CN108053665A - 车联网环境中双信任机制的交通信息识别转发方法 - Google Patents
车联网环境中双信任机制的交通信息识别转发方法 Download PDFInfo
- Publication number
- CN108053665A CN108053665A CN201810036829.5A CN201810036829A CN108053665A CN 108053665 A CN108053665 A CN 108053665A CN 201810036829 A CN201810036829 A CN 201810036829A CN 108053665 A CN108053665 A CN 108053665A
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- sending node
- information
- msub
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/214—Monitoring or handling of messages using selective forwarding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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
本发明提供车联网环境中双信任机制的交通信息识别转发方法，1.发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；2.判断发送节点i是否为特殊车辆，3.收节点j计算发送节点i的信任值；4.接收节点j判断发送节点i是否可信；5.计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；6.判断发送节点i所发道路路况信息M内容是否可信；本发明通过计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
Description
技术领域
本发明涉及车联网安全技术领域，具体为车联网环境中双信任机制的交通信息识别转发方法。
背景技术
随着车联网技术的快速发展，车联网的信息安全问题已成为近年来的研究热点，信任机制是解决车联网信息安全的一种有效途径。目前，针对车联网环境中交通信息的识别方法主要是对发送交通信息节点的信任值计算，判断发送节点是否可信，若发送节点可信则认为所发送的交通信息可信，然而这种方法并没有考虑节点发送的交通信息内容是否准确，容易导致虚假信息的传播。
发明内容
针对现有技术中存在的问题，本发明提供一种车联网环境中双信任机制的交通信息识别转发方法，设计合理，安全可靠，通过双信任机制的交通信息识别方法能够有效提高整个车联网的转发准确率。
本发明是通过以下技术方案来实现：
车联网环境中双信任机制的交通信息识别转发方法，包括如下步骤：
步骤1，在车联网中，发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；
步骤2，接收节点j根据接收信息M，判断发送节点i是否为特殊车辆，如果是，则认为发送节点i可信，转发广播消息M；否则，发送节点i不是特殊车辆，执行步骤3；
步骤3，接收节点j通过下式计算发送节点i的信任值；
T(i)＝αCT(i)+βCF(i)+λR(i) (1)
式(1)中，T(i)表示节点i的总信任值，CT(i)表示节点i基于交互产生的信任值，CF(i)表示节点i相关的交互环境所产生的信任值，R(i)表示路边单元RSU对节点i的信任值，α、β、λ是权重系数，α+β+λ＝1；
步骤4，接收节点j判断发送节点i是否可信；根据步骤3所计算的发送节点i的信任值与设定的信任阈值比较，若小于信任阈值，认为发送节点i不可信拒绝转发消息M；若大于阈值，则认为发送节点i可信，进行步骤5；
步骤5，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；
步骤6，根据步骤5得到的余弦值和一致性，判断发送节点i所发道路路况信息M内容是否可信；若计算得到的余弦值都接近1且相关属性向量一致，认为发送节点i所发信息M内容可信并转发广播；若计算得到的余弦值中有一个接近0或相关属性向量不一致，则认为发送节点i所发信息M内容不可信拒绝转发该信息。
优选的，步骤1中，发送节点i发送的道路路况信息M内容格式如下：
M＝{Vi-type,El,Et,Ejam}，
其中，Vi-type表示发送节点i的车辆类型，El表示发生道路拥堵的路段位置，Et表示发生道路拥堵的时间，Ejam表示道路当前路况；车辆类型为特殊车辆或者普通车辆，道路当前路况为道路拥堵或者道路正常。
进一步，步骤2中，接收节点j根据发送节点i所发信息M内容属性Vi-type判断发送节点i车辆类型，若发送节点i是特殊车辆，则接收节点j赋予发送节点i的信任值为1，认为发送节点i可信，转发广播消息M；若发送节点i不是特殊车辆，执行步骤3。
优选的，步骤3中，当进行多次交互后，节点i基于交互产生的信任值计算如(2)式，
在(2)式中，CT(i)表示节点i基于交互产生的信任值，p(i,u)表示第u次交互中与i进行交互的节点，S(i,u)表示交易节点p(i,u)在第u次交互后对i的评价，TF(i,u)表示节点i第u次交互后相关的交互环境产生的信任值，I(i)表示节点i进行交互的总数量。
优选的，步骤4中，设定的信任阈值，通过多次仿真实验确定得到。
进一步，步骤5中，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度之前，包括如下步骤，
步骤5.1，在VANET中，通过V2I通信车辆可以定期向路边单元RSU发送车辆信息，定义路边单元RSU接收的发送节点i信息内容格式为：
MR＝{Vi-l,Vi-t,Vi-s,Vi-d}；
其中，Vi-l表示发送节点i当前的位置、Vi-t表示发送节点i向路边单元RSU发送信息的时间、Vi-s表示发送节点i当前行驶速度、Vi-d表示发送节点i当前行驶方向；
步骤5.2，设置两个时间戳，当发送节点i向接收节点j发送信息M后，发送节点i再向路边单元RSU发送信息MR；
步骤5.3，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度。
