CN112672321A - 一种中继车辆选择方法和装置 - Google Patents

一种中继车辆选择方法和装置 Download PDF

Info

Publication number
CN112672321A
CN112672321A CN202011276302.3A CN202011276302A CN112672321A CN 112672321 A CN112672321 A CN 112672321A CN 202011276302 A CN202011276302 A CN 202011276302A CN 112672321 A CN112672321 A CN 112672321A
Authority
CN
China
Prior art keywords
vehicle
vehicles
value
relay
preselected
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
CN202011276302.3A
Other languages
English (en)
Other versions
CN112672321B (zh
Inventor
夏莹杰
王传华
刘雪娇
张雷
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.)
Hangzhou Yuantiao Science And Technology Co ltd
Original Assignee
Hangzhou Yuantiao Science And Technology Co ltd
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 Hangzhou Yuantiao Science And Technology Co ltd filed Critical Hangzhou Yuantiao Science And Technology Co ltd
Priority to CN202011276302.3A priority Critical patent/CN112672321B/zh
Publication of CN112672321A publication Critical patent/CN112672321A/zh
Application granted granted Critical
Publication of CN112672321B publication Critical patent/CN112672321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本申请涉及一种中继车辆选择方法、装置、计算机设备和存储介质。所述方法包括：根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆。采用本方法能够保证选择的中继车辆的安全性。

Description

一种中继车辆选择方法和装置
技术领域
本申请涉及车辆网技术领域，特别是涉及一种中继车辆选择方法和装置。
背景技术
随着汽车工业互联网的迅速发展，车辆能够通过车辆与RSU (V2R)或者车辆与车辆(V2V)的通信方式进行信息的传递。由于车辆网络中的信息传输会受到诸如车辆节点的快速移动，通信实体的有效通信范围以及车辆的安全性等实际使用特性的约束，往往需要选择特定中继车辆来协作传输信息。
随着车辆自组织网络(VehicularAd-hoc Networks，VANETs)的不断发展，车载通信、计算和存储能力的不断增强，使用不同方法进行中继车辆选择也越来越多。
经对现有技术文献的检索发现，实现车联网的中继车辆选择典型的工作包括有考虑网络层的协作传输效率(时延、吞吐量等)和考虑协作车辆信誉：
Dun Cao等人于2020年发表在《Sensors》的论文《ARNS:Adaptive Relay-NodeSelection Method for Message Broadcasting in the Internet ofVehicles》针对VANETs场景下提出了一种基于指数分区和道路广播特性对道路结构进行分类的自适应中继节点(车辆中继)选择 (ARNS)方法，其通过重新定义考虑障碍物分布的最佳位置，改进了弯道场景中的中继节点选择方法。该协议能够选择在其通信范围内拥有最优地理位置和行驶轨迹的信息协作车辆以提高协作传输的数据包的传送率和降低端到端传输的延迟，但该方案不能确保所选协作车辆其本身的安全性，即不能确保协作信息的安全传输。
Jan Papaj等人于2017年发表在《Wireless Personal Communications》的论文《HybridMANET–DTN and aNewAlgorithm for RelayNodes Selection》中重点研究了在源节点不能和目的节点之间建立端到端连接的情况并提出了一种基于信任和博弈论机制的混合安全中继节点(中继车辆)选择的新方法。他们利用计算所有移动节点的信誉值和博弈论的思想，选择与位于不同网络区域的其他移动节点接触的中继节点。还提出了一种计算和选择可信节点的机制，可以在敌对的、不连通的环境中用于数据的安全传输。该方案确保了信息的有效传播，但是，其大多只能判断具有明显恶意行为的车辆，不能起到预防潜在恶意或者风险值高中继节点的效果。
目前在现实的应用场景中，对于安全中继节点的选择，除了单纯只考虑网络层的传输效率以外，更多的方法是通过节点长期行为累积的车辆信誉值来判断，而车辆信誉评估往往代表过去(长期)行为的累积评估，反映的是所考虑节点的整体评估，是根据在一定时间间隔内统计出的好的和坏的行为的实例数，并采用一定的方法周期性地估计。其通过让旧的观测值衰减来捕捉受托人最近的行为，从而使最近的交互作用比旧的观测值具有更高的权重。当恶意节点知道游戏规则并试图在进行攻击之前保持一定的信任值，或者由于某些原因导致正常节点遭受突发的攻击时，单纯依靠信誉值进行安全中继的选择就不能有效预防此类行为。
然而，在协作传输过程中除了信息在信道传输过程中本身的损坏外，还可能由于各种原因导致中继车辆的不安全性造成协作传输任务的失败，因此，如何在选择安全、可靠的中继同时排除潜在的恶意节点同时降低突发事件对协助传输的影响仍是一个困难的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种保证信息传输安全性的中继车辆选择方法和装置。
一种中继车辆选择方法，所述方法包括：
根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
在其中一个实施例中，所述根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集，包括：路侧单元广播协助请求信息；所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证；在所述应答车辆的身份信息验证成功时，所述路侧单元获取所述应答车辆的原始信誉值；在所述原始信誉值大于或等于协作传输标准值时，所述路侧单元将所述应答车辆加入初始预选中继集。
在其中一个实施例中，所述广播协助请求信息包括要发送数据类别、要发送的数据大小、请求信息生成时间和请求者签名；在所述路侧单元广播协助请求信息之后，包括：应答车辆接收所述广播协助请求信息，根据请求信息生成时间验证所述广播协助请求信息的时效性；在所述广播协助请求信息满足时效要求时，所述应答车辆验证所述请求者签名的有效性；在所述请求者签名有效时，所述应答车辆判断系统剩余计算能力、存储能力和电池容量，是否符合参与本次协作传输任务的要求；在满足参与本次协作传输任务的要求时，所述应答车辆向所述路侧单元发送应答信息；其中，所述应答信息包括所述应答车辆的身份标识、行驶速度、当前位置信息、应答信息发送时间和签名信息。所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证，包括：所述路侧单元接收通信范围内的应答车辆的应答信息；所述路侧单元根据所述应答信息，对所述应答信息的时效性和签名进行验证；在所述时效性和签名验证通过后，确定所述应答车辆的身份信息验证成功。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值，包括：根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值；根据预设范围内异常车辆的影响计算局部风险评估值；对所述个体风险评估值和所述局部风险评估值加权求和，得到综合风险值。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值，包括：计算所述初始预选中继集中每个车辆在预设时间段内，车辆信誉值的跳变值和车辆异常行为的量化值；对所述车辆信誉值的跳变值和车辆异常行为的量化值进行加权求和，得到自身风险评估值；计算所述初始预选中继集中每个车辆在所述预设时间段内，总协助成功率和车辆间的关联性；对所述总协助成功率和车辆间的关联性进行加权求和，得到间接风险评估值；对所述自身风险评估值和所述间接风险评估值进行加权求和，得到所述初始预选中继集中每个车辆的个体风险评估值。
