发明内容
本发明提出了一种车联网车辆异常行为的智能检测方法,包括如下阶段:
信息收集阶段:在交通路线周围设置路边单元,利用所述路边单元收集附近车辆广播的车辆基本信息并检查车辆信息的一致性;
检测追踪阶段:所述路边单元利用人工免疫系统将车辆行为划分为正常车辆行为和异常车辆行为,并针对异常车辆行为进行报警及后续追踪。
本发明提出的所述车联网车辆异常行为的智能检测方法中,信息收集阶段具体包括如下步骤:
步骤A1:在车辆上安装用于获取车辆基本信息的片上控制单元,在交通路线周围设置可与所述片上控制单元通信的路边单元;开启所述片上控制单元和所述路边单元;
步骤A2:所述片上控制单元向空间内以无线传播方式广播车辆的基本信息,基本信息包含:该车的地理坐标、瞬时行驶方向、瞬时速度、瞬时加速度;
步骤A3:所述路边单元连续接收通讯范围内所有车辆的基本信息;
步骤A4:所述路边单元检查所收集的消息是否满足车联网协议所规定的消息格式,如果消息格式正确,则将消息按车辆编号和时间信息进行划分,检查相同时间点同一辆车的消息内容是否一致;如果消息格式不符合规范或者相同时间点同一辆车的消息内容不一致时,产生报警信息并直接发送报警内容到控制中心。
本发明提出的所述车联网车辆异常行为的智能检测方法中,在步骤A3中,车辆进一步接收通信范围内其他车辆所广播的基本信息,并转送至其通信范围内的路边单元中。
本发明提出的所述车联网车辆异常行为的智能检测方法中,在步骤A4中,所述路边单元进一步解析收集到的基本信息中的数据内容,将地理坐标、瞬时行驶方向、瞬时速度、瞬时加速度与所在路况进行关联转化为车辆行为。
本发明提出的所述车联网车辆异常行为的智能检测方法中,检测追踪阶段具体包括下述步骤:
步骤B1:所述路边单元通过运行针对车联网特性设计的基于人工免疫系统的车辆异常行为检测方法,对收集到的车辆基本信息进行分析;
步骤B2:路边单元将报警信息发送给控制中心,由控制中心做出决策,并对于可疑车辆进行后续追踪。
本发明提出的所述车联网车辆异常行为的智能检测方法中,基于人工免疫系统的车辆异常行为检测方法包括以下一种或多种方式的任意组合:
基于阴性选择算法检测方法:预先定义正常车辆状态的数据范围,统一化处理所收集的数据;经过参数训练获得若干用于检测异常车辆的检测器,所述检测器用于匹配被检车辆的车辆参数,当两者匹配程度超过阈值时检测到非正常车辆;
基于树突细胞算法检测方法:初始化车联网环境下待检测车辆的状态,初始为正常行驶;通过检测车辆在一定时间段内出现异常状态的次数并根据不同状态对应的权重确定非正常车辆;
基于克隆选择优化算法检测方法:参考生物界遗传学的克隆选择过程,该方法是一种基于机器学习的优化方法,用于提高阴性选择算法的检测性能。通过对阴性选择算法中的检测器进行“选择”、“交叉”、“变异”操作得到检测效果更好的检测器,参与后续检测过程。
本发明提出的所述车联网车辆异常行为的智能检测方法中,所述检测追踪阶段中步骤B2具体包括下述步骤:
步骤C1:每个位于路边单元中的基于人工免疫系统的车辆异常行为检测单元将检测的行为异常车辆信息通过因特网发送给控制中心;
步骤C2:控制中心做出决策,对异常的车辆进行处理,并将可疑的车辆信息缓存,对可疑的车辆继续追踪并检测其行为,当其出现异常时触发相应处理策略;
步骤C3:控制中心实时地将决策结果通过因特网发布到每个路边单元;
步骤C4:每个路边单元实时的将决策的结果发送给所有其通讯范围内的车辆片上单元。本发明还提出了一种基于人工免疫系统的车联网车辆异常行为检测系统,包括安装有片上控制单元可互相通讯的车辆,在交通路线周围设置的一个以上路边单元和控制中心所组成的车联网;其中,所述片上控制单元包括:
用于广播该车辆基本信息的消息发送单元;
用于接收其他车辆基本信息的消息接收单元;
用于转发其他车辆基本信息的消息转发单元;
所述路边单元包括:
用于获取车辆的基本信息的信息获取单元;
用于检测基本信息一致性的一致性检测单元;
用于检测异常车辆的人工免疫检测子系统;其中,包括树突细胞检测单元、阴性选择单元与克隆选择优化单元;
用于发出报警信息的报警单元;
所述控制中心包括:
用于存储和备份数据的信息缓存单元;及
用于最终决策的决策单元。