进一步，步骤5.3中，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度时，具体包括如下步骤，
步骤5.3.1，计算Vi-l与El的夹角余弦值若它们的余弦值越接近1，表示发送节点i当前位置距离道路拥堵发生位置越近，或者是目击道路拥堵发生的节点，认为发送节点i发送的信息可信度高；计算公式如(3)式：
步骤5.3.2，计算Vi-t与Et的夹角余弦值若它们的余弦值越接近于1，表示发送节点i向路边单元RSU发送信息的时间距离道路拥堵发生的时间越近，认为发送节点i发送的信息具有及时性实时性；计算公式如(4)式：
步骤5.3.3，计算Vi-s和Vi-d与Ejam是否一致；
若Ejam为道路拥堵，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s小于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
若Ejam为道路正常，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s大于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
否则相矛盾。
进一步，步骤6中，具体按照如下步骤判断发送节点i所发道路路况信息M内容是否可信；
根据步骤5公式(3)和(4)计算得到的余弦值，判断发送节点i所发信息M内容是否可信；
若计算得到的和余弦值都接近1，且Vi-s和Vi-d与Ejam一致，认为发送节点i所发信息M内容可信并转发广播；
若计算得到的和余弦值中有一个接近0，或Vi-s和Vi-d与Ejam不一致，则认为发送节点i所发信息M内容不可信拒绝转发该信息。
与现有技术相比，本发明具有以下有益的技术效果：
本发明所述方法将节点信任评估机制与节点所发信息内容评估机制相结合。通过社交网络基于车辆节点之间的通信以及RSU与车辆之间的通信，计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
附图说明
图1为本发明所述算法的流程框图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
目前车联网中的交通信息主要包含路况信息(拥堵与否)、天气信息、娱乐信息等。由于道路路况信息会对驾驶员驾驶行为产生影响，同时也影响着道路路网的使用效率，因此本发明主要是对交通信息中的道路路况是否拥堵进行识别。
本发明车联网环境中双信任机制的交通信息识别转发方法，如图1所示，包括如下步骤：
定义发送节点i发送的道路路况信息M内容格式，所发信息M内容为：M＝{Vi-type,El,Et,Ejam}，其中，Vi-type表示发送节点i的车辆类型(特殊车辆或者普通车辆)、El表示发生道路拥堵的路段位置、Et表示发生道路拥堵的时间、Ejam表示道路当前路况(道路拥堵或者道路正常)。
步骤1，在车联网中，发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；
步骤2，接收节点j判断发送节点i是否为特殊车辆；
接收节点j根据发送节点i所发信息M内容属性Vi-type判断发送节点i车辆类型，若发送节点i是特殊车辆(例如，警车和救护车等)，则接收节点j赋予发送节点i的信任值为1，认为发送节点i可信，转发广播消息M；若发送节点i不是特殊车辆，进行步骤3。其中的信任值是根据实验仿真数据得到的。
步骤3，接收节点j计算发送节点i的信任值；
社交网络中信任机制PeerTrust算法是利用置信因子来综合局部声誉和全局声誉，用反馈评价来计算节点的直接信任值。本发明中改进了传统的PeerTrust算法，将路边单元RSU对节点的信任值计算求和，算法在计算信任值时考虑了以下5个影响因素：
(1)反馈评价：即节点在每次交互结束之后对于本次交互给出一个评价值，用S(i,u)表示，交互反馈的评价形式可以是多种多样的，但是在计算信任值时必须要进行归一化处理，转换到[0，1]区间上，即0≤S(i,u)≤1。
(2)交互的总次数I(i)：考虑节点交互总次数对其信任值计算的影响，一般认为，节点的交互次数越多，说明节点越活跃，其他节点更倾向于与它进行交互，相应的其信任值也应该越高。如果该节点是一个恶意节点，它的信任值低，不会存在与其他节点较多次的交互行为。
(3)提供反馈评价节点的推荐可信度：反馈评价节点的推荐可信度是指提供该反馈信息的节点提供信息的可信程度，用Cr(v)表示。
(4)与交互环境相关的因素惩罚激励因子，对提供诚实反馈的节点提供奖励，对提供不诚实反馈的节点给予惩罚。
(5)基于路边单元RSU计算节点的信任度R(i)。
结合上述要素，(1)式为改进的PeerTrust算法：
T(i)＝αCT(i)+βCF(i)+λR(i) (1)
在上式中，T(i)表示节点i的总信任值，CT(i)表示节点i基于交互产生的信任值，CF(i)表示节点i相关的交互环境所产生的信任值，R(i)表示路边单元RSU对节点i的信任值。节点的总信任值由三方面的信任计算组成，一是交互产生的信任值CT(i)，二是交互环境产生的信任值CF(i)，还有路边单元RSU产生的信任值R(i)，加权这三方面的信任值得到节点的总信任值，其中α、β、λ是权重系数，α+β+λ＝1。当进行多次交互后，节点i基于交互产生的信任值计算如(2)式，
在(2)式中，CT(i)表示节点i基于交互产生的信任值，p(i,u)表示第u次交互中与i进行交互的节点，S(i,u)表示交互节点p(i,u)在第u次交互后对i的评价，TF(i,u)表示节点i第u次交互后相关的交互环境产生的信任值，I(i)表示节点i进行交互的总数量。从上式可得，CT(i)是由节点i进行交互的总数量I(i)，交互节点p(i,u)在第u次交互后对i的评价s(i,u)，推荐节点的推荐可信度Cr(v)，以及节点i第u次交互后相关的交互环境产生的TF(i,u)共同决定。
步骤4，接收节点j判断发送节点i是否可信；
通过多次仿真实验，确定车辆节点信任阈值。根据步骤3所计算的发送节点i的信任值与阈值比较，若小于阈值，认为发送节点i不可信拒绝转发消息M。若大于阈值，则认为发送节点i可信，进行步骤5。
步骤5，计算道路路况信息M与车辆信息MR内容相似度；
