CN110621005B - 实现基于众包应用的车联网隐私保护方法 - Google Patents
实现基于众包应用的车联网隐私保护方法 Download PDFInfo
- Publication number
- CN110621005B CN110621005B CN201910918845.1A CN201910918845A CN110621005B CN 110621005 B CN110621005 B CN 110621005B CN 201910918845 A CN201910918845 A CN 201910918845A CN 110621005 B CN110621005 B CN 110621005B
- Authority
- CN
- China
- Prior art keywords
- poi
- traffic data
- vehicles
- vehicle
- points
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
-
- 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]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种实现基于众包应用的车联网隐私保护方法,其包括以下步骤:S1、确定时间容忍系数;S2、从p辆车中选择一辆以群身份上传该条交通数据至边缘节点;S3、并将用户的请求位置lr模糊在相对应的位置点POIlr中;S4、差构造正态分布函数集合;S5、获取偏移概率;S6、根据偏移概率熵最大化选取k‑1个位置点;S7、将k个位置点发送至边缘节点,得到对应的k条交通数据;S8、目标车辆U根据位置点POIlr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据,完成车联网中的交通数据下载。本发明可有效保护车联网数据上传与下载过程中的隐私。
Description
技术领域
本发明涉及车联网隐私保护利用,具体涉及一种实现基于众包应用的车联网隐私保护方法。
背景技术
联网车辆(Connected Vehicles)一般都安装智能设备,如高清的摄像头、行车记录仪、通信设备,以及其它的一些传感器,用于提供行车安全,减少车祸。由于联网车辆数量的不断增加,众包应用也相应的大量出现在车联网中。在众包应用中,车辆主动采集交通或安全信息,如道路地图、交通事故、车辆拥堵情况等。这和传统的采集方式不一样,传统的采集方式需要专门的设备、专门的人来做这些繁琐的工作,这就需要耗费大量的人力、物力和财力等。而且,就时效性而言,相比传统的采集方式,众包应用能提供高实时性的服务。因为车辆所处的环境复杂,且具有很高的更新频率,比如车辆所处的道路环境可能因为修路而改变,也可能因为驾驶员失误而出现交通事故等。传统的采集方式单靠人工来收集这些信息必然会有一定延迟。而采用众包应用,车辆通过配备的智能传感设备可以随时随地的收集到这些突发改变的交通信息。因此众包应用是一种具有前景的车联网应用。
但是,车联网在交通数据上传时,必然包括了交通数据发生的位置信息。而这个交通数据发生的位置很有可能就是车辆已经过的位置。因为车辆只有经过这个位置,才能通过车辆上的感知设备来采集相应位置上的交通数据。因此边缘节点会通过分析车辆上传的交通数据中包含的位置信息来猜测出车辆经过的位置,从而车辆的位置隐私就泄露了;在数据分发的过程中,如果请求的交通数据是车辆未来某时刻要抵达位置的交通数据信息,那么边缘节点通过这条下发的交通数据就能猜测出车辆将要到达的位置点,从而车辆的隐私就泄露了。
发明内容
针对现有技术中的上述不足,本发明提供的实现基于众包应用的车联网隐私保护方法解决了车联网过程中隐私可能泄露的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种实现基于众包应用的车联网隐私保护方法,其包括以下步骤:
S1、当目标车辆U采集到发生在位置l0的交通数据Msg(l0)时,确定该条交通数据Msg(l0)的时间容忍系数;
S2、根据时间容忍系数获取时间容忍范围,在时间容忍范围内,设置匿名保护程度p,并从p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传;
S3、构建一个包含当前位置和请求位置lr的区域A,获取区域A中所有的Q个位置点,并将用户的请求位置lr模糊在相对应的位置点POIlr中;
S4、在除开位置点POIlr的其余Q-1个位置点与位置点POIlr之间,以距离为期望值、角度为标准差构造正态分布函数集合;
S5、根据正态分布函数集合,获取Q-1个位置点与位置点POIlr之间的偏移概率;
S6、对获取的偏移概率进行排序,根据偏移概率熵最大化选取前面最大的k-1个偏移概率,得到对应的k-1个位置点;
S7、将选取的k-1个位置点和位置点POIlr均作为请求数据发送至边缘节点,得到对应的k条交通数据;
S8、目标车辆U根据位置点POIlr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据,完成车联网中的交通数据下载。
进一步地,步骤S1中的交通数据包括道路地图、交通事故和车流量,道路地图、交通事故和车流量的时间容忍系数分别为σ1、σ2和σ3;其中1>σ1>σ2>σ3>0。
进一步地,步骤S2的具体方法包括以下子步骤:
S2-1、根据公式
ti=σiT