本发明提出的所述的车联网车辆异常行为的智能检测方法,其特征在于,所述车辆行为状态包含:正常行驶(在道路通畅的情况下,车辆无任何违反交通管理规定地行驶)、拥堵情况下缓慢行驶、超车、超速(超出当前道路车道限制的最大车速限制)、非法变道(不按规定方法变换车道、驶入禁止当前车辆行驶的车道、驶入禁止通行的车道)、紧急刹车、逆向行驶、闯红灯。
本发明的有益效果:本发明通过利用车联网便利的信息传递功能和人工免疫系统的智能化,分析多种车辆行为异常,提高检测效率,降低误检率。
具体实施方式
结合以下具体实施例和附图,对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明中有关的技术术语所代表的含义如下:
VANET表示VANET(Vehicular ad-hoc Network/车载自组织网络/车联网)是智能交通系统的核心,是物联网、移动网络通讯和传感器技术的融合,将无线通讯技术和网络技术融入车辆及交通系统。
OBU表示OBU(Onboard Unit/片上单元)是一种嵌入在车辆上的具有运算和通讯能力的电子器件;
RSU表示RSU(Roadside Units/路边单元)是设立在道路两边的用于车联网中,负责信息收集和处理、信息存储、信息中转等功能的专用设施;
V-V通讯是(Vehicle to Vehicle Communication)车辆与车辆之间的通讯
V-I通讯是(Vehicle to Infrastructure Communication)车辆与基础设施之间的通讯
DSRC表示(Dedicated Short Range Communication/专用短程通信)协议是一种专门为车联网设计的通讯协议,基于IEEE 802.11p标准和IEEE 1609协议簇;
PS是PAMPs信号(PAMP Signal)的缩写,表示生物界脊椎动物免疫系统中已知细胞危险时所释放的信号,对应于车联网环境下,车辆出现极其异常行为时释放的信息;
SS是安全信号(Safe Signal)的缩写,表示生物界脊椎动物免疫系统中已知细胞安全时所释放的信号,对应于车联网环境下,车辆正常行驶行为释放的信息;
DS是危险信号(Danger Signal)的缩写,表示生物界脊椎动物免疫系统中细胞行为有异常时释放的信号,对应于车联网环境下,车辆出现比较异常行为时释放的信息;
IC是炎症细胞因子(Inflammatory Cytokines Signal)信号的缩写,它在表示生物界脊椎动物免疫系统中能够放大其他生物信号的影响力,在本发明中,对应于车联网环境下,车辆出现轻微异常行为时释放的信息;
mDCs表示生物界脊椎动物免疫系统中的成熟树突细胞(mature DendriticCells),对应于车联网环境下,异常的车辆(可能是恶意的破坏分子,也可能是被破坏分子影响的正常车辆);
smDCs表示生物界脊椎动物免疫系统中的半成熟树突细胞(semi-matureDendritic Cells),对应于车联网环境下正常的车辆;
csm表示生物界脊椎动物免疫系统中的协同刺激分子(co-stimulatorymolecules),对应于车联网环境下可疑的车辆(有异常行为,但并没有对车联网系统的正常运行造成破坏)。
路况信息包含:交通道路路口信息(交通信号灯信息)、不同道路车道信息(每条道路行驶方向限制、不同车道边界值坐标、不同车道车速限制,车辆类型限制)、道路拥塞状况。
车辆的基本信息包含:该车的地理坐标、瞬时行驶方向、瞬时速度、瞬时加速度。
车辆行为状态包含:正常行驶(在道路通畅的情况下,车辆无任何违反交通管理规定地行驶)、拥堵情况下缓慢行驶、超车、超速(超出当前道路车道限制的最大车速限制)、非法变道(不按规定方法变换车道、驶入禁止当前车辆行驶的车道、驶入禁止通行的车道)、紧急刹车、逆向行驶、闯红灯。