5.1在VANET中，通过V2I通信车辆可以定期向路边单元RSU发送车辆信息，定义路边单元RSU接收的发送节点i信息内容格式为：MR＝{Vi-l,Vi-t,Vi-s,Vi-d}Vi-l表示发送节点i当前的位置、Vi-t表示发送节点i向路边单元RSU发送信息的时间、Vi-s表示发送节点i当前行驶速度、Vi-d表示发送节点i当前行驶方向。
5.2设置两个时间戳，当发送节点i向接收节点j发送信息M后，发送节点i再向路边单元RSU发送信息MR。
5.3比较道路路况信息M与车辆信息MR内容属性。利用相似度进行比较，相似度S(Similarity)指两个文档内容相关程度的大小，当文档以向量来表示时，可以使用向量文档向量间的距离来衡量，一般使用内积或夹角的余弦来计算，两者夹角越小说明相似度越高。本发明是计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度，夹角越小，余弦值越接近于1，它们的方向越吻合，越相似，可信度越高。
(1)计算Vi-l与El的夹角余弦值若它们的余弦值越接近1，表示发送节点i当前位置距离道路拥堵发生位置越近，或者是目击道路拥堵发生的节点，认为发送节点i发送的信息可信度高。计算公式如(3)式：
(2)计算Vi-t与Et的夹角余弦值若它们的余弦值越接近于1，表示发送节点i向路边单元RSU发送信息的时间距离道路拥堵发生的时间越近，认为发送节点i发送的信息具有及时性实时性。计算公式如(4)式：
(3)计算Vi-s、Vi-d与Ejam是否一致，
若Ejam为道路拥堵，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s小于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
若Ejam为道路正常，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s大于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
否则相矛盾。
步骤6，判断发送节点i所发道路路况信息M内容是否可信；
根据步骤5公式(3)(4)计算得到的余弦值，判断发送节点i所发信息M内容是否可信。若计算得到的余弦值都接近1且Vi-s、Vi-d与Ejam一致，认为发送节点i所发信息M内容可信并转发广播。若计算得到的余弦值中有一个接近0或Vi-s、Vi-d与Ejam不一致，则认为发送节点i所发信息M内容不可信拒绝转发该信息。
Claims (8)
1.车联网环境中双信任机制的交通信息识别转发方法，其特征在于，包括如下步骤：
步骤1，在车联网中，发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；
步骤2，接收节点j根据接收信息M，判断发送节点i是否为特殊车辆，如果是，则认为发送节点i可信，转发广播消息M；否则，发送节点i不是特殊车辆，执行步骤3；
步骤3，接收节点j通过下式计算发送节点i的信任值；
T(i)＝αCT(i)+βCF(i)+λR(i) (1)
式(1)中，T(i)表示节点i的总信任值，CT(i)表示节点i基于交互产生的信任值，CF(i)表示节点i相关的交互环境所产生的信任值，R(i)表示路边单元RSU对节点i的信任值，α、β、λ是权重系数，α+β+λ＝1；
步骤4，接收节点j判断发送节点i是否可信；根据步骤3所计算的发送节点i的信任值与设定的信任阈值比较，若小于信任阈值，认为发送节点i不可信拒绝转发消息M；若大于阈值，则认为发送节点i可信，进行步骤5；
步骤5，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；
步骤6，根据步骤5得到的余弦值和一致性，判断发送节点i所发道路路况信息M内容是否可信；若计算得到的余弦值都接近1且相关属性向量一致，认为发送节点i所发信息M内容可信并转发广播；若计算得到的余弦值中有一个接近0或相关属性向量不一致，则认为发送节点i所发信息M内容不可信拒绝转发该信息。
2.根据权利要求1所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤1中，发送节点i发送的道路路况信息M内容格式如下：
M＝{Vi-type,El,Et,Ejam}，
其中，Vi-type表示发送节点i的车辆类型，El表示发生道路拥堵的路段位置，Et表示发生道路拥堵的时间，Ejam表示道路当前路况；车辆类型为特殊车辆或者普通车辆，道路当前路况为道路拥堵或者道路正常。
3.根据权利要求2所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤2中，接收节点j根据发送节点i所发信息M内容属性Vi-type判断发送节点i车辆类型，若发送节点i是特殊车辆，则接收节点j赋予发送节点i的信任值为1，认为发送节点i可信，转发广播消息M；若发送节点i不是特殊车辆，执行步骤3。
4.根据权利要求1所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤3中，当进行多次交互后，节点i基于交互产生的信任值计算如(2)式，
<mrow>
<mi>C</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>u</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>C</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>u</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>T</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
在(2)式中，CT(i)表示节点i基于交互产生的信任值，p(i,u)表示第u次交互中与i进行交互的节点，S(i,u)表示交易节点p(i,u)在第u次交互后对i的评价，TF(i,u)表示节点i第u次交互后相关的交互环境产生的信任值，I(i)表示节点i进行交互的总数量。
5.根据权利要求1所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤4中，设定的信任阈值，通过多次仿真实验确定得到。