在其中一个实施例中，所述根据预设范围内异常车辆的影响计算局部风险评估值，包括：计算所述初始预选中继集中每个车辆预设半径范围内的每个周围车辆的出度和入度的数目；对所有周围车辆的出度和入度的数目求和，得到所有周围车辆的出度和入度的总数目；计算所述数目在所述总数目中的占比，得到所述周围车辆的相对重要性权重；所述周围车辆包括异常车辆和正常车辆；根据所述异常车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到异常车辆影响值；根据所述周围车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到周围车辆影响值；计算所述异常车辆影响值与所述周围车辆影响值之比，得到所述初始预选中继集中每个车辆的局部风险评估值。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度，包括：获取所述目标车辆所需协作传输的总资源大小；根据所述初始预选中继集中每个车辆的持续有效通信时间以及传输速率，计算初始预选中继集中每个车辆所能协作传输的数据大小；根据所述总资源大小和所能协作传输的数据大小，计算所述初始预选中继集中每个车辆的协助可信度。
在其中一个实施例中，所述根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集，包括：对所述综合风险值和所述协助可信度进行加权求和，得到预选中继节点筛选值；在所述预选中继节点筛选值大于预设值时，将初始预选中继集中车辆确定为最终预选中继集中车辆。
在其中一个实施例中，所述将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：根据所述最终预选中继集中车辆的风险评估值和与所述目标车辆对应的协助可信度，计算所述目标车辆的第一选择参考分数；根据所述最终预选中继集中车辆的风险评估值、协助可信度和所述目标车辆在最终预选中继集中可选择的车辆的数目，计算所述最终预选中继集中车辆的第二选择参考分数；根据所述第一选择参考分数和所述第二选择参考分数，计算每个所述目标车辆到所述最终预选中继集中车辆的连接边权值；将与所述目标车辆对应的最大的连接边权值，作为所述目标车辆的顶标，将所述最终预选中继集中车辆的其中一个顶标设置为0，另一个顶标设置为最大可连接数；所述最大可连接数为所述最终预选中继集中车辆的协助传输服务车辆数目；根据所述目标车辆的顶标、所述最终预选中继集中车辆的两个顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
在其中一个实施例中，所述根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：对目标车辆集中任一目标车辆，选择最大连接边权值对应的边，作为最大可行边；获取所述最大可行边连接的，所述目标车辆在最终预选中继集中的车辆，并判断所述最终预选中继集中的车辆最大可连接数是否大于0；如果所述最大可连接数大于0，则将所述最大可行边连接的所述最终预选中继集中车辆确定为所述目标车辆匹配的中继车辆，并将所述中继车辆的最大可连接数减1；对目标车辆集中剩余目标车辆重复上述过程，最终获得所述目标车辆匹配的中继车辆；如果所述最大可连接数等于0，则搜索所述目标车辆的增广路径，将所述最大可行边连接的，所述最终预选中继集中车辆确定为所述目标车辆匹配的预选中继车辆，并计算最小损失量；对所述预选中继车辆的顶标增加所述最小损失量，对与所述预选中继车辆连接的相关车辆的顶标减少所述最小损失量；重复上述过程，直到所述目标车辆集中的目标车辆获得与其匹配的中继车辆。
一种中继车辆选择装置，所述装置包括：
初始预选中继集获取模块，用于根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
综合风险值计算模块，用于根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
协助可信度计算模块，用于根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
最终预选中继集获取模块，用于根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
匹配模块，用于将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
上述中继车辆选择方法、装置、计算机设备和存储介质，通过结合所述应答车辆的信誉值、速度、历史作为中继节点协助的成功率、周围异常车辆对其影响、车辆的带宽、与目标车辆的相对位置进行两次筛选，确定最终预选中继集，然后在通过KM算法与目标车辆，获得每个目标车辆最佳匹配的中继车辆，通过本申请选择的中继车辆，能够保证路侧单元向目标车辆发送信息的安全性。
附图说明
图1为一个实施例中中继车辆选择方法的应用环境图；
图2为一个实施例中中继车辆选择方法的流程示意图；
图3为一个实施例中中继车辆匹配模型示意图；
图4为一个实施例中增广路节点顶标修改示意图；
图5为一个实施例中中继车辆选择装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的中继车辆选择方法，可以应用于如图1所示的应用环境中。其中，路测单元100通过中继车辆300与目标车辆200进行通信，路测单元100与中继车辆300、中继车辆300与目标车辆200 直接通过车辆网进行通信。路测单元100获取通信范围内的应答车辆，根据应答车辆的原始信誉值进行初步筛选，获得初始预选中继集，在对初始预选中继集中车辆的参数进行预选中继节点筛选值计算，然后根据预选中继节点筛选值进行第二次筛选，获得最终预选中继集，最后，将最终预选中继集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆200匹配的中继车辆300。其中，所述目标车辆200或者所述中继车辆100为各种可进行车辆网通信的车辆。
在一个实施例中，如图2所示，提供了一种中继车辆选择方法，包括以下步骤：
S110，根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集。
其中，路侧单元(Road Side Unit，RSU)是ETC系统中，安装在路侧，采用DSRC(Dedicated Short Range Communication，专用短距离通讯)技术，与车载单元(On BoardUnit，OBU)进行通讯，实现车辆身份识别、电子扣分等功能。车辆的信誉值由车辆自身的评估机制来评估，信誉值的取值范围为[0，1]，所述原始信誉值为预设时间段之前的信誉值，例如，预设时间段可为1分钟或者2分钟。路侧单元通信范围可为300米，也可为500米。
具体的，在获取应答车辆的原始信誉值之后，将原始信誉值低的应答车辆删除，保留原始信誉值高的应答车辆。例如，原始信誉值低于0.5的应答车辆删除，保留原始信誉值大于等于0.5的应答车辆。
S120，根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值。
其中，所述信誉值的跳变值为所述车辆在预设时间段内信誉值的变化值，如果预设时间段内信誉值的变化太大，说明所述车辆进行信息传输的安全性不稳定，对于在预设时间段内信誉值的变化太大的车辆不作为中继车辆选择的考虑。总协助成功率为所述车辆作为中继车辆通信成功的概率，通过总协助成功率也能判断所述车辆能否作为中继车辆进行通信，总协助成功率越大所述车辆被选为中继车辆的概率越大。车辆间的关联性表示所述车辆与异常车辆建立连接的次数在所述车辆建立的总连接次数的占比，所述占比太大也不将所述车辆作为中继车辆的考虑。预设范围内异常车辆的影响表示异常车辆对所述车辆的通信影响，预设范围内异常车辆的影响等于，所述车辆与异常车辆的通信次数与预设范围内所述车辆与其它车辆总通信次数的占比，预设范围内异常车辆的影响越大的车辆不作为中继车辆选择的考虑。
S130，根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度。
其中，路测单元能够随时获得车辆的信息，包括车辆的速度、剩余带宽、车辆的位置，根据车辆的位置，可以计算所述初始预选中继集中每个车辆与目标车辆的相对位置。
S140，根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集。
其中，筛选预选中继节点筛选值较高的车辆加入最终预选中继集。
S150，将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
其中，将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，可通过KM算法(Kuhn-MunkresAlgorithm)进行匹配，确定所述目标车辆对应的中继车辆，在路测单元判断不能将信息直接发给目标车辆时，选择中继车辆来进行信息转发，实现路测单元发送的信息传递至目标车辆。
上述中继车辆选择方法中，通过结合所述应答车辆的信誉值、速度、历史作为中继节点协助的成功率、周围异常车辆对其影响、车辆的带宽、与目标车辆的相对位置进行两次筛选，确定最终预选中继集，然后在通过KM算法与目标车辆，获得每个目标车辆最佳匹配的中继车辆，通过本申请选择的中继车辆，能够保证路侧单元向目标车辆发送信息的安全性。
在其中一个实施例中，所述根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集，包括：路侧单元广播协助请求信息；所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证；在所述应答车辆的身份信息验证成功时，所述路侧单元获取所述应答车辆的原始信誉值；在所述原始信誉值大于或等于协作传输标准值时，所述路侧单元将所述应答车辆加入初始预选中继集。
其中，协作传输标准值的具体大学可通过实验确定，以保证所述初始预选中继集中车辆能够满足信誉值的安全要求。
在其中一个实施例中，所述广播协助请求信息包括要发送数据类别、要发送的数据大小、请求信息生成时间和请求者签名。在所述路侧单元广播协助请求信息之后，包括：应答车辆接收所述广播协助请求信息，根据请求信息生成时间验证所述广播协助请求信息的时效性；在所述广播协助请求信息满足时效要求时，所述应答车辆验证所述请求者签名的有效性；在所述请求者签名有效时，所述应答车辆判断系统剩余计算能力、存储能力和电池容量，是否符合参与本次协作传输任务的要求；在满足参与本次协作传输任务的要求时，所述应答车辆向所述路侧单元发送应答信息；其中，所述应答信息包括所述应答车辆的身份标识、行驶速度、当前位置信息、应答信息发送时间和签名信息。所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证，包括：所述路侧单元接收通信范围内的应答车辆的应答信息；所述路侧单元根据所述应答信息，对所述应答信息的时效性和签名进行验证；在所述时效性和签名验证通过后，确定所述应答车辆的身份信息验证成功。
其中，路侧单元在发现无法将所有信息直接发送到目标车辆时，例如，存在目标车辆A和目标车辆B，路侧单元无法直接将信息发送至目标车辆A和目标车辆B，路侧单元RSU广播协助请求信息ReqA、 ReqB，请求信息的格式为：
Reqx{CTi，Ti，σR}；
其中，CTi＝{tyA/B(C)，SiA/B(C)}，tyA/B(C)表示要发送数据类别，tyA(C)表示信息的类别为安全类、tyB(C)表示信息的类别为娱乐类，SiA/B(C)要发送的数据大小，SiA(C)＝10Mb、 SiB(C)＝50Mb，Ti＝30s为广播消息生成时间以及请求者签名σR。
设定车辆C、D、E，F在时间点T′i＝35s收到来自路侧单元RSU的广播的协助请求信息，首先验证协助请求信息的时效性 |30s-35s|＜＝10s和签名的有效性H(CTi)＝PK(σR)，并根据剩余计算能力、存储能力和电池容量等判断是否能够参与此次协作传输任务；其中，所述车辆在剩余计算能力、存储能力或电池容量低的情况下不能参与此次协作传输任务，这是确保应答车辆的车载系统能够满足此次任务单信息传输需要，因此剩余计算能力低不能实现对信息的转发计算，存储能力低不能够实现对信息的缓存，在进行无线通信时需要消耗大量的电量，电池容量低也不能完成信息转发任务。参与的应答车辆发送协助请求应答信息RreqC、RreqD、RreqE、RreqF：
Rreqi＝{IDi，Vi，(xi，yi)，T″i，σV}；
其中，IDi{IDC、IDD、IDE、IDF}表示车辆的身份标识，Vi为行驶速度VC＝20m/s、VD＝18m/s、VE＝19m/s、VF＝15m/s，不同的字母对应不同的车辆，T″i＝36s为应答信息发送时间，车辆的签名信息σV{σVC、σVD、σVE、σVF}以及车辆当前位置信息(xC，yC)＝(21，20)、(xD， yD)＝(15，16)、(xE，yE)＝(20，15)、(xF，yF)＝(12，14)。
路测单元RSU在T″′i＝40s时刻收到来自通信范围内车辆的应答信息，并进行应答信息的时效性和签名的验证；随后路侧单元RSU根据各应答车辆原始信誉值Rei∈[0，1]，其中设定ReC＝0.85、ReD＝0.8、 ReE＝0.6、ReF＝0.3选择达到协作传输标准值的车辆加入预选集，形成显式安全(单纯信誉值高的车辆为显式安全车辆)的初始预选中继集 RV＜RVC，RVD，RVE＞。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值，包括：根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值；根据预设范围内异常车辆的影响计算局部风险评估值；对所述个体风险评估值和所述局部风险评估值加权求和，得到综合风险值。
其中，总协助成功率为车辆作为中继车辆协助转发信息成功的次数在总转发次数的占比，车辆间的关联性为车辆异常建立通信链接的次数在总通信链接的次数的占比。预设范围内异常车辆的影响，为在车辆预设半径范围内异常车辆对其收发信息的影响。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值，包括：计算所述初始预选中继集中每个车辆在预设时间段内，车辆信誉值的跳变值和车辆异常行为的量化值；对所述车辆信誉值的跳变值和车辆异常行为的量化值进行加权求和，得到自身风险评估值；计算所述初始预选中继集中每个车辆在所述预设时间段内，总协助成功率和车辆间的关联性；对所述总协助成功率和车辆间的关联性进行加权求和，得到间接风险评估值；对所述自身风险评估值和所述间接风险评估值进行加权求和，得到所述初始预选中继集中每个车辆的个体风险评估值。
其中，计算初始预选中继集中各车辆(节点)的自身风险评估值DrC，DrD，DrE，具体公式为：
Dri＝a1(Tri)+a2(Abi)，
Figure RE-GDA0002981494600000151
i表示初始预选中继集中车辆的下标，i可为C、D或E，a1、a2的值根据历史数据设置；
其中，
Figure RE-GDA0002981494600000152
代表在预设时间段Δt内车辆信誉值的跳变值，Abi则表示为在该预设时间段Δt内车辆的异常行为的量化值，取值为{0，1}，0表示在预设时间段Δt内车辆没有出现异常行为，1 表示车辆在预设时间段Δt内出现某些异常行为。其中，异常行为包括车辆行驶轨迹异常、车辆通信流量异常等。
计算初始预选中继集中各车辆(节点)的间接风险评估值IrC、IrD、 IrE，具体公式为：
Iri＝β(1-HSi)+(1-β)Nr；β∈[0，1]；
其中，
Figure RE-GDA0002981494600000153
表示车辆在预设时间段Δt内的总协助成功率，φS、φU分别表示车辆作为中继车辆协助转发信息成功的次数和不成功次数，
Figure RE-GDA0002981494600000154
表示车辆间的关联性，SCm为车辆在预设时间段Δt内与异常建立通信链接的次数，STC则表示车辆在预设时间段Δt内与其它车辆产生的连接总次数，该段中的车辆均表示初始预选中继集中车辆。
计算初始预选中继集中各车辆(节点)的个体风险评估值，具体公式如下：
PR＝αDri+(1-α)Iri；α∈[0，1]；
通过个体风险评估值公式计算得到，车辆C、D、E的个体风险评估值分别为PRC＝0.08，PRD＝0.1，PRE＝0.7。
在其中一个实施例中，所述根据预设范围内异常车辆的影响计算局部风险评估值，包括：计算所述初始预选中继集中每个车辆预设半径范围内的每个周围车辆的出度和入度的数目；对所有周围车辆的出度和入度的数目求和，得到所有周围车辆的出度和入度的总数目；计算所述数目在所述总数目中的占比，得到所述周围车辆的相对重要性权重；所述周围车辆包括异常车辆和正常车辆；根据所述异常车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到异常车辆影响值；根据所述周围车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到周围车辆影响值；计算所述异常车辆影响值与所述周围车辆影响值之比，得到所述初始预选中继集中每个车辆的局部风险评估值。
具体过程如下，以初始预选中继集中任一车辆(节点)为中心，半径为r＝600m(取值可为600)的范围内有L(取值可为20)辆车，其中，异常车辆为n(取值可为5)辆，则节点的局部风险评估值LRC、LRD、LRE，具体公式为：
Figure RE-GDA0002981494600000161
其中，Er表示异常车辆影响值，具体计算公式为：
Figure RE-GDA0002981494600000164
n为异常车辆数目，IWj表示所述异常车辆的相对重要性权重，K(i，j)表示异常车辆与节点之间的影响的距离衰减值函数，此处i表示节点，j表示异常车辆；Ar表示周围车辆影响值，具体计算公式为：
Figure RE-GDA0002981494600000163
L为预设半径r范围内的周围车辆的数目，K(i，j)表示周围车辆与节点之间的影响的距离衰减值函数，此处i表示节点，j表示周围车辆，IWj表示为周围车辆的相对重要性权重；其中，相对重要性权重的公式为：
Figure RE-GDA0002981494600000171
N为车辆数目，在IWj表示所述异常车辆的相对重要性权重时N＝n，在IWj表示为周围车辆的相对重要性权重时N＝L；QIj是车辆j在当前网络中的重要性量化，其取值为该车辆j在当前时间出度和入度的数目，此处车辆j为周围车辆中任一车辆；距离衰减值函数的公式为：
Figure RE-GDA0002981494600000172
其中，R为周围车辆的有效通信半径，ΔD(i，j)为周围车辆与节点之间的间距。
因此，计算节点的局部风险值分别为LRC＝0.2、LRD＝0.35、 LRE＝0.2。
在一个具体的实施例中，计算初始预选中继集RV中各车辆的综合风险值RaC(C)、RaD(C)、RaE(C)，计算公式为：
Rai(C)＝λPR+(1-λ)LR；λ∈[0，1]；
其中，PR为初始预选中继集RV中各车辆的个体风险评估值，LR 为初始预选中继集RV中各车辆的局部风险评估值，上述实施例中λ、 d、β取值范围均为(0，1)，λ、α、β取值通过层次分析法来确定。计算得各车辆C、D、E的综合风险值为RaC(C)＝0.14、 RaD(C)＝0.15、RaE(C)＝0.6。
在其中一个实施例中，所述根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度，包括：获取所述目标车辆所需协作传输的总资源大小；根据所述初始预选中继集中每个车辆的持续有效通信时间以及传输速率，计算初始预选中继集中每个车辆所能协作传输的数据大小；根据所述总资源大小和所能协作传输的数据大小，计算所述初始预选中继集中每个车辆的协助可信度。
其中，根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度Qij C、Qij D、Qij E：
Figure RE-GDA0002981494600000181
其中，Sr为目标车辆所需下载的总资源大小，
Figure RE-GDA0002981494600000182
表示所述初始预选中继集中每个车辆所能传输的数据大小，初始预选中继集中每个车辆所能传输的数据大小
Figure RE-GDA0002981494600000183
的计算公式为：
Figure RE-GDA0002981494600000184
其中， Tc为车辆的持续通信时间，
Figure RE-GDA0002981494600000185
为初始预选中继集中每个车辆在当前时间t的数据传输速率；作为一种较佳的实施方式，车辆的持续通信时间计算公式为：
Figure RE-GDA0002981494600000186
其中，下标i表示目标车辆，j表示初始预选中继集中车辆，目标车辆的位置坐标(xi，yi)，初始预选中继集中车辆的位置坐标(xj，yj)，目标车辆的当前速度Vi，初始预选中继集中车辆的当前速度Vj。
通过上述实施例总各过程，计算得到车辆C、D、E的协助可信度分别为
Figure RE-GDA0002981494600000187
在其中一个实施例中，所述根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集，包括：对所述综合风险值和所述协助可信度进行加权求和，得到预选中继节点筛选值；在所述预选中继节点筛选值大于预设值时，将初始预选中继集中车辆确定为最终预选中继集中车辆。
例如，根据初始预选中继集中各车辆的风险评估值Rai和车辆的协助可信度Qij计算预选中继节点筛选值CrC、CrD、CrE，具体公式如下：
Cri＝b(1-Rai)+(1-b)(Qij)；其中，b∈[0，1]；
根据预选中继节点筛选值公式，计算得初始预选中继集中各车辆 C、D、E的最终预选筛选值CrC＝0.902、CrD＝0.895、CrE＝0.58，将最终预选筛选值低于6的车辆删除，得到最终预选中继集中车辆 RV1＜RVC，RVD＞，RVc表示车辆C，RVD表示车辆D。
在其中一个实施例中，所述将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：根据所述最终预选中继集中车辆的风险评估值和与所述目标车辆对应的协助可信度，计算所述目标车辆的第一选择参考分数；根据所述最终预选中继集中车辆的风险评估值、协助可信度和所述目标车辆在最终预选中继集中可选择的车辆的数目，计算所述最终预选中继集中车辆的第二选择参考分数；根据所述第一选择参考分数和所述第二选择参考分数，计算每个所述目标车辆到所述最终预选中继集中车辆的连接边权值；将与所述目标车辆对应的最大的连接边权值，作为所述目标车辆的顶标，将所述最终预选中继集中车辆的其中一个顶标设置为0，另一个顶标设置为最大可连接数；所述最大可连接数为所述最终预选中继集中车辆的协助传输服务车辆数目；根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
例如，计算目标车辆集中车辆的第一选择参考分数
Figure RE-GDA0002981494600000209
计算公式如下：
Figure RE-GDA0002981494600000201
其中，Rai为最终预选中继集中车辆的风险评估值，Qij为与目标车辆对应的最终预选中继集中车辆的协助可信度。
计算所述最终预选中继集中车辆的第二选择参考分数
Figure RE-GDA0002981494600000202
计算公式如下：
Figure RE-GDA0002981494600000203
其中，Rai为最终预选中继集中车辆i的风险评估值，Nj表示目标车辆j在最终预选中继集中可选择的车辆的数目，Qij为最终预选中继集中车辆i和目标车辆之间的协作可信度。
根据上述计算公式，计算可得各车辆的选择参考分数，车辆C的第二选择参考分数
Figure RE-GDA0002981494600000204
车辆D的第二选择参考分数
Figure RE-GDA0002981494600000205
车辆A的第一选择参考分数
Figure RE-GDA0002981494600000206
车辆B的第一选择参考分数
Figure RE-GDA0002981494600000207
最终预选中继集中车辆RV1＜RVC， RVD＞，RVc表示车辆C，RVD表示车辆D，目标车辆集中车辆TVs＜TVA， TVB＞，TVA表示车辆A，TVB表示车辆。
如图3所示，根据最终预选中继集中车辆RV1的第二选择参考分数
Figure RE-GDA00029814946000002010
和目标车辆集中车辆TVS的第一选择参考分数
Figure RE-GDA00029814946000002011
计算每条连接边的连接边权值Score，具体计算公式如下：
Figure RE-GDA0002981494600000208
其中，Score(weight[i][j])表示目标车辆与最终预选中继集中车辆之间连接边权值，将与所述目标车辆对应的最大的连接边权值作为所述目标车辆的顶标，将所述最终预选中继集中车辆的一个顶标设置为0，另一个顶标设置为最大可连接数；所述最大可连接数为所述最终预选中继集中车辆的协助传输服务车辆数目。例如根据上述实施例中计算过程，计算得目标车辆集中各车辆的顶标为Lt[A]＝1.29、 Lt[B]＝0.128。
在其中一个实施例中，所述根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：对目标车辆集中任一目标车辆，选择最大连接边权值对应的边，作为最大可行边；获取所述最大可行边连接的，所述目标车辆在最终预选中继集中的车辆，并判断所述最终预选中继集中的车辆最大可连接数是否大于0；如果所述最大可连接数大于0，则将所述最大可行边连接的所述最终预选中继集中车辆确定为所述目标车辆匹配的中继车辆，并将所述中继车辆的最大可连接数减1；对目标车辆集中剩余目标车辆重复上述过程，最终获得所述目标车辆匹配的中继车辆；如果所述最大可连接数等于0，则搜索所述目标车辆的增广路径，将所述最大可行边连接的，所述最终预选中继集中车辆确定为所述目标车辆匹配的预选中继车辆，并计算最小损失量；对所述预选中继车辆的顶标增加所述最小损失量，对与所述预选中继车辆连接的相关车辆的顶标减少所述最小损失量；重复上述过程，直到所述目标车辆集中的目标车辆获得与其匹配的中继车辆。
具体的，从目标车辆集中的一个目标车辆出发，寻找该目标车辆的可行边(选择最大连接边权值对应的边作为可行边)，例如，如图 4所示，目标车辆A具有两条连接边AE和AF，连接边AE的连接边权值为0.6，连接边AF的连接边权值为0.8，选择最大连接边权值 0.8对应的边AF作为可行边；判断与所述目标车辆匹配的最终预选中继集中车辆的最大可连接数Lim[i]＞0是否成立，其中，最大可连接数为车辆可同时进行通信连接的其它车辆的最大数目，可以根据车辆的数据处理能力确定，例如，车辆C能够同时支持与两辆车进行通信连接，那么车辆C的最大可连接数为2。
如果与所述目标车辆匹配的最终预选中继集中车辆的最大可连接数Lim[i]＞0成立，则完成该目标车辆与所述最终预选中继集中车辆的匹配，更新匹配集，修改该目标车辆匹配的最终预选中继集中车辆的最大可连接数：
Lim[i]＝Lim[i]-1，i∈RV1；
继续目标车辆集中的下一个目标车辆匹配，重复上述过程；
如果与所述目标车辆匹配的最终预选中继集中车辆的最大可连接数Lim[i]＞0不成立，寻找该目标车辆的所有的增广路径；将所述最大可行边连接的所述最终预选中继集中车辆确定为该目标车辆匹配的预选中继车辆，计算最小损失量delat，最小损失量delat为常数，计算公式为：
delat＝Min(Lx[i]+Ly[j]-Score(weight[i][j]))；
其中，x属于最终预选中继集中车辆，y属于目标车辆集中车辆， Lx[i]为最终预选中继集中车辆顶标，Ly[j]为目标车辆集中车辆顶标， Score(weight[i][j])为车辆i到车辆j之间的连接边权值。
对所述预选中继车辆的顶标增加所述最小损失量，对与所述预选中继车辆连接的相关车辆的顶标减少所述最小损失量，例如，如图4 所示，确定车辆F为预选中继车辆，计算最小损失量delat为0.2，预选中继车辆F初始顶标值为0，预选中继车辆F增加最小损失量后为 0.2，对与所述预选中继车辆连接的目标车辆为车辆A和车辆C，对车辆A和车辆C减少最小损失量后均为0.6，然后重复从目标车辆集中的一个目标车辆出发，寻找该目标车辆的可行边，进行车辆匹配的过程，直到完成所有目标车辆的中继车辆的匹配。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种中继车辆选择装置，包括：初始预选中继集获取模块210、综合风险值计算模块220、协助可信度计算模块230、最终预选中继集获取模块240和匹配模块 250，其中：
初始预选中继集获取模块210，用于根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集。
综合风险值计算模块220，用于根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值。
协助可信度计算模块230，用于根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度。
最终预选中继集获取模块240，用于根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集。
匹配模块250，用于将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
在其中一个实施例中，初始预选中继集获取模块210包括：协助请求信息广播单元，用于路侧单元广播协助请求信息；验证单元，用于所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证；原始信誉值获取单元，用于在所述应答车辆的身份信息验证成功时，所述路侧单元获取所述应答车辆的原始信誉值；选择单元，用于在所述原始信誉值大于或等于协作传输标准值时，所述路侧单元将所述应答车辆加入初始预选中继集。
在其中一个实施例中，所述广播协助请求信息包括要发送数据类别、要发送的数据大小、请求信息生成时间和请求者签名。所述中继车辆选择装置还包括：第一验证模块，用于应答车辆接收所述广播协助请求信息，根据请求信息生成时间验证所述广播协助请求信息的时效性；第二验证模块，用于在所述广播协助请求信息满足时效要求时，所述应答车辆验证所述请求者签名的有效性；判断模块，用于在所述请求者签名有效时，所述应答车辆判断系统剩余计算能力、存储能力和电池容量，是否符合参与本次协作传输任务的要求；应答信息发送模块，用于在满足参与本次协作传输任务的要求时，所述应答车辆向所述路侧单元发送应答信息；其中，所述应答信息包括所述应答车辆的身份标识、行驶速度、当前位置信息、应答信息发送时间和签名信息。所述验证单元包括：应答信息接收子单元，用于所述路侧单元接收通信范围内的应答车辆的应答信息；验证子单元，用于所述路侧单元根据所述应答信息，对所述应答信息的时效性和签名进行验证；验证成功确定单元，用于在所述时效性和签名验证通过后，确定所述应答车辆的身份信息验证成功。
在其中一个实施例中，综合风险值计算模块220包括：个体风险评估值计算单元，用于根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值；局部风险评估值计算单元，用于根据预设范围内异常车辆的影响计算局部风险评估值；综合风险值计算单元，用于对所述个体风险评估值和所述局部风险评估值加权求和，得到综合风险值。
在其中一个实施例中，个体风险评估值计算单元包括：信誉值计算子单元，用于计算所述初始预选中继集中每个车辆在预设时间段内，车辆信誉值的跳变值和车辆异常行为的量化值；自身风险评估值计算子单元，用于对所述车辆信誉值的跳变值和车辆异常行为的量化值进行加权求和，得到自身风险评估值；车辆关联性计算子单元，用于计算所述初始预选中继集中每个车辆在所述预设时间段内，总协助成功率和车辆间的关联性；间接风险评估值计算子单元，用于对所述总协助成功率和车辆间的关联性进行加权求和，得到间接风险评估值；个体风险评估值计算子单元，用于对所述自身风险评估值和所述间接风险评估值进行加权求和，得到所述初始预选中继集中每个车辆的个体风险评估值。
在其中一个实施例中，局部风险评估值计算单元包括：出入度数目计算子单元，用于计算所述初始预选中继集中每个车辆预设半径范围内的每个周围车辆的出度和入度的数目；求和子单元，用于对所有周围车辆的出度和入度的数目求和，得到所有周围车辆的出度和入度的总数目；相对重要性权重计算子单元，用于计算所述数目在所述总数目中的占比，得到所述周围车辆的相对重要性权重；所述周围车辆包括异常车辆和正常车辆；异常车辆影响值计算子单元，用于根据所述异常车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到异常车辆影响值；周围车辆影响值计算子单元，用于根据所述周围车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到周围车辆影响值；局部风险评估值计算子单元，用于计算所述异常车辆影响值与所述周围车辆影响值之比，得到所述初始预选中继集中每个车辆的局部风险评估值。
在其中一个实施例中，协助可信度计算模块230包括：资源大小获取单元，用于获取所述目标车辆所需协作传输的总资源大小；数据传输大小计算单元，用于根据所述初始预选中继集中每个车辆的持续通信时间以及下载速率，计算初始预选中继集中每个车辆所能协作传输的数据大小；协助可信度计算单元，用于根据所述总资源大小和所能协作传输的数据大小，计算所述初始预选中继集中每个车辆的协助可信度。
在其中一个实施例中，最终预选中继集获取模块240包括：预选中继节点筛选值计算单元，用于对所述综合风险值和所述协助可信度进行加权求和，得到预选中继节点筛选值；确定单元，用于在所述预选中继节点筛选值大于预设值时，将初始预选中继集中车辆确定为最终预选中继集中车辆。
在其中一个实施例中，匹配模块250，包括：第一选择参考分数计算单元，用于根据所述最终预选中继集中车辆的风险评估值和与所述目标车辆对应的协助可信度，计算所述目标车辆的第一选择参考分数；第二选择参考分数计算单元，用于根据所述最终预选中继集中车辆的风险评估值、协助可信度和所述目标车辆在最终预选中继集中可选择的车辆的数目，计算所述最终预选中继集中车辆的第二选择参考分数；连接边权值计算单元，用于根据所述第一选择参考分数和所述第二选择参考分数，计算每个所述目标车辆到所述最终预选中继集中车辆的连接边权值；顶标设置单元，用于将与所述目标车辆对应的最大的连接边权值，作为所述目标车辆的顶标，将所述最终预选中继集中车辆的顶标设置为0，另一个顶标设置为最大可连接数；所述最大可连接数为所述最终预选中继集中车辆的协助传输服务车辆数目；匹配单元，用于根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
在其中一个实施例中，匹配单元包括：最大可行边确定子单元，用于对目标车辆集中任一目标车辆，选择最大连接边权值对应的边，作为最大可行边；最大可连接数获取子单元，用于获取所述最大可行边连接的，所述目标车辆在最终预选中继集中的车辆，并判断所述最终预选中继集中的车辆最大可连接数是否大于0；最大可连接数修改子单元，用于如果所述最大可连接数大于0，则将所述最大可行边连接的所述最终预选中继集中车辆确定为所述目标车辆匹配的中继车辆，并将所述中继车辆最大可连接数减1；第一循环子单元，用于对目标车辆集中剩余目标车辆重复上述过程，最终获得所述目标车辆匹配的中继车辆；最小损失量计算子单元，用于如果所述最大可连接数等于0，则搜索所述目标车辆的增广路径，将所述最大可行边连接的，所述最终预选中继集中车辆确定为所述目标车辆匹配的预选中继车辆，并计算最小损失量；顶标修改子单元，用于对所述预选中继车辆的顶标增加所述最小损失量，对与所述预选中继车辆连接的相关车辆的顶标减少所述最小损失量；第二循环子单元，用于重复上述过程，直到所述目标车辆集中的目标车辆获得与其匹配的中继车辆。
关于中继车辆选择装置的具体限定可以参见上文中对于中继车辆选择方法的限定，在此不再赘述。上述中继车辆选择装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆参数。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种中继车辆选择方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccess Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static RandomAccess Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种中继车辆选择方法，其特征在于，所述方法包括：
根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
2.根据权利要求1所述的方法，其特征在于，所述根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集，包括：
路侧单元广播协助请求信息；
所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证；
在所述应答车辆的身份信息验证成功时，所述路侧单元获取所述应答车辆的原始信誉值；
在所述原始信誉值大于或等于协作传输标准值时，所述路侧单元将所述应答车辆加入初始预选中继集。
3.根据权利要求2所述的方法，其特征在于，所述广播协助请求信息包括要发送数据类别、要发送的数据大小、请求信息生成时间和请求者签名；
在所述路侧单元广播协助请求信息之后，包括：
应答车辆接收所述广播协助请求信息，根据请求信息生成时间验证所述广播协助请求信息的时效性；
在所述广播协助请求信息满足时效要求时，所述应答车辆验证所述请求者签名的有效性；
在所述请求者签名有效时，所述应答车辆判断系统剩余计算能力、存储能力和电池容量，是否符合参与本次协作传输任务的要求；
在满足参与本次协作传输任务的要求时，所述应答车辆向所述路侧单元发送应答信息；其中，所述应答信息包括所述应答车辆的身份标识、行驶速度、当前位置信息、应答信息发送时间和签名信息；
所述路侧单元接收通信范围内的应答车辆的应答信息，并根据所述应答信息对所述应答车辆的身份信息进行验证，包括：
所述路侧单元接收通信范围内的应答车辆的应答信息；
所述路侧单元根据所述应答信息，对所述应答信息的时效性和签名进行验证；
在所述时效性和签名验证通过后，确定所述应答车辆的身份信息验证成功。
4.根据权利要求1所述的方法，其特征在于，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值，包括：
根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值；
根据预设范围内异常车辆的影响计算局部风险评估值；
对所述个体风险评估值和所述局部风险评估值加权求和，得到综合风险值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率和车辆间的关联性，计算个体风险评估值，包括：
计算所述初始预选中继集中每个车辆在预设时间段内，车辆信誉值的跳变值和车辆异常行为的量化值；
对所述车辆信誉值的跳变值和车辆异常行为的量化值进行加权求和，得到自身风险评估值；
计算所述初始预选中继集中每个车辆在所述预设时间段内，总协助成功率和车辆间的关联性；
对所述总协助成功率和车辆间的关联性进行加权求和，得到间接风险评估值；
对所述自身风险评估值和所述间接风险评估值进行加权求和，得到所述初始预选中继集中每个车辆的个体风险评估值；和/或，
所述根据预设范围内异常车辆的影响计算局部风险评估值，包括：
计算所述初始预选中继集中每个车辆预设半径范围内的每个周围车辆的出度和入度的数目；
对所有周围车辆的出度和入度的数目求和，得到所有周围车辆的出度和入度的总数目；
计算所述数目在所述总数目中的占比，得到所述周围车辆的相对重要性权重；所述周围车辆包括异常车辆和正常车辆；
根据所述异常车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到异常车辆影响值；
根据所述周围车辆的相对重要性权重和距离衰减值函数计算加权平均值，得到周围车辆影响值；
计算所述异常车辆影响值与所述周围车辆影响值之比，得到所述初始预选中继集中每个车辆的局部风险评估值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度，包括：
获取所述目标车辆所需协作传输的总资源大小；
根据所述初始预选中继集中各个车辆与目标车辆的持续有效通信时间以及车辆传输速率，计算初始预选中继集中每个车辆所能协作传输的数据大小；
根据所述，总资源大小和车辆所能协作传输的数据大小，计算所述初始预选中继集中每个车辆的协助可信度。
7.根据权利要求1所述的方法，其特征在于，所述根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集，包括：
对所述综合风险值和所述协助可信度进行加权求和，得到预选中继节点筛选值；
在所述预选中继节点筛选值大于预设值时，将初始预选中继集中车辆确定为最终预选中继集中车辆。
8.根据权利要求1所述的方法，其特征在于，所述将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：
根据所述最终预选中继集中车辆的风险评估值和与所述目标车辆对应的协助可信度，计算所述目标车辆的第一选择参考分数；
根据所述最终预选中继集中车辆的风险评估值、协助可信度和所述目标车辆在最终预选中继集中可选择的车辆的数目，计算所述最终预选中继集中车辆的第二选择参考分数；
根据所述第一选择参考分数和所述第二选择参考分数，计算每个所述目标车辆到所述最终预选中继集中车辆的连接边权值；
将与所述目标车辆对应的最大的连接边权值，作为所述目标车辆的顶标，将所述最终预选中继集中车辆的其中一个顶标设置为0，另一个顶标设置为最大可连接数；所述最大可连接数为所述最终预选中继集中车辆的协助传输服务车辆数目；
根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
9.根据权利要求8所述的方法，其特征在于，所述根据所述目标车辆的顶标、所述最终预选中继集中车辆的顶标和所述连接边权值，根据KM算法进行匹配，获得每个所述目标车辆匹配的中继车辆，包括：
对目标车辆集中任一目标车辆，选择最大连接边权值对应的边，作为最大可行边；
获取所述最大可行边连接的，所述目标车辆在最终预选中继集中的车辆，并判断所述最终预选中继集中的车辆最大可连接数是否大于0；
如果所述最大可连接数大于0，则将所述最大可行边连接的所述最终预选中继集中车辆确定为所述目标车辆匹配的中继车辆，并将所述中继车辆的最大可连接数减1；
对目标车辆集中剩余目标车辆重复上述过程，最终获得所述目标车辆匹配的中继车辆；
如果所述最大可连接数等于0，则搜索所述目标车辆的增广路径，将所述最大可行边连接的，所述最终预选中继集中车辆确定为所述目标车辆匹配的预选中继车辆，并计算最小损失量；
对所述预选中继车辆的顶标增加所述最小损失量，对与所述预选中继车辆连接的相关车辆的顶标减少所述最小损失量；
重复上述过程，直到所述目标车辆集中的目标车辆获得与其匹配的中继车辆。
10.一种中继车辆选择装置，其特征在于，所述装置包括：
初始预选中继集获取模块，用于根据路侧单元通信范围内的应答车辆的原始信誉值，对所述应答车辆进行筛选，获取初始预选中继集；
综合风险值计算模块，用于根据所述初始预选中继集中每个车辆的信誉值的跳变值、总协助成功率、车辆间的关联性和预设范围内异常车辆的影响，计算综合风险值；
协助可信度计算模块，用于根据所述初始预选中继集中每个车辆速度、剩余带宽和与所述目标车辆的相对位置，计算协助可信度；
最终预选中继集获取模块，用于根据所述综合风险值和所述协助可信度，计算预选中继节点筛选值，并根据所述预选中继节点筛选值对所述初始预选中继集中车辆进行筛选，获得最终预选中继集；
匹配模块，用于将目标车辆集中车辆与所述最终预选中继集中车辆进行匹配，获得每个所述目标车辆匹配的中继车辆；其中，所述目标车辆集为多个所述目标车辆组成的集合。
CN202011276302.3A 2020-11-16 2020-11-16 一种中继车辆选择方法和装置 Active CN112672321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011276302.3A CN112672321B (zh) 2020-11-16 2020-11-16 一种中继车辆选择方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011276302.3A CN112672321B (zh) 2020-11-16 2020-11-16 一种中继车辆选择方法和装置

Publications (2)

Publication Number Publication Date
CN112672321A true CN112672321A (zh) 2021-04-16
CN112672321B CN112672321B (zh) 2022-07-08

Family

ID=75404077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011276302.3A Active CN112672321B (zh) 2020-11-16 2020-11-16 一种中继车辆选择方法和装置

Country Status (1)

Country Link
CN (1) CN112672321B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114745406A (zh) * 2022-04-12 2022-07-12 江苏大学 基于联盟链的广域路况信息分享系统
CN114760156A (zh) * 2022-06-15 2022-07-15 广州万协通信息技术有限公司 终端设备关联节点的确定方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625237A (zh) * 2012-03-09 2012-08-01 上海交通大学 路边设备与车辆通信中的最佳中继选择方法
US20170032402A1 (en) * 2014-04-14 2017-02-02 Sirus XM Radio Inc. Systems, methods and applications for using and enhancing vehicle to vehicle communications, including synergies and interoperation with satellite radio
CN108601058A (zh) * 2018-04-16 2018-09-28 南京邮电大学 一种基于博弈论的多目标决策网络接入选择方法
WO2019109598A1 (zh) * 2017-12-08 2019-06-13 东北大学 基于随机加密周期的VANETs位置隐私保护的系统及方法
CN109890060A (zh) * 2019-03-03 2019-06-14 西北工业大学 一种车载机会网络中基于节点合作度的rsu辅助信息传输方法
CN111263331A (zh) * 2020-01-16 2020-06-09 长安大学 一种基于群智感知的车联网节点信誉评估方法
