CN115527370B - 一种基于隐私计算的出行需求共享与动静态交通协同方法 - Google Patents

一种基于隐私计算的出行需求共享与动静态交通协同方法 Download PDF

Info

Publication number
CN115527370B
CN115527370B CN202211216440.1A CN202211216440A CN115527370B CN 115527370 B CN115527370 B CN 115527370B CN 202211216440 A CN202211216440 A CN 202211216440A CN 115527370 B CN115527370 B CN 115527370B
Authority
CN
China
Prior art keywords
travel
information
parking
data
dynamic
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
Application number
CN202211216440.1A
Other languages
English (en)
Other versions
CN115527370A (zh
Inventor
陈宁
杨翼
柳谦
罗彩钦
李莎莎
李�灿
钟方杰
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.)
Guangzhou Smart City Investment And Operation Co ltd
Original Assignee
Guangzhou Smart City Investment And Operation 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 Guangzhou Smart City Investment And Operation Co ltd filed Critical Guangzhou Smart City Investment And Operation Co ltd
Priority to CN202211216440.1A priority Critical patent/CN115527370B/zh
Publication of CN115527370A publication Critical patent/CN115527370A/zh
Application granted granted Critical
Publication of CN115527370B publication Critical patent/CN115527370B/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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • 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)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通出行领域，尤其涉及一种基于隐私计算的出行需求共享与动静态交通协同方法，包括：交通出行服务的参与方把出行信息和停车信息共享至联盟链并加密；在导航服务端发起出行的相关需求；根据共享的出行信息和停车信息来计算实际的出行信息和停车信息并进行加密；导航服务端对获取到的实际的出行信息和停车信息进行解密，并推荐出行方案。本发明有效的实现城市动静态交通协同，从而提高市民的出行体验和出行效率。