6.根据权利要求2所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤5中，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度之前，包括如下步骤，
步骤5.1，在VANET中，通过V2I通信车辆可以定期向路边单元RSU发送车辆信息，定义路边单元RSU接收的发送节点i信息内容格式为：
MR＝{Vi-l,Vi-t,Vi-s,Vi-d}；
其中，Vi-l表示发送节点i当前的位置、Vi-t表示发送节点i向路边单元RSU发送信息的时间、Vi-s表示发送节点i当前行驶速度、Vi-d表示发送节点i当前行驶方向；
步骤5.2，设置两个时间戳，当发送节点i向接收节点j发送信息M后，发送节点i再向路边单元RSU发送信息MR；
步骤5.3，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度。
7.根据权利要求6所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤5.3中，计算道路路况信息M与车辆信息MR属性向量的夹角余弦值来评估它们的相似度时，具体包括如下步骤，
步骤5.3.1，计算Vi-l与El的夹角余弦值若它们的余弦值越接近1，表示发送节点i当前位置距离道路拥堵发生位置越近，或者是目击道路拥堵发生的节点，认为发送节点i发送的信息可信度高；计算公式如(3)式：
<mrow>
<mi>S</mi>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>l</mi>
</msub>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</msqrt>
<mo>+</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>l</mi>
</msub>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤5.3.2，计算Vi-t与Et的夹角余弦值若它们的余弦值越接近于1，表示发送节点i向路边单元RSU发送信息的时间距离道路拥堵发生的时间越近，认为发送节点i发送的信息具有及时性实时性；计算公式如(4)式：
<mrow>
<mi>S</mi>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>t</mi>
</msub>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>V</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
</msqrt>
<mo>+</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>E</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>t</mi>
</msub>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤5.3.3，计算Vi-s和Vi-d与Ejam是否一致；
若Ejam为道路拥堵，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s小于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
若Ejam为道路正常，当Vi-d表示发送节点i向道路拥堵发生地点行驶，Vi-s大于车辆行驶速度阈值时，则Vi-s和Vi-d与Ejam一致；
否则相矛盾。
8.根据权利要求7所述的车联网环境中双信任机制的交通信息识别转发方法，其特征在于，步骤6中，具体按照如下步骤判断发送节点i所发道路路况信息M内容是否可信；
根据步骤5公式(3)和(4)计算得到的余弦值，判断发送节点i所发信息M内容是否可信；
若计算得到的和余弦值都接近1，且Vi-s和Vi-d与Ejam一致，认为发送节点i所发信息M内容可信并转发广播；
若计算得到的和余弦值中有一个接近0，或Vi-s和Vi-d与Ejam不一致，则认为发送节点i所发信息M内容不可信拒绝转发该信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810036829.5A CN108053665B (zh) | 2018-01-15 | 2018-01-15 | 车联网环境中双信任机制的交通信息识别转发方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810036829.5A CN108053665B (zh) | 2018-01-15 | 2018-01-15 | 车联网环境中双信任机制的交通信息识别转发方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108053665A true CN108053665A (zh) | 2018-05-18 |
| CN108053665B CN108053665B (zh) | 2019-05-03 |
Family
ID=62127419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810036829.5A Expired - Fee Related CN108053665B (zh) | 2018-01-15 | 2018-01-15 | 车联网环境中双信任机制的交通信息识别转发方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108053665B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108712287A (zh) * | 2018-05-22 | 2018-10-26 | 同济大学 | 基于节点相似度的vanet社区发现方法 |
| CN108806215A (zh) * | 2018-06-14 | 2018-11-13 | 安徽科力信息产业有限责任公司 | 多源路况信息数据可信度指数的精度修正方法及系统 |