CN111405053A (zh) * 2020-03-22 2020-07-10 江苏大学 基于可信执行环境的车联网架构及信誉评估方法与激励方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625237A (zh) * 2012-03-09 2012-08-01 上海交通大学 路边设备与车辆通信中的最佳中继选择方法
US20170032402A1 (en) * 2014-04-14 2017-02-02 Sirus XM Radio Inc. Systems, methods and applications for using and enhancing vehicle to vehicle communications, including synergies and interoperation with satellite radio
WO2019109598A1 (zh) * 2017-12-08 2019-06-13 东北大学 基于随机加密周期的VANETs位置隐私保护的系统及方法
CN108601058A (zh) * 2018-04-16 2018-09-28 南京邮电大学 一种基于博弈论的多目标决策网络接入选择方法
CN109890060A (zh) * 2019-03-03 2019-06-14 西北工业大学 一种车载机会网络中基于节点合作度的rsu辅助信息传输方法
CN111263331A (zh) * 2020-01-16 2020-06-09 长安大学 一种基于群智感知的车联网节点信誉评估方法
CN111405053A (zh) * 2020-03-22 2020-07-10 江苏大学 基于可信执行环境的车联网架构及信誉评估方法与激励方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张雪茹等: "车联网中基于多参数决策的中继选择方案", 《计算机应用与软件》 *
戴亚盛等: "无线Mesh网络协同节点信誉评价建模", 《软件导刊》 *
洪文圳等: "中断最小化I2RV候选中继DTN拥塞控制协议", 《计算机工程与设计》 *
肖海林等: "C-V2X下基于信用卡风险评估的中继选择算法", 《电子科技大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114745406A (zh) * 2022-04-12 2022-07-12 江苏大学 基于联盟链的广域路况信息分享系统
CN114760156A (zh) * 2022-06-15 2022-07-15 广州万协通信息技术有限公司 终端设备关联节点的确定方法及装置
CN114760156B (zh) * 2022-06-15 2022-10-18 广州万协通信息技术有限公司 终端设备关联节点的确定方法及装置

Also Published As

Publication number Publication date
CN112672321B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
Wang et al. Lifesaving with RescueChain: Energy-efficient and partition-tolerant blockchain based secure information sharing for UAV-aided disaster rescue
CN112672321B (zh) 一种中继车辆选择方法和装置
US10659528B2 (en) Cloud enabled cognitive radio adhoc vehicular networking with security aware resource management and internet of vehicles applications
Chaurasia et al. Trust computation in VANETs
US20110170532A1 (en) Distribution of an authentication function in a mobile network
Li et al. Trust based secure content delivery in vehicular networks: A bargaining game theoretical approach
Wang et al. A secure and intelligent data sharing scheme for UAV-assisted disaster rescue
Chen et al. A trust-based message propagation and evaluation framework in vanets
US10389734B2 (en) Method and device for managing communication message verification process in communication system containing plurality of nodes
Barka et al. UNION: A trust model distinguishing intentional and UNIntentional misbehavior in inter-UAV communicatiON
Arain et al. Privacy protection with dynamic pseudonym-based multiple mix-zones over road networks
CN111065089B (zh) 一种基于群智感知的车联网双向认证方法及装置
Hu et al. Vtrust: a robust trust framework for relay selection in hybrid vehicular communications
Gillani et al. Trust management schemes for secure routing in VANETs—a survey
Gazdar et al. DTCF: A distributed trust computing framework for vehicular ad hoc networks
Mao et al. Reliable task offloading mechanism based on trusted roadside unit service for internet of vehicles
Yang et al. Toward trusted unmanned aerial vehicle swarm networks: A blockchain-based approach
CN113380024A (zh) 一种基于车联网的声誉更新方法及信任度计算方法
CN109041065B (zh) 一种面向两跳多副本自组网的节点信任管理方法
Sun et al. Game theoretic approaches in vehicular networks: A survey
CN105813162B (zh) 一种基于概率与竞争时延的vanet多跳广播方法
Azizi et al. RTRV: An RSU-assisted trust-based routing protocol for VANETs
Toor et al. Cetvsp: Cost efficient trust-based vehicle selection for platoon
Kait et al. Fuzzy logic‐based trusted routing protocol using vehicular cloud networks for smart cities
Rivero-Angeles et al. Data Dissemination Performance in P2P-Based Vehicular Communications for Smart City Environments

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