Description

一种基于隐私计算的出行需求共享与动静态交通协同方法
技术领域
本发明涉及交通出行领域，尤其涉及一种基于隐私计算的出行需求共享与动静态交通协同方法。
背景技术
传统的导航路线规划，规划方案的依据仅限于导航服务方自己数据库中已有的数据，没有实时获取城市全域的出行需求和出行方案。因此，给出的路线规划非常具有局限性，不能满足市民的出行需求，出行体验依然比较差。
近年来，随时“智慧城市”的发展，有一批城市在尝试通过一些先进技术来提高城市的交通运行效率。比如，有些城市在尝试汇聚某个区域内各个停车场的数据，以便更好的进行停车资源的统筹调度。但是，数据的安全性和隐私性诉求无法得到满足，数据一旦离开数据拥有方便会变得不可控制，存在不当使用或滥用风险，危害自身利益。因此，许多停车资源服务提供方并不愿意共享自己的数据。一些城市现在使用的停车资源共享技术，也基本是直接对接停车平台，没有做到实时更新，其次是使用的是各个停车资源服务提供方的原始数据，缺少数据加密机制，无法有效确保数据安全。
综上所述，我们非常迫切地需要一种既安全又精准的出行路线规划方法，从而满足市民的出行需求。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于隐私计算的出行需求共享与动静态交通协同方法，有效的实现城市动静态交通协同，从而提高市民的出行体验和出行效率。
为实现上述目的，本发明可以通过以下技术方案予以实现：
一种基于隐私计算的出行需求共享与动静态交通协同方法，包括：
交通出行服务的参与方把出行信息和停车信息共享至联盟链并加密；
在导航服务端发起出行的相关需求；
根据共享的出行信息和停车信息来计算实际的出行信息和停车信息并进行加密；
导航服务端对获取到的实际的出行信息和停车信息进行解密，并推荐出行方案。
进一步地，交通出行服务的参与方通过智能合约技术签订数据共享协议，按照约定的频率共享出行信息和停车信息至联盟链指定节点。
进一步地，所述交通出行服务的参与方包括导航服务提供商和停车服务提供商。
进一步地，所述交通出行服务的参与方把出行信息和停车信息共享至联盟链的步骤包括：
数据导入：导航服务提供商和停车服务提供商将出行信息和停车信息上传至本地数据共享节点，通过自描述的数据结构，形成网络唯一的ID，提供文件系统路径；
发布数据信息：发布共享的出行信息和停车信息至联盟链，为指定机构设置默认的数据访问权限；
数据同步至共享需求库：将共享的出行信息和停车信息同步至的城市匿名出行需求库和城市停车资源库，供查询和使用。
进一步地，所述联盟链通过账本技术记录交通出行服务的参与方共享的出行信息和停车信息。
进一步地，出行信息包括用户的出行时间、出行方式、出行路线、速度和实时位置；停车信息包括停车时间、停车时长、停车地点、是否需要充电、停车场位置、停车场中停车位数量、实时空闲停车位数量和实时空闲充电桩信息。
进一步地，所述加密使用安全多方计算的加密算法。
进一步地，当数据授权访问时需要向导航服务提供方或停车资源服务提供方所在节点发起出行需求数据访问申请，获得数据提供方审核后智能合约颁发的Token，调用API获取所需数据。
进一步地，所述根据共享的出行信息和停车信息来计算实际的出行信息和停车信息的步骤包括：
基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息；
根据历史的车辆位置时序数据和高精路网数据使用非参数模型K近邻方法和随机森林的方法对特征值进行训练，使用模型获取的目标值；
结合联盟链上共享的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X；
计算当前与出行的相关需求相同的出行信息和停车信息，根据出行的相关需求秘密重构函数，秘密重构函数包含求和、交集、并集和均值，将重构函数的统计结果记录为A；
将出行的相关需求中的出行时间对应的整体交通出行数据记为B，B＝A/(1-X)。
进一步地，基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息，包括以下步骤：
1)采用KNN算法筛选出与当前状态相似的多条交通流；
2)将所有相似交通流延长至待预测时刻,并将其表达为矩阵形式后进行奇异值与特征值提取；
3)基于时间和空间分析，使用历史模型预估历史交通速度和当前周围交通速度，利用时空条件随机场地图匹配；
4)融合多种交通信息；
5)基于组合特征值，预测时刻的出行信息；
6)根据每个时刻的出行信息，求均值得出每个时间段的实际出行信息；
7)结合联盟链上的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X，X＝(实际出行信息-联盟链上的共享的出行信息)/实际交通流量)。
本发明通过对数据加密实现出行需求、停车信息等数据的安全共享，实现了出行信息的有效聚合，增强对于数据的保护、降低数据泄露风险。同时基于交通出行服务的参与方共享的历史停车信息、目的地当前的交通流量，结合联盟链上的出行信息和停车信息，还原出每个时间段该目的地的当前全部出行信息及停车信息，对于城市来说，实现了城市动静态交通的高效协同，对出行用户来说，实现了出行效率和出行体验的极大提高。
附图说明
图1为本发明的方法流程图；
图2是本发明的流程框架图；
图3是安全多方计算的实现方案示意图；
图4是本发明的数据请求与反馈时序图。
具体实施方式
下面将结合附图以及具体实施方式对本发明作进一步的说明。本说明书中所引用的如“上”、“内”、“中”、“左”、“右”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
一种基于隐私计算的出行需求共享与动静态交通协同方法，包括：
交通出行服务的参与方把出行信息和停车信息共享至联盟链并加密；交通出行服务的参与方包括导航服务提供方和停车资源服务提供方；
在导航服务端发起出行的相关需求；
根据共享的出行信息和停车信息来计算实际的出行信息和停车信息并进行加密；
导航服务端对获取到的实际的出行信息和停车信息进行解密，并推荐出行方案。终端用户通过APP选择确认使用的方案，并将所选择的方案同步到导航服务端。