本发明提出的车联网车辆异常行为的智能检测方法是基于如图1(a)所示的车联网模型。在该车联网中,所有待检测车辆需嵌入片上控制单元(OBU),片上控制单元支持车辆通过专用短程通信(DSRC)协议与其他车辆(V-V)的通信和与基础设施(V-I)之间的通信。在每辆车的片上控制单元(OBU)和所有路边单元(RSU)开启的状态下,所有车辆根据专用短程通信(DSRC)协议广播车辆自身基本信息,信息包含:该车的地理坐标、瞬时行驶方向、瞬时速度、瞬时加速度;与此同时,每辆车接收通讯范围内其他车辆广播的上述信息,并将信息转发给通讯范围内的路边单元,路边单元连续收集通讯范围内所有车辆的基本信息。所有路边单元具有一定的计算、存储和通讯能力,路边单元可以在通信范围内与车辆进行通信,通过因特网与控制中心进行信息交互。图1(b)为信息收集和信息发布的微观放大图。在信息收集阶段,基于车联网中车辆互联、车辆与基础设施互联的特性,所有车辆根据专用短程通信(DSRC)协议广播车辆自身基本信息,同时,每辆车连续收集通信范围内车辆广播的基本信息,并将信息转发给通讯范围内的路边单元,路边单元连续收集通讯范围内所有车辆的基本信息;在检测追踪阶段中路边单元通过运行针对车联网特性设计的基于人工免疫系统的车辆异常行为检测方法,并由控制中心做出最终决策后,实时地将决策结果通过因特网发布到每个路边单元,每个路边单元将决策结果实时地发送给所有其通讯范围内的车辆片上单元。
目前基于车联网中车辆行为的异常检测方法主要是针对某种类型的车辆异常行为,如对车联网中车辆的超速行为进行检测与分析,对车联网中信息转发过程中出现的信息转发异常进行检测。缺乏对大范围,分布式车联网环境中,车辆行驶时出现的多种不同程度的异常行为进行整体的融合分析与处理。目前的基于车联网中车辆行为的异常检测方式效率较低,无法适应智能交通系统中车辆节点众多、车辆高速移动等特性,远远不能满足车联网的安全需求。鉴于车联网安全方面的需求,本发明采用的是模仿生物界脊椎动物免疫系统中生物免疫特性设计的人工免疫系统方法,人工免疫系统是一个复杂的巨系统,可以同时对众多对象进行分布式处理。类似于生物免疫系统有效检测侵入机体的病原体的特性,人工免疫系统作用于网络可以有效防止入侵者进入网络,对网络系统造成破坏。
基于人工免疫系统的入侵检测系统包含三个子系统:树突细胞检测单元、阴性选择单元与克隆选择优化单元。上述子系统分别使用基于阴性选择算法检测方法、基于树突细胞算法检测方法和基于克隆选择优化算法检测方法检测车辆异常行为。以上子系统可独立检测,也可以相互任意结合后进行检测。
以下结合具体实施例具体阐述各子系统的检测原理及过程。
i)基于阴性选择算法的检测方法:受生物界脊椎动物免疫系统适应性免疫过程的启发,该方法可以有效区分“自己”细胞(对应于“正常”的车辆)和“非己”细胞(对应于“非正常”的车辆,可能是恶意的破坏分子,也可能是被破坏分子影响的正常车辆,或是有异常行为但并没有对车联网系统的正常运行造成破坏的车辆)。阴性选择算法主要分为检测器生成阶段和检测阶段。算法开始前,需要预先定义正常车辆状态的范围并对收集到的数据进行统一化处理(如根据检测内容自定义编码方式,对检测内容进行编码)。在检测器生成阶段随机生成检测器实例,经过参数训练得到若干检测异常车辆的检测器,匹配检测器和新收集到的车辆参数,当匹配程度超过一定阈值时,即检测到“非正常”的车辆。
ii)基于克隆选择优化算法的检测方法:参考生物界遗传学的克隆选择过程,该方法是一种基于机器学习的优化方法,用于提高阴性选择算法的检测性能。对收集到的数据进行统一化处理(具体操作方法参考图2(b),这里对检测内容的统一化处理采用的是二进制编码方式,具体实施过程中可根据检测内容自定义编码方式对检测内容进行编码)后,通过对阴性选择算法中检测器进行“选择”、“交叉”、“变异”操作得到检测效果更好的记忆检测器,参与后续检测过程。
图2(a)显示的是基于人工免疫系统阴性选择算法及基于克隆选择算法优化的异常车辆行为检测系统的流程图。基于阴性选择算法的检测方法可以将车联网环境下的车辆分为“正常”行驶的车辆和“非正常”行驶的车辆,基于树突细胞的检测方法可以对“非正常”车辆进行进一步划分,分为异常车辆(可能是恶意的破坏分子,也可能是被破坏分子影响的正常车辆)和可疑的车辆(有异常行为,但并没有对车联网系统的正常运行造成破坏)。