| CN109035760A (zh) * | 2018-06-22 | 2018-12-18 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
| CN110177370A (zh) * | 2019-05-31 | 2019-08-27 | 长安大学 | 一种面向车联网的共谋恶意车辆节点检测方法 |
| WO2020000924A1 (zh) * | 2018-10-12 | 2020-01-02 | 暨南大学 | 一种车联网中聚合两种信任评估的消息可靠性评估方法 |
| CN111586186A (zh) * | 2020-05-12 | 2020-08-25 | 南通大学 | 一种道路雾架构环境下车辆结点信任值计算方法 |
| CN113727282A (zh) * | 2021-08-18 | 2021-11-30 | 暨南大学 | 车联网中隐私保护的基于相似度的信任评估方法 |
| CN114040362A (zh) * | 2021-09-18 | 2022-02-11 | 清华大学 | 一种车路协同环境下车辆动态可信关系建立方法及装置 |
| CN114051039A (zh) * | 2021-09-18 | 2022-02-15 | 清华大学 | 一种基于交通业务特征的车辆可信度获取方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070194906A1 (en) * | 2006-02-22 | 2007-08-23 | Federal Signal Corporation | All hazard residential warning system |
| CN106330910A (zh) * | 2016-08-25 | 2017-01-11 | 重庆邮电大学 | 车联网中基于节点身份和信誉的强隐私保护双重认证方法 |
| CN106412912A (zh) * | 2016-06-22 | 2017-02-15 | 长安大学 | 一种面向车联网的节点信任评估方法 |
| CN107086996A (zh) * | 2017-04-14 | 2017-08-22 | 重庆邮电大学 | 车联网安全认证装置及方法 |
-
2018
- 2018-01-15 CN CN201810036829.5A patent/CN108053665B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070194906A1 (en) * | 2006-02-22 | 2007-08-23 | Federal Signal Corporation | All hazard residential warning system |
| CN106412912A (zh) * | 2016-06-22 | 2017-02-15 | 长安大学 | 一种面向车联网的节点信任评估方法 |
| CN106330910A (zh) * | 2016-08-25 | 2017-01-11 | 重庆邮电大学 | 车联网中基于节点身份和信誉的强隐私保护双重认证方法 |
| CN107086996A (zh) * | 2017-04-14 | 2017-08-22 | 重庆邮电大学 | 车联网安全认证装置及方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108712287B (zh) * | 2018-05-22 | 2020-12-29 | 同济大学 | 基于节点相似度的vanet社区发现方法 |
| CN108712287A (zh) * | 2018-05-22 | 2018-10-26 | 同济大学 | 基于节点相似度的vanet社区发现方法 |
| CN108806215A (zh) * | 2018-06-14 | 2018-11-13 | 安徽科力信息产业有限责任公司 | 多源路况信息数据可信度指数的精度修正方法及系统 |
| CN109035760A (zh) * | 2018-06-22 | 2018-12-18 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
| CN109035760B (zh) * | 2018-06-22 | 2021-11-02 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
| WO2020000924A1 (zh) * | 2018-10-12 | 2020-01-02 | 暨南大学 | 一种车联网中聚合两种信任评估的消息可靠性评估方法 |
| CN110177370A (zh) * | 2019-05-31 | 2019-08-27 | 长安大学 | 一种面向车联网的共谋恶意车辆节点检测方法 |
| CN110177370B (zh) * | 2019-05-31 | 2022-06-14 | 长安大学 | 一种面向车联网的共谋恶意车辆节点检测方法 |
| CN111586186A (zh) * | 2020-05-12 | 2020-08-25 | 南通大学 | 一种道路雾架构环境下车辆结点信任值计算方法 |
| CN113727282A (zh) * | 2021-08-18 | 2021-11-30 | 暨南大学 | 车联网中隐私保护的基于相似度的信任评估方法 |
| CN113727282B (zh) * | 2021-08-18 | 2023-05-26 | 暨南大学 | 车联网中隐私保护的基于相似度的信任评估方法 |
| CN114040362A (zh) * | 2021-09-18 | 2022-02-11 | 清华大学 | 一种车路协同环境下车辆动态可信关系建立方法及装置 |
| CN114051039A (zh) * | 2021-09-18 | 2022-02-15 | 清华大学 | 一种基于交通业务特征的车辆可信度获取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108053665B (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108053665B (zh) | 车联网环境中双信任机制的交通信息识别转发方法 | |