交通出行服务的参与方通过智能合约技术签订数据共享协议，按照约定的频率共享出行信息和停车信息至联盟链指定节点。联盟链上包括两种非同行的节点，一类是导航服务提供方，另一类是停车服务提供方。每家服务提供方作为联盟链的一个节点，并通过智能合约签署数据共享协议，开放数据共享接口。联盟链中的各个节点通过智能合约技术签订数据共享协议。城市中各个导航服务提供方，将自己软件平台中关于本城市的所有出行信息通过隐私计算技术按照约定的频率共享至联盟链指定节点。城市中各个停车服务提供方，将自己停车平台中的停车资源、停车场中停车位状态数据通过隐私计算技术按照约定的频率共享至联盟。
所述交通出行服务的参与方包括导航服务提供商和停车服务提供商。
所述交通出行服务的参与方把出行信息和停车信息共享至联盟链的步骤包括：
数据导入：导航服务提供商和停车服务提供商将出行信息和停车信息上传至本地数据共享节点，通过自描述的数据结构，形成网络唯一的ID，提供文件系统路径，提供数据在网络中的定位、查找能力；
发布数据信息：发布共享的出行信息和停车信息至联盟链，为指定机构设置默认的数据访问权限；
数据同步至共享需求库：将共享的出行信息和停车信息同步至的城市匿名出行需求库和城市停车资源库，供查询和使用。
所述联盟链通过账本技术记录交通出行服务的参与方共享的出行信息和停车信息。出行信息包括用户的出行时间、出行方式、出行路线、速度和实时位置；停车信息包括停车时间、停车时长、停车地点、是否需要充电、停车场位置、停车场中停车位数量、实时空闲停车位数量和实时空闲充电桩信息。
所述加密使用安全多方计算的加密算法。安全多方计算(MPC)是隐私计算的一种技术，是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术。如图3所示，安全多方计算并不是依赖单一的安全算法，而是基于多种密码学基础工具的综合应用，包括但不限于同态加密、差分隐私、不经意传输、秘密分享等，通过各种算法的组合，让密文数据实现跨域的流动和安全计算。差分隐私也是密码学中的一种重要手段，通过在查询结果中随机加入噪声的方法，确保最终公开的输出结果并不会泄漏参与方的数据信息,从而使得攻击者无法通过返回的结果推断出个体参与者的隐私信息，以此实现对数据的隐私保护。智能合约缺乏加密机制，本发明通过安全多方技术的聚合函数进行各方数据的整合计算，并且使用加密数据进行求解，不会泄露数据信息，在智能合约执行过程引入安全多方计算技术，通过该技术的加密函数对各方数据进行加密，确保各参与方的数据安全。
调用数据：当数据授权访问时需要向导航服务提供方或停车资源服务提供方所在节点发起出行需求数据访问申请，获得数据提供方审核后智能合约颁发的Token，调用API获取所需数据。
所述根据共享的出行信息和停车信息来计算实际的出行信息和停车信息的步骤包括：
基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息；
根据历史的车辆位置时序数据和高精路网数据使用非参数模型K近邻方法和随机森林的方法对特征值进行训练，使用模型获取的目标值；
结合联盟链上共享的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X；
计算当前与出行的相关需求相同的出行信息和停车信息，根据出行的相关需求秘密重构函数，秘密重构函数包含求和、交集、并集和均值，将重构函数的统计结果记录为A；
将出行的相关需求中的出行时间对应的整体交通出行数据记为B，B＝A/(1-X)。
基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息，包括以下步骤：
1)采用KNN算法筛选出与当前状态相似的多条交通流；将数据库里面的共享数据根据速度进行分类，找出跟当前交通流相近的数据。
2)将所有相似交通流延长至待预测时刻,并将其表达为矩阵形式后进行奇异值与特征值提取；将历史数据通过时间串起来，保证数据的持续性、连续性；
3)基于时间和空间分析，使用历史模型预估历史交通速度和当前周围交通速度，利用时空条件随机场地图匹配；结合高精度地图，通过时间、不同的交通行为(左转、直行等)等纬度，将交通流细分，更精准的得出去目的地的交通流量；
4)融合多种交通信息(即节假日和天气等)；通过数据处理，得出不同的日期类型、天气类型下交通流的情况；
5)基于组合特征值，预测时刻的出行信息；通过数据处理，测算出指定时刻的出行信息；
6)根据每个时刻的出行信息，求均值得出每个时间段的实际出行信息；通过数据数据，得出不同时间段的实际出行信息，比如，工作日07:00——09:00等；
7)根据联盟链上的节点共享的历史数据，计算得出不同时间段的出行数据，比如07:00——09:00；
8)结合联盟链上的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X，X＝(实际出行信息-联盟链上的共享的出行信息)/实际交通流量)。联盟链上的共享的出行信息是从各个节点返回的指定时间段的出行数据。
整个过程中，使用区块链技术进行存储，区块链具有不可篡改的特性，从而保证了数据不会被恶意篡改。通过安全多方技术进行数据加密、聚合计算，确保数据使用方获取不到各参与方的原始数据，保证数据安全。
如图4所示，步骤1，用户使用导航软件发送出行的相关需求，需求包括：自己的当前位置、出行目的地、计划出行时间、交通工具(自驾、公交、骑行等)等出行需求信息，如果是自驾出行，需要增加输入对停车和充电的需求。
步骤2，对应的导航服务节点根据用户提供的出行需求，发出出行信息查询请求以及停车资源信息查询请求；
步骤3，基于安全多方计算的智能合约系统，对请求信息进行加密并查询其他节点的出行信息和停车信息。
步骤4，请求数据返回至基于安全多方计算的智能合约系统，安全多方计算调用聚合函数统计出目前整体的出行信息和停车信息，并在加密后返回至发起数据请求的导航服务节点。
本发明的实施方式不限于此，按照本发明的上述内容，利用本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，本发明还可以做出其它多种形式的修改、替换或组合，均落在本发明权利保护范围之内。

