CN106303968B - 一种基于专用短程通信网络的路网黑客车辆定位方法 - Google Patents
一种基于专用短程通信网络的路网黑客车辆定位方法 Download PDFInfo
- Publication number
- CN106303968B CN106303968B CN201610855654.1A CN201610855654A CN106303968B CN 106303968 B CN106303968 B CN 106303968B CN 201610855654 A CN201610855654 A CN 201610855654A CN 106303968 B CN106303968 B CN 106303968B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- range communication
- dedicated short
- value
- acceleration
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于专用短程通信网络的路网黑客车辆定位方法,随着车联网技术的推陈布新,通过在车辆中部署专用短程通信单元和卫星定位装置实现群体车辆间的信息共享已成为车联网技术的发展趋势;本发明充分利用车联网系统中广泛存在的专用短程通信网络,实现黑客车辆的识别与定位,为车联网系统的正常运行提供信息安全服务保障。
Description
技术领域
本发明涉及智能车路协同系统和无线移动通信网络交叉领域中的车辆定位技术,尤其涉及一种基于专用短程通信网络的路网黑客车辆定位方法。
背景技术
在车联网系统中,车辆群体通过车载专用短程通信单元建立车辆自组织网络,为车辆间的信息交互、信息共享提供链路保障。在车辆信息共享的基础上,车联网系统可以实现一系列面向提升交通系统效能的应用,包含:提高交通安全、通行效率、降低尾气排放、能源消耗等等。
车辆自组织网络是车联网系统正常运行的基础保障,它能提供的信息传输的可靠稳定性以及信息安全的保障能力至关重要。近十年来,车辆自组织网络中信息传输技术部分吸引了大批国内外相关学者的关注和研究,得到了大力发展,相应的标准体系基本建成,相关技术装备已经能够成熟运用并服务于车联网系统;对于车辆自组织网络中信息安全部分内容,虽然也得到了广泛关注,但其发展速度相对滞后,至今并未出现成熟完备的技术标准和方法。信息安全领域中,基于分布式网络的常见攻击方式有:“欺骗攻击”和“女巫攻击”。“欺骗攻击”,是指黑客节点通过盗取网络中其他节点的MAC地址(Media AccessControl,MAC),并伪装成该节点的身份,进行网络破坏;“女巫攻击”,是指黑客节点将自身伪装成多个身份,破坏大规模网络的冗余机制。在车辆自组织网络中,移动的黑客车辆节点同样可以通过这两种攻击方式破坏网络系统,从而影响车联网系统的正常运行。
发明内容
本发明的目的是为了解决上述问题,提出一种基于专用短程通信网络的路网黑客车辆定位方法。
一种基于专用短程通信网络的路网黑客车辆定位方法,包括以下几个步骤:
步骤一,采集路网中车辆在遇到交通事件时的加速度值,采集路网中专用短程通信信号在两车间传播的发射功率和接收功率,并记录车辆间的相对距离;
步骤二,通过步骤一采集到的加速度值,两车间的专用短程通信信号的发射功率和接收功率值以及相对距离值,建立路网中车辆的动力学加速度取值集合以及车辆间的专用短程通信信道传播模型;
步骤三,建立用于估计目标车辆位置信息的方程组;
步骤四,采用滤波算法对车辆位置信息估值滤波;
步骤五,以1Hz的频率发布目标车辆位置信息估计结果
步骤六,将T=30s的时间区间内的车辆位置信息拟合为车辆轨迹信息,并进行判断识别;
本发明的优点在于:
(1)本发明基于专用短程通信网络的路网黑客车辆定位方法,充分利用车联网系统中存在的车辆专用短程通信网络,能够识别并定位车联网系统中存在的黑客车辆,一定程度上解决了车联网系统中的信息安全问题,为车辆自组织网络系统的安全可靠和车联网系统的顺利发展奠定了基础;
(2)本发明基于专用短程通信网络的路网黑客车辆定位方法,充分考虑了车辆在典型交通场景中存在的变速行为,包括:急加速、急减速等,充分考虑了无线信号在传播过程可能受到环境因素影响的潜在干扰,分别对不同的环境进行信道建模,包括:视距环境、非视距环境、半视距环境,随后据此建立系统运动学方程和观测方程,使用分布式多模型非线性滤波方法对系统方程组进行滤波处理,可较为准确的追踪车辆的实时状态信息,大幅度提高车辆的位置信息估计精度。