| Yao et al. | Using trust model to ensure reliable data acquisition in VANETs | |
| Rostamzadeh et al. | A context-aware trust-based information dissemination framework for vehicular networks | |
| Kolandaisamy et al. | A stream position performance analysis model based on DDoS attack detection for cluster-based routing in VANET | |
| Dietzel et al. | Resilient secure aggregation for vehicular networks | |
| Rawat et al. | On the security of information dissemination in the Internet-of-Vehicles | |
| Kolandaisamy et al. | A multivariant stream analysis approach to detect and mitigate DDoS attacks in vehicular ad hoc networks | |
| Ahmad et al. | A comparative analysis of trust models for safety applications in IoT-enabled vehicular networks | |
| Kakkasageri et al. | Regression based critical information aggregation and dissemination in VANETs: A cognitive agent approach | |
| Wang et al. | Joint security and QoS provisioning in train-centric CBTC systems under sybil attacks | |
| Kerrache et al. | Detection of intelligent malicious and selfish nodes in VANET using threshold adaptive control | |
| Tao et al. | Joint trust management and sharing provisioning in iov-based urban road network | |
| Kerrache et al. | Hierarchical adaptive trust establishment solution for vehicular networks | |
| Vinita et al. | Federated Learning-based Misbehaviour detection on an emergency message dissemination scenario for the 6G-enabled Internet of Vehicles | |
| Bhargava et al. | DUEL: Dempster uncertainty-based enhanced-trust level scheme for VANET | |
| Amari et al. | Trust management in vehicular ad-hoc networks: Extensive survey | |
| Ghaemi et al. | Intelligent transport system using time delay-based multipath routing protocol for vehicular ad hoc networks | |
| Huang et al. | The steady-state distribution of rehealing delay in an intermittently connected highway VANET | |
| Ma et al. | Traffic-aware data delivery scheme for urban vehicular sensor networks | |
| Himawan et al. | Performance analysis of communication model on position based routing protocol: review analysis | |
| Huang | On reputation and data-centric misbehavior detection mechanisms for VANET | |
| Dixit et al. | A new technique for trust computation and routing in VANET | |
| CN102945604B (zh) | 一种拥塞事件的判断方法 | |
| Ismath et al. | Emergency vehicle traversal using DSRC/WAVE based vehicular communication | |
| Jasim et al. | Identified of collision alert in vehicle ad hoc based on machine learning |
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: 20190503 Termination date: 20220115 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |