CN111915891A - 一种基于本地差分隐私的实时路况检测方法 - Google Patents

一种基于本地差分隐私的实时路况检测方法 Download PDF

Info

Publication number
CN111915891A
CN111915891A CN202010727842.2A CN202010727842A CN111915891A CN 111915891 A CN111915891 A CN 111915891A CN 202010727842 A CN202010727842 A CN 202010727842A CN 111915891 A CN111915891 A CN 111915891A
Authority
CN
China
Prior art keywords
real
road condition
road
vehicle
vehicles
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
Application number
CN202010727842.2A
Other languages
English (en)
Other versions
CN111915891B (zh
Inventor
夏志华
沈子璇
余佩鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202010727842.2A priority Critical patent/CN111915891B/zh
Publication of CN111915891A publication Critical patent/CN111915891A/zh
Application granted granted Critical
Publication of CN111915891B publication Critical patent/CN111915891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于本地差分隐私的实时路况检测方法，属于信息安全技术领域。该检测方法包括对车辆位置数据的扰动、服务器统计并校正扰动数据、构造实时路况网络三个部分。本发明通过优化一元编码算法，对车辆的真实位置数据进行了ε‑本地差分隐私保护，即对车辆位置数据进行扰动，使得服务器无法得知该车辆的真实位置，但依旧能构建出实时路况图，对外提供准确的实时路况。利用该实时路况检测方法，不仅保护了提供数据者的隐私，也对路况查询者提供了精准的实时路况，方便了人们的出行规划。

Description

一种基于本地差分隐私的实时路况检测方法
技术领域
本发明属于信息安全技术领域，尤其涉及一种基于本地差分隐私的实时路况检测方法。
背景技术
现阶段，人们已步入大数据时代。研究机构、企业等都需要用户提供自己的个人数据供其进行一定的分析研究，以设计便民利民的产品，提供丰富多样的服务。例如，服务器需要每辆车提供自己的位置数据，供其研究路况，并反馈给大众，方便人们的出行规划。然而，个人数据常常是敏感的，其中可能包含着对于该用户而言的隐私数据。例如，位置数据可能暴露用户常去的地点和爱好。这样一来会导致用户不愿意分享自己的数据，因为这会给他们带来安全隐患。如果强制要求用户分享个人数据，用户很可能会提供假数据，这样一来收集到的数据就失去了研究的意义和价值。因此，需要研究隐私保护的技术与方法，为现有的实时路况检测方案提供新技术。
现有的路况检测方法大多要求车辆及车主提供实时的车辆位置信息，大致可分为以下两类。第一类是通过外部采集车辆位置的方案，例如视频检测技术，即通过路口的摄像头对经过的车辆进行拍摄和信息采集；第二类是通过内部提供车辆位置的方案，例如用户在使用导航软件时，自己的实施路线会被自动提供给服务器。这些方案大多将车辆的真正的实时位置信息发送给服务器，这就可能会泄露车辆及车主的隐私，例如暴露了车主的家庭住址、工作地点等；如果发送虚假的信息，就无法保证路况检测的准确性。
普渡大学的团队提出了一种预测频率的本地差分隐私协议，并提出了优化一元编码的算法。该算法对数据的信息位进行了高扰动，对数据的干扰位也进行了一定程度的扰动，进而能够对数据提供ε-本地差分隐私保护，使得服务器在收到单个用户的扰动数据时，无法得知该用户的真实数据是什么。但服务器在收到大量用户的扰动数据时，依旧能根据这样一个扰动数据库估计出真实人群的数据分布状况，保证了数据整体的可用性，并对外提供一定的服务。
发明内容
发明目的：针对以上问题，考虑到隐私需求，本发明提出一种基于本地差分隐私的实时路况检测方法。根据每辆车发送的被本地差分隐私保护后的位置数据，构造出某区域的实时路况网络图，将相应的路况返回给查询用户，供其选择最优路径，解决了用户隐私保护以及提供精准实时路况的问题。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于本地差分隐私的实时路况检测方法，包括以下步骤：
步骤1，在各路段设置信标，每辆车安装信标感应器，道路上的每辆车对车辆位置数据进行扰动，对车辆真实位置数据提供本地差分隐私保护，得到扰动数据；
步骤2，统计各路段车辆的扰动数据形成扰动位置数据库，并利用极大似然估计方法进行校正，得到每个路段上车辆数的估计值；
步骤3，每间隔一定时间，重复执行步骤2，根据路段的车辆数以及相应路段的长度计算该路段路况，所述路况即单位长度车辆数，构造实时路况网络，所述网络包括每个路段的起始点和终点以及该路段路况；
步骤4，当查询某起始点到某终点的路况时，根据实时路况网络对该起始点到该终点的所有路径进行遍历，计算出每条路径的路况，然后反馈给用户，供其选择最优路径。
进一步地，所述步骤1，对车辆位置数据的扰动，步骤如下：
车辆的感应器根据各路段上的信标生成二进制的信标向量x＝(x[1]，x[2]，...，x[n])，作为该车辆的位置数据，其中x[n]表示第n个信标位，距离车辆最近的信标位为1，其余位为0；
使用优化一元编码算法对车辆的位置数据，即信标向量，进行如下概率的按位扰动：
Figure BDA0002598489930000021
其中ε是隐私保护预算，x[i]表示真实的位置数据的第i位的数值，y[i]表示扰动后的位置数据的第i位的数值，Pr(·)为概率函数；扰动后的位置数据y被提供了ε-本地差分隐私保护。
进一步地，所述步骤2，统计并校正扰动数据，步骤如下：
根据扰动位置数据库，按位统计位置数据的第i位为1的车辆数量，即路段i的车辆数，记为Ci，对统计的数量进行如下的校正：
Figure BDA0002598489930000022
其中
Figure BDA0002598489930000023
表示校正后的第i位为1的车辆数量，即路段i的车辆数，N表示所有路段上的车辆总数。
进一步地，所述步骤3，计算每个路段i的路况，公式如下：
Figure BDA0002598489930000024
其中RCi表示路段i的路况，RLi表示路段i的长度，每个路段的路况表示为单位长度的车辆数。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
本发明设计了一种基于本地差分隐私的实时路况检测方法，相比已有的实时路况检测技术，本发明通过优化一元编码算法，对车辆的真实位置数据进行了ε-本地差分隐私保护，使得服务器无法得知该车辆的真实位置，但依旧能构建出实时路况图，对外提供准确的实时路况。利用本发明的实时路况检测方法，不仅保护了提供数据者的隐私，也对路况查询者提供了精准的实时路况，方便了人们的出行规划。
附图说明
图1是本发明的方法流程图；
图2是本发明的实时路况图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种基于本地差分隐私的实时路况检测方法，具体流程参见图1，包括如下步骤：
步骤1，在各路段设置信标，每辆车安装信标感应器，道路上的每辆车对车辆位置数据进行扰动，对车辆真实位置数据提供本地差分隐私保护；
对车辆位置数据的扰动，得到扰动数据，步骤如下：
车辆的感应器根据各路段上的信标生成二进制的信标向量x＝(x[1]，x[2]，...，x[n])，作为该车辆的位置数据，其中x[n]表示第n个信标位，距离车辆最近的信标位为1，其余位为0；使用优化一元编码算法对车辆的位置数据，即信标向量，进行如下概率的按位扰动，实现本地差分隐私保护；其中，对于表示位置的信息位“1”，有1/2的概率扰动成“0”；对于干扰位“0”，有1/(eε+1)的概率扰动成“1”，具体表达式如下：
Figure BDA0002598489930000031
其中ε是隐私保护预算，它是一个正数，ε越小，隐私保护程度越高；x[i]表示真实的位置数据的第i位的数值，y[i]表示扰动后的位置数据的第i位的数值，Pr(·)为概率函数；扰动后的位置数据，即信标向量y，被提供了ε-本地差分隐私保护。
步骤2，统计各路段车辆的扰动数据形成扰动位置数据库，由于根据扰动后的数据进行统计，与真实情况有较大的误差，为了减小误差，利用极大似然估计方法对每个路段的车辆数进行校正，得到每个路段上车辆数的估计值；步骤如下：
根据扰动位置数据库，按位统计位置数据的第i位为1的车辆数量，即路段i的车辆数，记为Ci，对统计的数量进行如下的校正：
Figure BDA0002598489930000041
其中
Figure BDA0002598489930000042
表示校正后的第i位为1的车辆数量，即路段i的车辆数，N表示所有路段上的车辆总数。
步骤3，每十分钟重复执行一次步骤2，根据路段的车辆数以及相应路段的长度计算该路段路况，所述路况即单位长度车辆数，构造实时路况网络，所述网络包括每个路段的起始点和终点以及该路段路况；
计算每个路段i的路况，公式如下：
Figure BDA0002598489930000043
其中RCi表示路段i的路况，RLi表示路段i的长度，每个路段的路况表示为每千米的车辆数，根据该路况构造实时路况的网络图，如图2所示。
步骤4，如图2所示，如果有用户查询从A地到F地的路况，根据实时路况网络，利用深度优先遍历的方法对A地到F地的所有路径进行遍历，计算出每条路径的路况，然后反馈给用户，供其选择最优路径。
下面展示本发明方法的实验结果。本实施例所用的模拟数据库模拟了4000辆车在10条路段构成的区域的路况。在模拟数据库上进行的实验结果如表1所示。
表1
Figure BDA0002598489930000044
表1展示了一个用户向服务器查询A点到F点的路况，从A点到F点一共有六条路线，真实的路况应该是AF最优，其次是ADCF，再次是ACF，接着是ABCF，然后是ABEF，最后是ADEF。但是每辆车的位置数据是敏感的，因而每辆车分享的位置数据都是被提供了ε-本地差分隐私保护后的扰动数据。本实施例分别模拟了ε＝1,2,4,6,8,10的情况，其中ε＝1时，隐私保护程度最高，ε＝10时，隐私保护程度最低。
从表1中结果可以看出，被提供了ε-本地差分隐私保护后的扰动数据依旧具有可用性，分析出的各路线的路况排序大多和真实路况一样。由此可见，本发明具有很高的实用价值，它不仅可以保护车辆及车主的数据隐私，还能够提供高数据可用性，进而达到实时路况检测的效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.一种基于本地差分隐私的实时路况检测方法，其特征在于：包括以下步骤：
步骤1，在各路段设置信标，每辆车安装信标感应器，道路上的每辆车对车辆位置数据进行扰动，对车辆真实位置数据提供本地差分隐私保护，得到扰动数据；
步骤2，统计各路段车辆的扰动数据形成扰动位置数据库，并利用极大似然估计方法进行校正，得到每个路段上车辆数的估计值；
步骤3，每间隔一定时间，重复执行步骤2，根据路段的车辆数以及相应路段的长度计算该路段路况，所述路况即单位长度车辆数，构造实时路况网络，所述网络包括每个路段的起始点和终点以及该路段路况；
步骤4，当查询某起始点到某终点的路况时，根据实时路况网络对该起始点到该终点的所有路径进行遍历，计算出每条路径的路况，然后反馈给用户，供其选择最优路径。
2.根据权利要求1所述的一种基于本地差分隐私的实时路况检测方法，其特征在于：所述步骤1，对车辆位置数据的扰动，步骤如下：
车辆的感应器根据各路段上的信标生成二进制的信标向量x＝(x[1],x[2],…,x[n])，作为该车辆的位置数据，其中x[n]表示第n个信标位，距离车辆最近的信标位为1，其余位为0；
使用优化一元编码算法对车辆的位置数据，即信标向量，进行如下概率的按位扰动：
Figure FDA0002598489920000011
其中ε是隐私保护预算，x[i]表示真实的位置数据的第i位的数值，y[i]表示扰动后的位置数据的第i位的数值，Pr(·)为概率函数；扰动后的位置数据y被提供了ε-本地差分隐私保护。
3.根据权利要求2所述的一种基于本地差分隐私的实时路况检测方法，其特征在于：所述步骤2，统计并校正扰动数据，步骤如下：
根据扰动位置数据库，按位统计位置数据的第i位为1的车辆数量，即路段i的车辆数，记为Ci，对统计的数量进行如下的校正：
Figure FDA0002598489920000012
其中
Figure FDA0002598489920000013
表示校正后的第i位为1的车辆数量，即路段i的车辆数，N表示所有路段上的车辆总数。
4.根据权利要求3所述的一种基于本地差分隐私的实时路况检测方法，其特征在于：所述步骤3，计算每个路段i的路况，公式如下：
Figure FDA0002598489920000021
其中RCi表示路段i的路况，RLi表示路段i的长度，每个路段的路况表示为单位长度的车辆数。
CN202010727842.2A 2020-07-23 2020-07-23 一种基于本地差分隐私的实时路况检测方法 Active CN111915891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010727842.2A CN111915891B (zh) 2020-07-23 2020-07-23 一种基于本地差分隐私的实时路况检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010727842.2A CN111915891B (zh) 2020-07-23 2020-07-23 一种基于本地差分隐私的实时路况检测方法

Publications (2)

Publication Number Publication Date
CN111915891A true CN111915891A (zh) 2020-11-10
CN111915891B CN111915891B (zh) 2022-11-18

Family

ID=73280837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010727842.2A Active CN111915891B (zh) 2020-07-23 2020-07-23 一种基于本地差分隐私的实时路况检测方法

Country Status (1)

Country Link
CN (1) CN111915891B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639983A (zh) * 2009-08-21 2010-02-03 任雪梅 一种基于图像信息熵的多车道车流量检测方法
CN106878102A (zh) * 2016-12-23 2017-06-20 中国科学院信息工程研究所 一种基于网络流量多字段识别的人流量检测方法及系统
CN107146407A (zh) * 2017-05-27 2017-09-08 中国科学技术大学苏州研究院 一种带隐私保护的持续交通流量统计方法
CN107195179A (zh) * 2017-05-27 2017-09-22 中国科学技术大学苏州研究院 基于网络的单路口交通流量统计分析方法及系统
CN108901045A (zh) * 2018-04-27 2018-11-27 长沙学院 一种非合作博弈的自适应流量调度方法和系统
CN109033865A (zh) * 2018-06-20 2018-12-18 苏州大学 一种空间众包中隐私保护的任务分配方法
CN109064751A (zh) * 2018-09-29 2018-12-21 中国科学技术大学苏州研究院 一种实现差分隐私的路口间交通流量估计方法及系统
CN109617877A (zh) * 2018-12-12 2019-04-12 上海海事大学 基于差分隐私噪声添加选择的位置隐私保护系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639983A (zh) * 2009-08-21 2010-02-03 任雪梅 一种基于图像信息熵的多车道车流量检测方法
CN106878102A (zh) * 2016-12-23 2017-06-20 中国科学院信息工程研究所 一种基于网络流量多字段识别的人流量检测方法及系统
CN107146407A (zh) * 2017-05-27 2017-09-08 中国科学技术大学苏州研究院 一种带隐私保护的持续交通流量统计方法
CN107195179A (zh) * 2017-05-27 2017-09-22 中国科学技术大学苏州研究院 基于网络的单路口交通流量统计分析方法及系统
CN108901045A (zh) * 2018-04-27 2018-11-27 长沙学院 一种非合作博弈的自适应流量调度方法和系统
CN109033865A (zh) * 2018-06-20 2018-12-18 苏州大学 一种空间众包中隐私保护的任务分配方法
CN109064751A (zh) * 2018-09-29 2018-12-21 中国科学技术大学苏州研究院 一种实现差分隐私的路口间交通流量估计方法及系统
CN109617877A (zh) * 2018-12-12 2019-04-12 上海海事大学 基于差分隐私噪声添加选择的位置隐私保护系统及方法

Also Published As

Publication number Publication date
CN111915891B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
US9536146B2 (en) Determine spatiotemporal causal interactions in data
Ge et al. Updating origin–destination matrices with aggregated data of GPS traces
US8612134B2 (en) Mining correlation between locations using location history
CN106205114B (zh) 一种基于数据融合的高速公路路况信息实时获取方法
Çelik et al. The post-disaster debris clearance problem under incomplete information
CN103245347B (zh) 基于路况预测的智能导航方法及系统
CN106488405B (zh) 一种融合个体与近邻移动规律的位置预测方法
CN108256914B (zh) 一种基于张量分解模型的兴趣点种类预测方法
CN103942312B (zh) 公交换乘线路规划方法和装置
CN114446051A (zh) 一种城市路网交通韧性薄弱识别方法
EP2487640A1 (en) Information management device, data processing method thereof, and computer program
CN109410568A (zh) 基于用户画像和换乘规律的下车站点推测方法及系统
US20240096211A1 (en) Processing apparatus and method for generating route navigation data
US10706720B2 (en) Predicting vehicle travel times by modeling heterogeneous influences between arterial roads
Mazumdar et al. An approach to compute user similarity for GPS applications
Servizi et al. Mining User Behaviour from Smartphone data: a literature review
CN111915891B (zh) 一种基于本地差分隐私的实时路况检测方法
Kwigizile et al. Integrating crowdsourced data with traditionally collected data to enhance estimation of bicycle exposure measure
Chen et al. Differential Congestion Pricing Strategies for Heterogeneous Users in the Mixed Traffic Condition
Meuser et al. Relevance-aware information dissemination in vehicular networks
Qiu et al. TrafficAdaptor: an adaptive obfuscation strategy for vehicle location privacy against traffic flow aware attacks
Azimi et al. Multi-agent simulation of allocating and routing ambulances under condition of street blockage after natural disaster
Gammelli et al. A Machine Learning Approach to Censored Bike-Sharing Demand Modeling
Wang Locating counting sensors in traffic network to estimate origin-destination volumes
CN107241693B (zh) 一种大数据环境下无坐标传感器位置确定方法

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