发明实施例提供的步骤S3的流程图。
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、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下本发明实施例中的各技术特征均可以相互结合。
现有技术中,为了将车联网数据进行人的身份认证,采用了以下几种方式:
第一种,采用人工对照片的方法,以照片为生物外貌特征,由人眼对比实现人的身份确认。即第一次拍照片时,认定照片上的人像和本人对应,然后将照片印制在证件上,让证件不易复制和修改。需要做身份二次认证时,再由人工对比现场看到的人和证件照片上人的生物外貌特征一致,来实现人身份的认证。传统的人的身份认证,在证件制作以及证件检验等多个环节都存在造假可能。
第二种,利用IT技术实现人的身份确认。例如,让司机上下车刷卡。信息技术(IT)逐渐发展起来以后,人们开始用磁卡、IC卡作为证件,并将人像印制在IC卡片上,利用磁卡和IC卡的不易复制的特性进行防伪。随着计算机网络普及之后,可以将认证终端现场的信息集中处理,又大幅度提高了证件的防伪能力。现在的身份证、银行卡、公交卡等背后都是人们在利用IT技术实现人的身份确认。
第三种,利用人脸识别技术实现人的身份确认。其是目前最新的身份认证技术,通过人工智能图像识别技术,人脸识别技术已经可以将证件这种随身携带的存储照片的介质彻底抛弃,实现刷脸购物。例如,利用车载摄像头进行人脸识别,实现司机的身份认证,其管理成本过高,除了在少数公交车和特种车上有应用外,这种做法很难普及。
第四种,将手机和某个车联网设备进行绑定,利用手机进行身份认证。利用车联网设备产生里程数据,这样就解决了车联网数据从人的问题,但是手机和车联网设备绑定并不容易。在手机设置里面绑定一个车联网设备很容易,但如果司机驾驶的车辆不固定,司机手机里面就要绑定多个车辆的多个设备,造成手机和车联网设备多对多的关系。
因此,将车辆行驶数据和司机一一对应,这是车联网数据身份属性认证,车联网数据从人的关键。
为解决上述问题,本发明实施例提供一种车联网数据身份属性认证方法,具体地,如图1所示,该车联网数据身份属性认证方法包括:
步骤S1、获取在待认证时间段内车队中m个车辆的第一轨迹数据,m为大于或等于1的正整数。
具体地,可以通过分析待认证时间段内m个车辆中的位置识别模块中的数据,获取各车辆的第一轨迹数据。上述位置识别模块包括但不限于GPS***、北斗卫星***、网络***、重力传感器中的一种或几种。
需要说明的是,m可以与车队中车辆的总数相等,也可以小于车队中车辆的总数,具体可以根据实际情况进行选择,例如,若在待认证时间段内,车队中所有车辆均进行过行驶,则应获取车队中所有车辆的第一轨迹数据,此时m与车队中车辆的总数相等,若在待认证时间段内,车队中仅部分车辆进行过行驶,则应获取车队中行驶车辆的第一轨迹数据,此时m小于车队中车辆的总数,以简化车联网数据身份属性认证方法的执行过程。例如,仅需确定特定车辆在待认证时间段内与司机的匹配关系时,以上m的取值为1。
步骤S2、获取在待认证时间段内车队中n个司机的第二轨迹数据,n为大于或等于1的正整数。
具体地,可以通过分析待认证时间段内n个司机随身携带的移动终端中的位置识别模块中的数据,获取各司机的第二轨迹数据。以上移动终端包括但不限于手机、平板电脑、智能手环等中的一种或几种。上述位置识别模块包括但不限于GPS***、北斗卫星***、网络***、重力传感器中的一种或几种。
类似地,n可以与车队中司机的总数相等,也可以小于车队中司机的总数,具体可以根据实际情况进行选择,例如,若在待认证时间段内,车队中所有司机均参与驾驶,则应获取车队中所有司机的第二轨迹数据,此时n与车队中司机的总数相等,若在待认证时间段内,车队中仅部分司机参与过驾驶,则应获取车队中参与驾驶的司机的第二轨迹数据,此时n小于车队中司机的总数,以简化车联网数据身份属性认证方法的执行过程。例如,仅需确定特定司机在待认证时间段内与车辆的匹配关系时,以上n的取值为1。
步骤S3、计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,i=1,2,3,…,m;j=1,2,3,…,n。
以上内容包括多种情况:第一种,m=1,n大于1,相当于计算1个车辆的第一轨迹数据,与n个司机的第二轨迹数据之间的匹配程度;第二种,m大于1,n=1,相当于计算m个车辆的第一轨迹数据,与1个司机的第二轨迹数据之间的匹配程度;第三种,m和n均大于1,相当于计算m个车辆的第一轨迹数据,与n个司机的第二轨迹数据之间的匹配程度,此时,可以先确定一个第一轨迹数据,然后分别计算其与各个第二轨迹数据之间的匹配程度,也可以先确定一个第二轨迹数据,然后分别计算其与各个第一轨迹数据之间的匹配程度。
例如,如图2所示,车队中包括4个车辆和4个司机,为确定第2个司机在待认证时间段与车辆的匹配关系,分别计算该第2个司机的第二轨迹数据与4个车辆的第一轨迹数据之间的匹配程度。
可选地,本发明实施例中,在计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度之前,可以先判断在待认证时间段内,各车辆的司机是否更换;并根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度。
示例性地,如图3所示,本发明实施例中具体可以通过如下步骤计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度:步骤S31、判断在待认证时间段内,各车辆的司机是否更换;若否,即在待认证时间段内,各车辆的司机未进行更换,则执行步骤S32,直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度;若是,即在待认证时间段内,各车辆的司机进行过更换,则执行以下步骤:步骤S33、确定更换次数x和更换时间点;步骤S34、根据更换时间点,将待认证时间段划分为x+1个待认证子时间段;步骤S35、将第i个第一轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第一子轨迹数据;步骤S36、将第j个第二轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第二子轨迹数据;步骤S37、分别计算x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度。其中,x为大于或等于1的正整数。其中,步骤S35和步骤S36的前后顺序可以任意选择,此处不进行限定。
需要说明的是,考虑到若司机的实际驾驶时间短于待认证时间段,则上述步骤S36中划分出的x+1个第二子轨迹数据中可能有至少一个第二子轨迹数据为空,则针对空的第二子轨迹数据,上述步骤S37中计算得到的结果肯定是其与任何一个第一子轨迹数据均不匹配,本领域技术人员在执行步骤S36和S37时也可以参考以上内容适当进行简化。
可选地,上述直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:选择y个时间点;分别计算在y个时间点时第i个第一轨迹数据与第j个第二轨迹数据之间的距离;判断各距离与基准值之间的关系;根据判断结果确定第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度;其中,y为大于或等于1的正整数。例如,选择9点,12点和15点3个时间点,分别计算在以上3个时间点时第i个第一轨迹数据与第j个第二轨迹数据之间的距离(即第i个车辆当时所在位置与第j个司机当时所在位置之间的距离),判断各距离与基准值之间的关系,根据判断结果确定第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度。如图2所示,在某一时间点时,分别计算第2个司机所在位置与4个车辆所在位置之间的距离,经比较第2个司机与第1个车辆之间的距离最短,且小于基准值,则确定该第1个车辆的第一轨迹数据与该第2个司机的第二轨迹数据匹配。
发明人发现,按照现有的技术条件,北斗卫星或GPS定位精度有限,获取的定位单点位置数据通常有很大的误差,计算两个点的距离就会有更大的误差。但是在车辆一次行驶过程中,产生的是一条轨迹,上面有很多点,计算多个时间点两条轨迹的距离,将可以大大降低两条轨迹距离计算误差。假如两个点距离计算误差是30%,那么,用5个点计算,轨迹距离误差可以降低到0.243%。所以通过多点计算轨迹距离,将误差控制在合理范围内,就可以判断车辆和人的轨迹是否匹配,从而确定车和人的关联关系。因此,本发明实施例中优选y的取值大于或等于5,如5,6,7,8……。
示例性地,本发明实施例中所述的匹配程度可以包括匹配和不匹配两种。可选地,根据判断结果确定第一轨迹数据与第二轨迹数据之间的匹配程度具体包括:若各距离均在基准值以内,则认定第i个第一轨迹数据与第j个第二轨迹数据匹配。以上基准值可以根据定位精度进行确定,只要其能满足:在某一时间点时,针对一个第一轨迹数据,其与第1~n个第二轨迹数据之间的距离必然有且仅有一个在基准值之内即可。
需要补充的是,在待认证时间段内,各车辆的司机进行过更换时,上述步骤S37中计算各第一子轨迹数据与各第二子轨迹数据之间的匹配程度时,也可以采取上述计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度的具体方式,此处不再进行赘述。
步骤S4、根据计算得到的匹配程度,确定车辆与司机之间的匹配关系。
若在待认证时间段内,各车辆的司机未进行更换,则根据计算得到的第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,确定车辆与司机之间的匹配关系。
示例性地,当针对某一个第一轨迹数据与某一个第二轨迹数据,步骤S3计算得到的匹配程度为匹配时,则说明该第一轨迹数据对应的车辆(称为第一车辆)与该第二轨迹数据对应的司机(称为第一司机)匹配,也就是说该第一车辆在待认证时间段内的司机就是该第一司机。
若在待认证时间段内,各车辆的司机进行过x次更换,则根据计算得到的x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度,分别确定车辆在每个待认证子时间段与司机之间的匹配关系。
示例性地,当针对某一个待认证子时间段内的某一个第一子轨迹数据与某一个第二子轨迹数据,步骤S3计算得到的匹配程度为匹配时,则说明该第一子轨迹数据对应的车辆(称为第一车辆)与该第二子轨迹数据对应的司机(称为第一司机)在该待认证子时间段内匹配,也就是说在该待认证时间段内该第一车辆的司机就是该第一司机。
本发明实施例提供了一种车联网数据身份属性认证方法,由于该车联网数据身份属性认证方法包括:获取在待认证时间段内车队中m个车辆的第一轨迹数据,获取在待认证时间段内车队中n个司机的第二轨迹数据,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,根据计算得到的匹配程度,确定车辆与司机之间的匹配关系,所以将以上车联网数据身份属性认证方法应用于车联网数据及司机时,就实现了车联网数据的身份确认,也就达到了车联网数据从人的目的,进而提高车联网数据与司机之间的身份认证效果。
需要说明的是,上面说的车联网是物联网的一种,其它的物联网(比如房联网、路联网等),如果也需要将物联网数据和人的身份属性进行关联时,也可以采用本发明实施例中的物联网数据身份属性认证方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种车联网数据身份属性认证方法,其特征在于,应用于车联网设备和车队中司机的移动设备,其中,车联网设备用于收集车的行驶轨迹,包括:
获取在待认证时间段内车队中m个车辆的第一轨迹数据,m为大于或等于1的正整数;
获取在待认证时间段内所述车队中n个司机的第二轨迹数据,n为大于或等于1的正整数;
计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度,i=1,2,3,…,m;j=1,2,3,…,n;
根据计算得到的匹配程度,确定车辆与司机之间的匹配关系;
还包括:在计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度之前,判断在待认证时间段内,
各车辆的司机是否更换;并根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度;
所述根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:
在待认证时间段内,各车辆的司机进行过更换,确定更换次数x和更换时间点;根据所述更换时间点,将所述待认证时间段划分为x+1个待认证子时间段;将第i个第一轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第一子轨迹数据;将第j个第二轨迹数据均划分为与x+1个待认证子时间段对应的x+1个第二子轨迹数据;分别计算x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度;x为大于或等于1的正整数。
2.根据权利要求1所述的车联网数据身份属性认证方法,其特征在于,所述根据司机更换情况,计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:
在待认证时间段内,各车辆的司机未进行更换,直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度。
3.根据权利要求2所述的车联网数据身份属性认证方法,其特征在于,所述直接计算第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度具体包括:选择y个时间点;分别计算在y个时间点时第i个第一轨迹数据与第j个第二轨迹数据之间的距离;判断各距离与基准值之间的关系;根据判断结果确定第i个第一轨迹数据与第j个第二轨迹数据之间的匹配程度;其中,y为大于或等于1的正整数。
4.根据权利要求3所述的车联网数据身份属性认证方法,其特征在于,y的取值大于或等于5。
5.根据权利要求3或4所述的车联网数据身份属性认证方法,其特征在于,所述根据判断结果确定所述第一轨迹数据与第二轨迹数据之间的匹配程度具体包括:若各距离均在基准值以内,则认定第i个第一轨迹数据与第j个第二轨迹数据匹配。
6.根据权利要求1所述的车联网数据身份属性认证方法,其特征在于,所述根据计算得到的匹配程度,确定车辆与司机之间的匹配关系具体包括:
根据计算得到的x+1个第一子轨迹数据与x+1个第二子轨迹数据之间的匹配程度,分别确定车辆在每个所述待认证子时间段与司机之间的匹配关系。
7.根据权利要求1所述的车联网数据身份属性认证方法,其特征在于,所述获取在待认证时间段内所述车队中n个司机的第二轨迹数据具体包括:通过分析待认证时间段内所述车队中n个司机随身携带的移动终端中的位置识别模块中的数据,获取n个司机的第二轨迹数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010219249.7A CN111417088B (zh) | 2020-03-25 | 2020-03-25 | 一种车联网数据身份属性认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010219249.7A CN111417088B (zh) | 2020-03-25 | 2020-03-25 | 一种车联网数据身份属性认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111417088A CN111417088A (zh) | 2020-07-14 |
CN111417088B true CN111417088B (zh) | 2024-03-15 |
Family
ID=71494698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010219249.7A Active CN111417088B (zh) | 2020-03-25 | 2020-03-25 | 一种车联网数据身份属性认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111417088B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821734B (zh) * | 2021-08-16 | 2024-03-19 | 北京中交兴路信息科技有限公司 | 基于轨迹数据识别双司机的方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635857A (zh) * | 2018-11-29 | 2019-04-16 | 东软集团股份有限公司 | 人车轨迹监测分析方法、装置、设备及存储介质 |
CN110459059A (zh) * | 2019-08-14 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 交通违规确认方法和相关装置 |
CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016216335B4 (de) * | 2016-08-30 | 2020-12-10 | Continental Automotive Gmbh | System und Verfahren zur Analyse von Fahrtrajektorien für einen Streckenabschnitt |
-
2020
- 2020-03-25 CN CN202010219249.7A patent/CN111417088B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635857A (zh) * | 2018-11-29 | 2019-04-16 | 东软集团股份有限公司 | 人车轨迹监测分析方法、装置、设备及存储介质 |
CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
CN110459059A (zh) * | 2019-08-14 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 交通违规确认方法和相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111417088A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886388B (zh) | 基于联盟链实现多中心化的交通出行信用与安全服务平台及其运行方法 | |
US20200286162A1 (en) | Method and server for managing shared vehicles | |
CN101097605B (zh) | Etc电子不停车收费中的车辆身份识别*** | |
CN112200046B (zh) | 驾驶行为识别方法、装置、电子设备及存储介质 | |
CN104992364A (zh) | 一种无人值守电动汽车租赁***和租赁方法 | |
CN106184228B (zh) | 用于引导经济驾驶的***、适用该***的车辆及方法 | |
CN110599774A (zh) | 基于区块链的交通违章处理方法及*** | |
CN109671295B (zh) | 停车场管理方法及装置 | |
CN107316092A (zh) | 一种城际网约车拼车客户搜索及接送方法 | |
CN111417088B (zh) | 一种车联网数据身份属性认证方法 | |
CN113177670A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
CN114090985A (zh) | 区块链中用户操作权限的设置方法、装置和电子设备 | |
CN106898052A (zh) | 一种车辆收费方法及*** | |
CN112019534B (zh) | 基于可信车联网智能设备的数字货车构建方法 | |
CN106780798A (zh) | 公路互联网不停车移动支付客户端及用于客户端的方法 | |
CN108540335A (zh) | 设备分析报告的管理方法及管理装置 | |
Niemann et al. | Car2X-Communication mirrored by business method patents: What documented inventions can tell us about the future | |
WO2024049612A1 (en) | Internal certificate authority for electronic control unit | |
CN109255849A (zh) | 车辆支付方法及***、计算机可读存储介质 | |
CN106934474A (zh) | 一种基于汽车共享的实时扣费管理*** | |
CN111674360B (zh) | 基于区块链的车辆追踪***中建立区分样本模型的方法 | |
CN110197535A (zh) | 一种乘车方法、终端及车载装置 | |
CN109785157A (zh) | 一种基于人脸识别的车辆定损方法、存储介质及服务器 | |
US20240232663A1 (en) | Task-oriented dialog modeling and action determination | |
US20240061917A1 (en) | Driving record authentication method, electronic device, storage medium |
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 |