iii)基于树突细胞算法的检测方法:受生物界脊椎动物免疫系统先天性免疫过程的启发,该方法使用“信号”机制辅助检测分类过程。“树突细胞”是免疫系统中的一种抗原提呈细胞,分为多种状态:未成熟树突细胞,成熟树突细胞,半成熟树突细胞,协同刺激分子。免疫系统中的受损细胞根据受损程度不同会释放出不同的信号,刺激未成熟树突细胞(对应于车联网环境下待检测车辆的状态,初始为正常行驶)分化为成熟树突细胞(对应于车联网环境下的异常车辆,可能是恶意的破坏分子,也可能是被破坏分子影响的正常车辆)或半成熟树突细胞(对应于车联网环境下经检测表现正常的车辆),或产生协同刺激分子(对应于车联网环境下可疑的车辆,有异常行为,但并没有对车联网系统的正常运行造成破坏)。未成熟树突细胞的分化过程受当前车辆产生的信号浓度(一定时间内,该异常状态出现的次数)和信号的权重共同影响。如以下表1所示,表格中的数值是不同信号对树突细胞分化结果的影响权重,根据不同的检测场景,用户可设计适合其具体场景的信号权重值。根据表中给出的权重值,树突细胞的分化结果可根据计算公式得出(其中,Wij表示信号j在细胞分化过程中计算细胞i占的权重,Cp,Cd,Ci和Cs分别表示PAMPs信号、危险信号、炎症信号和安全信号的浓度值)。
表1树突细胞算法分化过程中不同信号权重值及其运算公式
以下结合具体实例,对本发明提出的基于树突细胞算法的车联网车辆异常行为的智能检测方法作具体说明。
如图3所示,每个路边单元收集到车辆的基本信息之后,首先检查所收集的消息是否满足专用短程通信协议(DSRC)所规定的消息格式,如果消息格式正确,则将消息按车辆编号和时间信息进行划分,检查相同时间点同一辆车的消息内容是否一致,如果消息格式不符合规范或者相同时间点同一辆车的消息内容不一致时,产生报警信息并直接发送报警内容到控制中心。否则,如果消息格式符合规范,并且相同时间点同一辆车的所有消息内容完全一致时,将进入基于树突细胞算法的检测阶段。
基于树突细胞算法的车辆异常行为检测路边单元进一步对收集到的车辆基本信息中的数据内容进行解析,将地理坐标、瞬时行驶方向、瞬时速度、瞬时加速度等信息与所在路况进行关联。路况信息包含:交通道路路口信息(交通信号灯信息)、不同道路车道信息(每条道路行驶方向限制、不同车道边界值坐标、不同车道车速限制,车辆类型限制)、道路拥塞状况。
对比分析车辆基本信息与同一时刻的该车所处地理位置的路况信息,得到该车的行为状态。车辆行为状态包含:正常行驶(在道路通畅的情况下,车辆无任何违反交通管理规定地行驶)、拥堵情况下缓慢行驶、超车、超速(超出当前道路车道限制的最大车速限制)、非法变道(不按规定方法变换车道、驶入禁止当前车辆行驶的车道、驶入禁止通行的车道)、紧急刹车、逆向行驶、闯红灯。其中,紧急刹车、逆向行驶、闯红灯属于极其危险的异常行为,对应于树突细胞算法中的PAMPs信号;超速和非法变道属于较严重的异常行为,对应于树突细胞算法中的危险信号;拥堵情况下的缓慢行驶和超车状态属于不严重的异常行为,对应于树突细胞算法中的炎症信号;正常行驶对应于树突细胞算法中的安全信号。
在检测开始之前,所有待检测车辆的状态初始为正常行驶状态,对应于树突细胞算法中的未成熟树突细胞。当检测到不同车辆异常时,将产生对应的刺激信号,从而促进未成熟树突细胞的分化过程。分化过程后输出不同细胞状态:成熟树突细胞对应于异常的车辆(可能是恶意的破坏分子,也可能是被破坏分子影响的正常车辆);半成熟树突细胞对应于正常的车辆;协同刺激分子对应于可疑的车辆(有异常行为,但并没有对车联网系统的正常运行造成破坏)。
未成熟树突细胞的分化过程受当前车辆产生的信号浓度(一定时间内,该异常状态出现的次数)和信号的权重共同影响。如以下表2所示,表格中的数值是信号权重值的一种解释,根据不同的检测场景,用户可设计适合其具体场景的信号权重值。根据表中给出的权重值,树突细胞的分化结果可根据计算公式得出(其中,Wij表示信号j在细胞分化过程中计算细胞i占的权重,Cp,Cd,Ci和Cs分别表示PAMPs信号、危险信号、炎症信号和安全信号的浓度值)。
表2树突细胞算法分化过程中不同信号权重值的一种解释及其运算公式
通过该路边单元对传输的车辆基本信息进行实时的解析,将解析结果通过因特网传送给控制中心。控制中心根据接收到的检测结果对异常的车辆进行处理,并将实时地将决策结果通过因特网发布到每个路边单元,每个路边单元再将决策的结果发送给所有其通讯范围内的车辆片上单元。此外,控制中心对可疑的车辆信息进行缓存,对可疑的车辆继续追踪并检测其行为,当其出现异常时触发相应处理策略。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。