附图说明
图1为本发明基于专用短程通信网络的路网黑客车辆定位方法流程图;
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于专用短程通信网络的路网黑客车辆定位方法,包括以下几个步骤:
步骤一,采集路网中车辆在遇到典型交通事件时的加速度值,典型交通事件包括:经过交叉路口遇到红绿灯情况,超车、跟车等情况,采集路网中专用短程通信信号在两车间传播的发射功率和接收功率,并记录车辆间的相对距离;
步骤二,通过步骤一采集到的加速度值,两车间的专用短程通信信号的发射功率和接收功率值以及相对距离值,建立路网中车辆的动力学加速度取值集合,用于表征车辆可能发生的加速度变化状态,建立车辆间的专用短程通信信道传播模型,用于表征专用短程通信信号的信号功率在车辆环境下的衰减规律;
A、车辆的动力学加速度取值集合
由步骤一采集到的加速度值数据,确定加速度取值集合其中a1,…,aL分别对应车辆经过交叉路口遇到红绿灯情况,超车、跟车等情况时,可能出现的加速度状态;
B、专用短程通信信道传播模型
由步骤一采集到的专用短程通信信号在两车间传播的发射功率和接收功率,以及车辆间的相对距离,建立形如(1)式的对数信道模型:
并通过多次大量重复的数据采集,修正车辆环境常数C与信道模型噪声项的取值。其中receivedpower(RP)表示信号接收端的信号功率,常数C的取值与信号发射功率成正比例关系(专用短程通信信号的发射功率有相关标准约束,取值确定),γ为信道衰减指数(一般情况其取值范围γ∈[2,5]),distance为通过实际测量获得的两车距离,为信道模型的噪声项;
在建立信道传播模型时,需要考虑不同信道环境情况对γ和的取值影响;此处,将具体的车辆信道环境情况分为三种情况:视距情况(Line-of-Sight,LOS)、非视距情况(Non-Line-of-Sight,NLOS)、被车辆半遮挡的视距情况(Obstructed-Line-of-Sight,OLOS),定义φ={s1,s2,s3},其中,s1代表视距情况、s2代表非视距情况、s3代表被车辆半遮挡的视距情况,令其对应的γ取值分别为2.5、3.5、4.5,随后需通过信号强度的采集数据,给出三种不同情况下信道模型噪声项的合理估值;步骤三,建立用于估计目标车辆位置信息的方程组;
A、目标车辆可以通过GPS获得自身的位置信息
当目标车辆具备GPS装置,能够获得自身的低精度位置信息时,建立如下系统和观测方程组:
其中,方程组(2)中的第一个方程为车辆运动学模型,第二个方程为车辆状态观测模型;在车辆运动学模型中,θk为车辆在时刻k的状态向量 表示车辆在(x,y,z)方向的位置分量,表示车辆在(x,y,z)方向的速度分量;为车辆在时刻k的加速度状态 表示车辆在(x,y,z)方向的加速度分量,车辆的位置、速度、加速度信息均从GPS装置处获得,F和G分别是车辆运动系统的状态转移矩阵和加速度转移矩阵,ζk为车辆的运动模型在时刻k的加速度噪声;在车辆状态观测模型中,h为观测量的非线性转移函数,zk为车辆在时刻k的状态观测向量,为车辆状态观测模型在时刻k的观测噪声,φk为步骤二B中描述的车辆信道环境状态;
B、目标车辆不能通过GPS获得自身的位置信息
当目标车辆不具备GPS装置、GPS数据失效、或有意关闭GPS,不能够自主获得其自身位置信息时,通过其专用短程通信网络中的其他车辆辅助,通过方程组(3)估计目标车辆的位置信息(px,py,pz):
其中,distance_1,…,distance_n根据公式(1)中distance估计获得,表示目标车辆与第i辆邻居车辆间的距离,表示第i辆邻居车辆的三维位置信息,i=1,…,n,receivedpower从专用短程通信信号物理层获得,C为已知常数,γ和根据步骤二(2)中描述的具体车辆信道环境φ进行设定;
步骤四,使用滤波算法对车辆位置信息估值滤波;
A、使用滤波算法对步骤三A中的数据进行滤波处理