Claims (8)

1.一种基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于，包括：
交通出行服务的参与方把出行信息和停车信息共享至联盟链并加密；
在导航服务端发起出行的相关需求；
根据共享的出行信息和停车信息来计算实际的出行信息和停车信息并进行加密；
导航服务端对获取到的实际的出行信息和停车信息进行解密，并推荐出行方案；
所述根据共享的出行信息和停车信息来计算实际的出行信息和停车信息的步骤包括：
基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息；
根据历史的车辆位置时序数据和高精路网数据使用非参数模型K近邻方法和随机森林的方法对特征值进行训练，使用模型获取的目标值；
结合联盟链上共享的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X；
计算当前与出行的相关需求相同的出行信息和停车信息，根据出行的相关需求秘密重构函数，秘密重构函数包含求和、交集、并集和均值，将重构函数的统计结果记录为A；
将出行的相关需求中的出行时间对应的整体交通出行数据记为B，B=A/(1-X )；
基于交通出行服务的参与方共享的出行信息和停车信息，还原出每个时间段导航服务端发起出行相关需求的目的地的当前实际的出行信息及停车信息，包括以下步骤：
1)采用KNN算法筛选出与当前状态相似的多条交通流；
2)将所有相似交通流延长至待预测时刻,并将其表达为矩阵形式后进行奇异值与特征值提取；
3)基于时间和空间分析，使用历史模型预估历史交通速度和当前周围交通速度，利用时空条件随机场地图匹配;
4)融合多种交通信息;
5)基于组合特征值，预测时刻的出行信息；
6）根据每个时刻的出行信息，求均值得出每个时间段的实际出行信息；
7）根据联盟链上的节点共享的历史数据，计算得出不同时间段的出行数据；
8）结合联盟链上的出行信息和停车信息，计算得出没有使用联盟链的出行方案规划的交通流占比X，X=（实际出行信息-联盟链上的共享的出行信息）/实际交通流量。
2.根据权利要求1所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：交通出行服务的参与方通过智能合约技术签订数据共享协议，按照约定的频率共享出行信息和停车信息至联盟链指定节点。
3.根据权利要求2所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：所述交通出行服务的参与方包括导航服务提供商和停车服务提供商。
4.根据权利要求3所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于，所述交通出行服务的参与方把出行信息和停车信息共享至联盟链的步骤包括：
数据导入：导航服务提供商和停车服务提供商将出行信息和停车信息上传至本地数据共享节点，通过自描述的数据结构，形成网络唯一的ID，提供文件系统路径；
发布数据信息：发布共享的出行信息和停车信息至联盟链，为指定机构设置默认的数据访问权限；
数据同步至共享需求库：将共享的出行信息和停车信息同步至的城市匿名出行需求库和城市停车资源库，供查询和使用。
5.根据权利要求2所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：所述联盟链通过账本技术记录交通出行服务的参与方共享的出行信息和停车信息。
6.根据权利要求1所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：出行信息包括用户的出行时间、出行方式、出行路线、速度和实时位置；停车信息包括停车时间、停车时长、停车地点、是否需要充电、停车场位置、停车场中停车位数量、实时空闲停车位数量和实时空闲充电桩信息。
7.根据权利要求1或2所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：所述加密使用安全多方计算的加密算法。
8.根据权利要求1所述的基于隐私计算的出行需求共享与动静态交通协同方法，其特征在于：当数据授权访问时需要向导航服务提供方或停车资源服务提供方所在节点发起出行需求数据访问申请，获得数据提供方审核后智能合约颁发的Token，调用API获取所需数据。
CN202211216440.1A 2022-09-30 2022-09-30 一种基于隐私计算的出行需求共享与动静态交通协同方法 Active CN115527370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211216440.1A CN115527370B (zh) 2022-09-30 2022-09-30 一种基于隐私计算的出行需求共享与动静态交通协同方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211216440.1A CN115527370B (zh) 2022-09-30 2022-09-30 一种基于隐私计算的出行需求共享与动静态交通协同方法

Publications (2)

Publication Number Publication Date
CN115527370A CN115527370A (zh) 2022-12-27
CN115527370B true CN115527370B (zh) 2023-07-14

Family

ID=84702353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211216440.1A Active CN115527370B (zh) 2022-09-30 2022-09-30 一种基于隐私计算的出行需求共享与动静态交通协同方法

Country Status (1)

Country Link
CN (1) CN115527370B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045650B (zh) * 2016-10-25 2021-06-11 罗轶 一种基于区块链的网约车系统
CN108428340B (zh) * 2018-05-11 2021-01-26 深圳市图灵奇点智能科技有限公司 道路交通状况分析方法和系统
CN108833081B (zh) * 2018-06-22 2021-01-05 中国人民解放军国防科技大学 一种基于区块链的设备组网认证方法
CN111314871B (zh) * 2020-01-22 2022-02-08 江西理工大学 一种基于联盟区块链的安全共享出行服务方案
CN112488400B (zh) * 2020-12-04 2023-12-22 南通大学 基于区块链技术与出行计划共享的交通出行行为调控方法

Also Published As

Publication number Publication date
CN115527370A (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
Zhu et al. ASAP: An anonymous smart-parking and payment scheme in vehicular networks
Li et al. Privacy-preserved federated learning for autonomous driving
Baza et al. A light blockchain-powered privacy-preserving organization scheme for ride sharing services
Luo et al. Blockchain enabled trust-based location privacy protection scheme in VANET
Li et al. Efficient and privacy-preserving carpooling using blockchain-assisted vehicular fog computing
Singh et al. A deep learning-based blockchain mechanism for secure internet of drones environment
Kong et al. Privacy-preserving aggregation for federated learning-based navigation in vehicular fog
Sun et al. Security and privacy preservation in fog-based crowd sensing on the internet of vehicles
Lei et al. A blockchain based certificate revocation scheme for vehicular communication systems
Danish et al. BlockEV: Efficient and secure charging station selection for electric vehicles
Teimoori et al. A secure cloudlet-based charging station recommendation for electric vehicles empowered by federated learning
Safi et al. PIaaS: Cloud-oriented secure and privacy-conscious parking information as a service using VANETs
Arif et al. SDN based communications privacy-preserving architecture for VANETs using fog computing
Namasudra et al. Achieving a decentralized and secure cab sharing system using blockchain technology
Liu et al. A privacy-preserving framework for trust-oriented point-of-interest recommendation
Zhong et al. Personalized location privacy protection based on vehicle movement regularity in vehicular networks
Semenko et al. Distributed privacy preserving platform for ridesharing services
Li et al. Feel: Federated end-to-end learning with non-iid data for vehicular ad hoc networks
Zhang et al. An efficient and secure data transmission mechanism for internet of vehicles considering privacy protection in fog computing environment
Kanumalli et al. Secure V2V Communication in IOV using IBE and PKI based Hybrid Approach
Pham et al. Secure and private proofs for location-based activity summaries in urban areas
Jiang et al. Blockchain empowered secure video sharing with access control for vehicular edge computing
CN115527370B (zh) 一种基于隐私计算的出行需求共享与动静态交通协同方法
Li et al. Privacy for 5G-supported vehicular networks
Guo et al. B 2 sfl: A bi-level blockchained architecture for secure federated learning-based traffic prediction

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