获取与不同时间容忍系数相对应的时间容忍范围ti;其中σi表示时间容忍系数;T为最大容忍时间;
S2-2、在时间容忍范围ti内,记录所有经过位置l0的车辆数量m,判断m是否大于p,若是则进入步骤S2-3;否则进入步骤S2-4;
S2-3、从被记录的车辆中获取p-1辆与目标车辆U组成车辆群,并从包括目标车辆U在内的p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3;
S2-4、获取该车辆数量m与p的差值p-m,以位置l0为中心,R=tv为半径构建区域B,从区域B中随机选取p-m辆未被记录的车辆,并将其与被记录的车辆一起组成车辆群;
S2-5、从车辆群中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3。
进一步地,步骤S3的具体方法包括:
以包含的位置点数量大于等于2倍阈值k为条件,构建一个包含当前位置和请求位置lr的区域A,并获取区域A中所有的Q个位置点,将用户的请求位置lr模糊在相对应的位置点POIlr中。
进一步地,步骤S5的具体方法包括以下子步骤:
S5-1、根据公式
获取其余Q-1个位置点中第j个位置点与位置点POIlr构造的正态分布函数的密度函数其中π和e均为常数;rj为其余Q-1个位置点中第j个位置点与位置点POIlr之间的距离;σj为其余Q-1个位置点中第j个位置点与位置点POIlr之间角度的归一化值;x为其他位置点与位置点POIlr的偏移矢量;
S5-2、根据公式
S5-3、根据公式
S5-4、根据公式
本发明的有益效果为:本发明通过设置匿名保护程度来保护车联网上传过程中的隐私安全,并通过选取额外的位置点来隐藏目标位置点,实现车联网下载过程中的隐私安全,本发明可有效防止车联网过程中的位置隐私泄露。
附图说明
图1为本发明的流程示意图;
图2为加强型边缘节点的网络框架示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该实现基于众包应用的车联网隐私保护方法包括以下步骤:
S1、当目标车辆U采集到发生在位置l0的交通数据Msg(l0)时,确定该条交通数据Msg(l0)的时间容忍系数;
S2、根据时间容忍系数获取时间容忍范围,在时间容忍范围内,设置匿名保护程度p,并从p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传;
S3、构建一个包含当前位置和请求位置lr的区域A,获取区域A中所有的Q个位置点,并将用户的请求位置lr模糊在相对应的位置点POIlr中;
S4、在除开位置点POIlr的其余Q-1个位置点与位置点POIlr之间,以距离为期望值、角度为标准差构造正态分布函数集合;
S5、根据正态分布函数集合,获取Q-1个位置点与位置点POIlr之间的偏移概率;
S6、对获取的偏移概率进行排序,根据偏移概率熵最大化选取前面最大的k-1个偏移概率,得到对应的k-1个位置点;
S7、将选取的k-1个位置点和位置点POIlr均作为请求数据发送至边缘节点,得到对应的k条交通数据;
S8、目标车辆U根据位置点POIlr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据,完成车联网中的交通数据下载。
步骤S1中的交通数据包括道路地图、交通事故和车流量,道路地图、交通事故和车流量的时间容忍系数分别为σ1、σ2和σ3;其中1>σ1>σ2>σ3>0。σ1、σ2和σ3的值可由用户自定义。
针对交通数据中的道路地图、交通事故和车流量,本方法将该三种数据进行分类传输,因此在传输不同类数据时,会存在时间容忍范围不同的情况,步骤S2的具体方法包括以下子步骤:
S2-1、根据公式
ti=σiT
获取与不同时间容忍系数相对应的时间容忍范围ti;其中σi表示时间容忍系数;T为最大容忍时间;
S2-2、在时间容忍范围ti内,记录所有经过位置l0的车辆数量m,判断m是否大于p,若是则进入步骤S2-3;否则进入步骤S2-4;
S2-3、从被记录的车辆中获取p-1辆与目标车辆U组成车辆群,并从包括目标车辆U在内的p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3;
S2-4、获取该车辆数量m与p的差值p-m,以位置l0为中心,R=tv为半径构建区域B,从区域B中随机选取p-m辆未被记录的车辆,并将其与被记录的车辆一起组成车辆群;
S2-5、从车辆群中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3。
步骤S3的具体方法包括:以包含的位置点数量大于等于2倍阈值k为条件,构建一个包含当前位置和请求位置lr的区域A,并获取区域A中所有的Q个位置点,将用户的请求位置lr模糊在相对应的位置点POIlr中。
步骤S5的具体方法包括以下子步骤:
S5-1、根据公式
获取其余Q-1个位置点中第j个位置点与位置点POIlr构造的正态分布函数的密度函数其中π和e均为常数;rj为其余Q-1个位置点中第j个位置点与位置点POIlr之间的距离;σj为其余Q-1个位置点中第j个位置点与位置点POIlr之间角度的归一化值;x为其他位置点与位置点POIlr的偏移矢量;
S5-2、根据公式
S5-3、根据公式
S5-4、根据公式
本发明在使用时,当目标车辆U处在位置l0时,想请求关于位置lr的交通信息。而位置l0和lr处在不同的节点覆盖区域内。假设位置l0处在边缘节点E-node1的区域范围s1,而位置lr处在边缘节点E-node2的区域范围s2。首先车辆将位置lr扩展到一个较大的区域A,当然区域A必须包含位置lr。车辆将区域为A的发送给节点E-node1,然后节点E-node1返回区域A内所有的POIs。车辆计算出POIs个数num.(POI),如果num.(POI)小于2k,那么修改区域A的范围,通过公式A=2k/num.(POI)*A,直到区域A内的包含的POIs个数大于2k。设置变量Q=num.(POI),得到Q个POI点,{POIlr,POI1,POI2,….,POIQ-1},其中POIlr为位置lr所属的POI。按照构造正态分布函数集合N(u,σ)的步骤,构造正态分布函数{N(u1,σ1),N(u2,σ2),…,N(uj,σj),…,N(uQ-1,σQ-1)},并计算出这Q-1个偏移概率从这Q-1个偏移概率中,法选择出k-1个POIs,即{POI1,POI2,….,POIk-1},使其具有最大的偏移概率熵。因此,目标车辆U可以依次向E-node1和E-node2请求关于k个位置{POIlr,POI1,POI2,….,POIk-1}的交通数据。E-node2和E-node1依次将k条交通数据{Msg(POIlr),Msg(POI1),Msg(POI2),…,Msg(POIk-1)}响应给车辆U。由于这k条交通数据所请求的内容一样,只是请求发起的位置不同,因此边缘节点无法准确猜测出哪个请求位置为目标用户的真实需求,也就保护了目标车辆的隐私安全。
在具体实施过程中,为了保障三种交通数据传输的实时性需求。如图2所示,本发明提出了加强型边缘节点E-node。E-node节点是由RSU或者基站升级部署而成。不仅具有存储、转发,还具有一定的计算、学习能力。根据交通数据类型,E-node节点可以将数据分类存储,而且还能根据交通数据所发生的位置再一次划分类别。由于存储和转发是网络节点的基本能力,因此本实施过程不对存储和转发能力做相应的解释,仅对计算和学习能力做解释。
计算能力:E-node有一定的计算能力,能对计算密集型和时间密集型的任务进行处理,不需要上传给云服务器处理。这样大大解决了延时高的问题。
语义分析能力:E-node对数据进行语义分析,首先分析出交通数据所发生的POI点,根据POI点的不同而分别存储数据。将POI点属于E-node节点自己覆盖区域的交通数据存储在一起,将属于其他E-node节点覆盖区域的POI点交通数据存储在一起。如图2所示,针对E-node1来说(E-node1的覆盖区域为S1),E-node1将分别存储属于S1和不属于S1的POI点交通数据。然后再将交通数据按照数据类别进行分别存储:{Data1=道路地图,Data 2=交通事故,Data 3=车流量}。因此,E-node对交通数据进行了两次语义分析:一是交通数据的POI点分析;而是关于交通数据类型的分析。这有助于快速检索、处理和转发交通数据。
学习能力:E-node对POI的请求频率具有学习能力。对于E-node来说,其存储的交通数据有两种类型的POI点:一种是属于其覆盖区域内(POI∈S);另一种是不属于其覆盖区域内对于POI∈S的交通数据,边缘节点只需要分门别类的存储并处理。而针对的交通数据,边缘节点首先需要学习POI点的请求频率,根据请求频率的大小来决定对交通数据的处理。也就是说,只要车辆向E-node请求过的POI的交通数据且那么E-node记录该POI点,并计算出近段时间以来该POI点的请求频率。将POI请求频率大的交通分类存储起来。
通过对POI点请求频率的不断学习,可以加快用户数据反馈时间。比如,对于节点E-node1和POI1,其中和POI1∈S2。POI1相关的交通数据请求概率非常大,很多车辆进入区域S1后会请求关于的POI1的交通信息情况,而POI1并不属于区域S1。如果E-node没有学习能力,那么E-node1将不知道POI1请求概率非常大,也不会存储POI1相关的交通数据。那么每次针对POI1的请求时,节点E-node1就会先向E-node2请求关于POI1的交通数据,然后再反馈给车辆用户。而本实施过程正好将边缘节点赋予学习能力,那么E-node1就会根据记录的POI1请求概率,并发现这段时间POI1的请求概率很大,因此就会提前将POI1的交通数据存储起来。一旦有车辆用户请求POI1的数据,他就会直接反馈给车辆用户,这样就大大减少了车辆用户的反馈时间。
综上所述,本发明通过设置匿名保护程度来保护车联网上传过程中的隐私安全,并通过选取额外的位置点来隐藏目标位置点,实现车联网下载过程中的隐私安全,本发明可有效防止车联网过程中的位置隐私泄露。
Claims (5)
1.一种实现基于众包应用的车联网隐私保护方法,其特征在于,包括以下步骤:
S1、当目标车辆U采集到发生在位置l0的交通数据Msg(l0)时,确定该条交通数据Msg(l0)的时间容忍系数;
S2、根据时间容忍系数获取时间容忍范围,在时间容忍范围内,设置匿名保护程度p,并从p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传;
S3、构建一个包含当前位置和请求位置lr的区域A,获取区域A中所有的Q个位置点,并将用户的请求位置lr模糊在相对应的位置点POIlr中;
S4、在除开位置点POIlr的其余Q-1个位置点与位置点POIlr之间,以距离为期望值、角度为标准差构造正态分布函数集合;
S5、根据正态分布函数集合,获取Q-1个位置点与位置点POIlr之间的偏移概率;
S6、对获取的偏移概率进行排序,根据偏移概率熵最大化选取前面最大的k-1个偏移概率,得到对应的k-1个位置点;
S7、将选取的k-1个位置点和位置点POIlr均作为请求数据发送至边缘节点,得到对应的k条交通数据;
S8、目标车辆U根据位置点POIlr在请求数据中的位置从得到的k条交通数据中选取其需要的交通数据,完成车联网中的交通数据下载。
2.根据权利要求1所述的实现基于众包应用的车联网隐私保护方法,其特征在于,所述步骤S1中的交通数据包括道路地图、交通事故和车流量,道路地图、交通事故和车流量的时间容忍系数分别为σ1、σ2和σ3;其中1>σ1>σ2>σ3>0。
3.根据权利要求1所述的实现基于众包应用的车联网隐私保护方法,其特征在于,所述步骤S2的具体方法包括以下子步骤:
S2-1、根据公式
ti=σiT
获取与不同时间容忍系数相对应的时间容忍范围ti;其中σi表示时间容忍系数;T为最大容忍时间;
S2-2、在时间容忍范围ti内,记录所有经过位置l0的车辆数量m,判断m是否大于p,若是则进入步骤S2-3;否则进入步骤S2-4;
S2-3、从被记录的车辆中获取p-1辆与目标车辆U组成车辆群,并从包括目标车辆U在内的p辆车中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3;
S2-4、获取该车辆数量m与p的差值p-m,以位置l0为中心,R=tv为半径构建区域B,从区域B中随机选取p-m辆未被记录的车辆,并将其与被记录的车辆一起组成车辆群;
S2-5、从车辆群中随机选择一辆以群身份上传该条交通数据至边缘节点,完成车联网中的交通数据上传,进入步骤S3。
4.根据权利要求1所述的实现基于众包应用的车联网隐私保护方法,其特征在于,所述步骤S3的具体方法包括:
以包含的位置点数量大于等于2倍阈值k为条件,构建一个包含当前位置和请求位置lr的区域A,并获取区域A中所有的Q个位置点,将用户的请求位置lr模糊在相对应的位置点POIlr中。
5.根据权利要求1所述的实现基于众包应用的车联网隐私保护方法,其特征在于,所述步骤S5的具体方法包括以下子步骤:
S5-1、根据公式
获取其余Q-1个位置点中第j个位置点与位置点POIlr构造的正态分布函数的密度函数其中π和e均为常数;rj为其余Q-1个位置点中第j个位置点与位置点POIlr之间的距离;σj为其余Q-1个位置点中第j个位置点与位置点POIlr之间角度的归一化值;x为其他位置点与位置点POIlr的偏移矢量;
S5-2、根据公式
S5-3、根据公式
S5-4、根据公式
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918845.1A CN110621005B (zh) | 2019-09-26 | 2019-09-26 | 实现基于众包应用的车联网隐私保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918845.1A CN110621005B (zh) | 2019-09-26 | 2019-09-26 | 实现基于众包应用的车联网隐私保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110621005A CN110621005A (zh) | 2019-12-27 |
CN110621005B true CN110621005B (zh) | 2020-06-23 |
Family
ID=68924619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910918845.1A Active CN110621005B (zh) | 2019-09-26 | 2019-09-26 | 实现基于众包应用的车联网隐私保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110621005B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761555B (zh) * | 2021-07-20 | 2024-04-09 | 杭州师范大学 | 一种基于智能合约的安全可靠的车联网空间众包任务匹配方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107634837A (zh) * | 2017-11-01 | 2018-01-26 | 安徽大学 | 基于边缘计算的车联网高效消息认证方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910199B (zh) * | 2017-01-23 | 2019-07-09 | 北京理工大学 | 面向城市空间信息采集的车联网众包方法 |
EP3625979B1 (en) * | 2017-05-18 | 2024-02-21 | Malikie Innovations Limited | Detecting misbehavior of intelligent transport stations |
CN108769926B (zh) * | 2018-05-16 | 2020-10-23 | 电子科技大学 | 基于群体感知层的车联网隐私保护方法及车联网构架 |
CN110139214A (zh) * | 2019-06-26 | 2019-08-16 | 湖南大学 | 一种vanet中基于虚拟位置的车辆位置隐私保护方法 |
-
2019
- 2019-09-26 CN CN201910918845.1A patent/CN110621005B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107634837A (zh) * | 2017-11-01 | 2018-01-26 | 安徽大学 | 基于边缘计算的车联网高效消息认证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110621005A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200374342A1 (en) | Scalable and secure vehicle to everything communications | |
US10431103B2 (en) | Three-dimensional network coverage modeling for UAVs | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
US20200104289A1 (en) | Sharing classified objects perceived by autonomous vehicles | |
JP2020533714A (ja) | 地図データ構築方法、車両端末、およびサーバ | |
CN105718465A (zh) | 地理围栏生成方法及装置 | |
US11902374B2 (en) | Dynamic vehicle data extraction service | |
CN107316457B (zh) | 判断道路交通状况是否符合汽车自动驾驶的方法 | |
Feng et al. | Estimate air quality based on mobile crowd sensing and big data | |
CN111815946A (zh) | 一种异常路段的确定方法、装置、存储介质和电子设备 | |
US20230169805A1 (en) | Fleet data collection using a unified model to collect data from heterogenous vehicles | |
US20220321343A1 (en) | Multi-level access control in sharing of vehicle data with devices | |
He et al. | Designated verifier proxy blind signature scheme for unmanned aerial vehicle network based on mobile edge computing | |
CN110621005B (zh) | 实现基于众包应用的车联网隐私保护方法 | |
Shinkuma et al. | Data assessment and prioritization in mobile networks for real-time prediction of spatial information using machine learning | |
US20140031061A1 (en) | Systems And Methods For Monitoring Device And Vehicle | |
CN112233419B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
Raiyn | Detection of road traffic anomalies based on computational data science | |
US20240013592A1 (en) | Critical scenario identification for verification and validation of vehicles | |
Tyagi et al. | Future Intelligent Vehicles: Open Issues, Critical Challenges, and Research Opportunities | |
da Silva et al. | Inference of driver behavior using correlated IoT data from the vehicle telemetry and the driver mobile phone | |
Ding et al. | A deep learning based traffic state estimation method for mixed traffic flow environment | |
WO2020002768A1 (en) | Public display device management | |
Yang et al. | Stochastic Parameter Identification Method for Driving Trajectory Simulation Processes Based on Mobile Edge Computing and Self‐Organizing Feature Mapping | |
WO2022068558A1 (zh) | 一种地图数据的传输方法及装置 |
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 |