使用分布式多模型非线性滤波算法对步骤三中的方程组(2)进行滤波处理;步骤三A中的和φk在不同的时刻k,可能会发生突然的变化;的可能取值由步骤二A中的多模型集合确定,定义其模型之间的转移概率集合为其中 表示当在k-1时刻的加速度状态为aq而k时刻的加速度状态为ap的条件概率值;φk的可能取值由步骤二B中的多模型集合φ确定,定义其模型之间的转移概率集合为其中 表示当φ在k-1时刻的加速度状态为sv而k时刻的加速度状态为su的条件概率值;本方法中,令L=3,a1=0m/s2,a2=5m/s2,a3=-2m/s2,分别代表车辆匀速行驶行为,急加速行为和急减速行为;s1,s2,s3的表征情况参见步骤二B;和的概率取值需根据历史经验值设置;
B、使用滤波算法对步骤三B中的数据进行滤波处理
在使用方程组(3)进行目标车辆位置信息(px,py,pz)估计时,存在3个未知数,因而需要处于目标车辆专用短程通信网络中的邻居车辆数目至少为3个;但是,当邻居车辆过多时,将使得目标车辆的位置信息估计复杂度增加,因而需要限制估计过程中邻居车辆的参与数;此处,设定邻居车辆数目为N,参与目标车辆定位的邻居车辆数目为n,设定参与数上限值为5,即3≤n≤5;由于通过方程组(3)计算目标车辆位置信息仅需要联立三个方程,因此在n个邻居车辆联合估计时,会有combination(n,3)种方程组情况;当n为3时,方程组(3)可获得一组唯一的车辆的位置信息(px,py,pz);当n为4或5时,通过方程组(3)中任意三个不同的方程,可获得combination(4,3)或combination(5,3)组位置信息估计量,此时,需要按照步骤五B方法处理这些估计量,并将其作为估值结果;将通过公式(3)计算而得的目标车辆位置信息(px,py,pz)记为其中,combination(·)表示组合数算子。
由于邻居车辆参与数的限制,在参与位置估计的邻居车辆选择上,应优先选择距离目标车辆更近的,且与目标车辆的通信链路为无遮挡的视距情况的邻居车辆参加;其中,邻居车辆与目标车辆的距离与邻居车辆处receivedpower值成正比例关系,一般地,-40dBm≤receivedpower≤-90dBm,receivedpower值越大表明邻居车辆与目标车辆的距离越近;若需要通过通信链路的状态选择邻居车辆,优先顺序依次为处于视距情况、被车辆半遮挡的视距情况、非视距情况的邻居车辆;参与位置估计的n个邻居车辆的选择规则,根据所有N个邻居车辆的Weight取值大小排序,选择使得Weight取值较大的前n个邻居车辆参加;其中,Weight的取值大小参照表.1所示;
表.1.Weight的取值
步骤五,以1Hz的频率发布目标车辆位置信息估计结果
a和b的取值按如下规则:
步骤六,将T=30s的时间区间内的车辆位置信息拟合为车辆轨迹信息,并进行如下判断识别:
A、对于唯一的MAC身份标识,在同一时间区间中存在两处轨迹,识别车辆自组织网络中存在“欺骗攻击”,该轨迹所对应的两辆车辆中必存在目标黑客车辆,根据MAC身份标识分别获得它们的实时位置信息,从而实现目标黑客车辆的定位追踪;;
B、对于多个MAC身份标识,在同一时间区间中只存在一处轨迹,识别车辆自组织网络中存在“女巫攻击”,该轨迹所对应的车辆即为目标黑客车辆,根据黑客车辆的MAC身份标识获得其实时位置信息,从而实现目标黑客车辆的定位追踪。
Claims (4)
1.一种基于专用短程通信网络的路网黑客车辆定位方法,包括以下几个步骤:
步骤一,采集路网中车辆在遇到交通事件时的加速度值,采集路网中专用短程通信信号在两车间传播的发射功率和接收功率,并记录车辆间的相对距离;
步骤二,通过步骤一采集到的加速度值,两车间的专用短程通信信号的发射功率和接收功率值以及相对距离值,建立路网中车辆的动力学加速度取值集合以及车辆间的专用短程通信信道传播模型:
(1)车辆的动力学加速度取值集合
确定加速度取值集合其中a1,…,aL分别对应车辆经过交叉路口遇到交通事件时出现的加速度状态;
(2)专用短程通信信道传播模型
根据专用短程通信信号在两车间传播的发射功率和接收功率,以及车辆间的相对距离,建立形如(1)式的对数信道模型:
其中:receivedpower表示信号接收端的信号功率,C表示车辆环境常数,γ表示信道衰减指数,distance表示通过实际测量获得的两车距离,表示信道模型的噪声项;
通过重复采集专用短程通信信号在两车间传播的发射功率、接收功率、车辆间的相对距离,修正车辆环境常数C与信道模型噪声项的取值;具体的车辆信道环境情况分为三种情况:视距情况LOS、非视距情况NLOS、被车辆半遮挡的视距情况OLOS,设φ={s1,s2,s3},其中,s1代表视距情况、s2代表非视距情况、s3代表被车辆半遮挡的视距情况;
步骤三,建立用于估计目标车辆位置信息的方程组;
(1)目标车辆能够通过GPS获得自身的位置信息
当目标车辆具备GPS装置,能够获得自身的低精度位置信息时,建立如下运动学和状态观测方程组:
其中,方程组(2)中的第一个方程为车辆运动学模型,第二个方程为车辆状态观测模型;在车辆运动学模型中,θk为车辆在时刻k的状态向量 表示车辆在(x,y,z)方向的位置分量,表示车辆在(x,y,z)方向的速度分量;为车辆在时刻k的加速度状态 表示车辆在(x,y,z)方向的加速度分量,车辆的位置、速度、加速度信息均从GPS装置处获得,F和G分别是车辆运动系统的状态转移矩阵和加速度转移矩阵,ζk为车辆的运动模型在时刻k的加速度噪声;在车辆状态观测模型中,h为观测量的非线性转移函数,zk为车辆在时刻k的状态观测向量,为车辆状态观测模型在时刻k的观测噪声,φk为步骤二(2)中描述的车辆信道环境状态;
(2)目标车辆不能通过GPS获得自身的位置信息
当目标车辆不具备GPS装置、GPS数据失效、或有意关闭GPS,不能够自主获得其自身位置信息时,可以由处于目标车辆专用短程通信网络中的具备获取GPS信息的邻居车辆辅助,通过方程组(3)估计目标车辆的位置信息(px,py,pz):
其中,distance_1,…,distance_n根据公式(1)中distance估计获得,表示目标车辆与第i辆邻居车辆间的距离,表示第i辆邻居车辆的三维位置信息,i=1,…,n,receivedpower从专用短程通信信号物理层获得,C为已知常数,γ和根据步骤二(2)中描述的具体车辆信道环境φ进行设定;
步骤四,采用滤波算法对车辆位置信息估值滤波;
(1)采用滤波算法对步骤三(1)中的数据进行滤波处理
使用分布式多模型非线性滤波算法对步骤三中的方程组(2)进行滤波处理,由步骤二(1)中的多模型集合确定,定义其模型之间的转移概率集合为 其中 表示当在k-1时刻的加速度状态为aq而k时刻的加速度状态为ap的条件概率值;φk由步骤二(2)中的多模型集合φ确定,定义其模型之间的转移概率集合为其中 表示当φ在k-1时刻的加速度状态为sv而k时刻的加速度状态为su的条件概率值;其中,令L=3,a1=0m/s2,a2=5m/s2,a3=-2m/s2,分别代表车辆匀速行驶行为,急加速行为和急减速行为;
(2)使用滤波算法对步骤三(2)中的数据进行滤波处理
设定邻居车辆数目为N,参与目标车辆定位的邻居车辆数目为n,设定参与数上限值为5,即3≤n≤5,当n为3时,方程组(3)获得一组唯一的目标车辆位置信息(px,py,pz),当n为4或5时,通过方程组(3)中任意三个不同的方程,获得combination(4,3)或combination(5,3)组位置信息估计量,按照步骤五方法处理估计量,并将其作为估值结果;将通过公式(3)计算而得的目标车辆位置信息(px,py,pz)记为其中,combination(·)表示组合数算子;参与位置估计的n个邻居车辆的选择规则,根据所有N个邻居车辆的Weight取值大小排序,选择使得Weight取值较大的前n个邻居车辆参加;
步骤五,以1Hz的频率发布目标车辆位置信息估计结果
a和b的取值按如下规则:
步骤六,将T=30s的时间区间内的车辆位置信息拟合为车辆轨迹信息,并进行如下判断识别:
(1)对于唯一的MAC身份标识,在同一时间区间中存在两处轨迹,识别车辆自组织网络中存在“欺骗攻击”,该轨迹所对应的两辆车辆中必存在目标黑客车辆,根据MAC身份标识分别获得它们的实时位置信息,从而实现目标黑客车辆的定位追踪;
(2)对于多个MAC身份标识,在同一时间区间中只存在一处轨迹,识别车辆自组织网络中存在“女巫攻击”,该轨迹所对应的车辆即为目标黑客车辆,根据黑客车辆的MAC身份标识获得其实时位置信息,从而实现目标黑客车辆的定位追踪。
2.根据权利要求1所述的一种基于专用短程通信网络的路网黑客车辆定位方法,所述的步骤一中,交通事件包括:经过交叉路口遇到红绿灯、超车和跟车。
3.根据权利要求1所述的一种基于专用短程通信网络的路网黑客车辆定位方法,所述的步骤二中,建立专用短程通信信道传播模型时,将车辆信道环境情况分为三种情况:视距情况、非视距情况、被车辆半遮挡的视距情况,设φ={s1,s2,s3},其中,s1代表视距情况、s2代表非视距情况、s3代表被车辆半遮挡的视距情况,令其对应的γ取值分别为2.5、3.5、4.5,然后通过车辆在三种不同信道环境情况下的信号强度的采集数据receivedpower,结合C和distance的测量值,根据(1)式计算得到信道模型噪声项的对应合理估值。
4.根据权利要求1所述的一种基于专用短程通信网络的路网黑客车辆定位方法,所述的步骤四中,Weight的取值大小如表1所示:
表1.Weight的取值
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610855654.1A CN106303968B (zh) | 2016-09-27 | 2016-09-27 | 一种基于专用短程通信网络的路网黑客车辆定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610855654.1A CN106303968B (zh) | 2016-09-27 | 2016-09-27 | 一种基于专用短程通信网络的路网黑客车辆定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106303968A CN106303968A (zh) | 2017-01-04 |
CN106303968B true CN106303968B (zh) | 2019-06-11 |
Family
ID=57716149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610855654.1A Active CN106303968B (zh) | 2016-09-27 | 2016-09-27 | 一种基于专用短程通信网络的路网黑客车辆定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106303968B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846803B (zh) * | 2017-02-08 | 2023-06-23 | 广西交通科学研究院有限公司 | 基于音频的交通事件检测装置及方法 |
CN107195015B (zh) * | 2017-04-11 | 2022-03-15 | 上海苇艾网络科技有限公司 | 共享单车、数据处理系统、共享单车定位方法和共享对象 |
CN108710827B (zh) * | 2018-04-18 | 2019-04-16 | 特斯联(北京)科技有限公司 | 一种社区微警务巡查和信息自动分析系统及方法 |
CN108881282B (zh) * | 2018-07-12 | 2020-08-25 | 北京航空航天大学 | 一种基于传染病模型的汽车网络恶意信息传播方法 |
CN109283562B (zh) * | 2018-09-27 | 2020-08-14 | 北京邮电大学 | 一种车联网中车辆三维定位方法及装置 |
CN111292538B (zh) * | 2020-02-07 | 2021-02-26 | 北京大学 | 车辆协作动态追踪中基于残差均值的恶意用户检测方法 |
CN112398822B (zh) * | 2020-10-29 | 2022-02-01 | 安徽江淮汽车集团股份有限公司 | 车联网女巫攻击检测方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200695B (zh) * | 2014-08-15 | 2016-05-18 | 北京航空航天大学 | 一种基于车路专用短程通信的车辆协同定位方法 |
CN105828333A (zh) * | 2016-05-11 | 2016-08-03 | 北京航空航天大学 | 一种基于车辆自组织网络流量异常的黑客车辆检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2909065B1 (en) * | 2012-10-17 | 2020-08-26 | Tower-Sec Ltd. | A device for detection and prevention of an attack on a vehicle |
-
2016
- 2016-09-27 CN CN201610855654.1A patent/CN106303968B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200695B (zh) * | 2014-08-15 | 2016-05-18 | 北京航空航天大学 | 一种基于车路专用短程通信的车辆协同定位方法 |
CN105828333A (zh) * | 2016-05-11 | 2016-08-03 | 北京航空航天大学 | 一种基于车辆自组织网络流量异常的黑客车辆检测方法 |
Non-Patent Citations (2)
Title |
---|
A Vehicular Positioning Enhancement with Connected Vehicle Assistance;Xuting Duan et al;《2015 IEEE 82nd Vehicular Technology Conference (VTC2015-Fall)》;20150909;全文 |
基于GNSS/DSRC融合的协同车辆定位方法;王云鹏等;《交通运输工程学报》;20140815;第14卷(第4期);第116-126页 |
Also Published As
Publication number | Publication date |
---|---|
CN106303968A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106303968B (zh) | 一种基于专用短程通信网络的路网黑客车辆定位方法 | |
CN103956074B (zh) | 基于位置服务的停车场自动指引系统及实现方法 | |
CN107967486A (zh) | 一种基于v2v通信与hmm-gbdt混合模型的周边车辆行为识别方法 | |
CN106772516B (zh) | 一种基于模糊理论的复合定位新方法 | |
CN104875773A (zh) | 基于卫星通信和公共蜂窝通信的列车控制系统 | |
CN105682222A (zh) | 一种基于车辆自组织网络的车辆位置定位信息融合方法 | |
CN110244715A (zh) | 一种基于超宽带技术的多移动机器人高精度协同跟踪方法 | |
CN109697877A (zh) | 基于北斗高精定位的车路协同方法及系统 | |
CN103167024A (zh) | 一种面向车联网的协作信息传递方法 | |
CN104320845A (zh) | 一种基于传感器和量子智能计算的主用户定位方法 | |
CN101938832A (zh) | 基于分治求精的无线传感器网络节点自身定位方法 | |
CN108810820A (zh) | 一种车辆碰撞风险评估方法 | |
CN104936147A (zh) | 一种基于建筑格局约束的复杂室内环境下的定位方法 | |
CN103957510A (zh) | 基于协作通信的环境自适应的室内定位算法 | |
CN109067857A (zh) | 一种车联网大数据分析智能优化算法 | |
CN105791181B (zh) | 一种用于轨道交通高速移动场景的信道估计与均衡方法 | |
CN107884799A (zh) | 基于rfid和dgps技术实现轨道无人车全程精准定位的方法 | |
Baek et al. | Accurate vehicle position estimation using a Kalman filter and neural network-based approach | |
CN110459053A (zh) | 基于智能网联车信息的高速公路混合车流速度估计方法 | |
CN102938876B (zh) | 基于无线传感器网络接收信号强度的无源目标追踪方法 | |
Wu et al. | UAV-based target tracking: Integrating sensing into communication signals | |
CN106412929A (zh) | 智能车联物联网混合协同频谱感知系统 | |
CN101308206A (zh) | 一种白噪声背景下的圆周轨迹机动目标跟踪方法 | |
CN109413665A (zh) | 一种水面无人艇协同组网方法 | |
CN111465010B (zh) | 一种在合作驾驶中保护车辆位置隐私的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |