本發(fā)明涉及智能車路協(xié)同系統(tǒng)和無線移動(dòng)通信網(wǎng)絡(luò)交叉領(lǐng)域中的車輛定位技術(shù)，尤其涉及一種基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法。
背景技術(shù)：
：在車聯(lián)網(wǎng)系統(tǒng)中，車輛群體通過車載專用短程通信單元建立車輛自組織網(wǎng)絡(luò)，為車輛間的信息交互、信息共享提供鏈路保障。在車輛信息共享的基礎(chǔ)上，車聯(lián)網(wǎng)系統(tǒng)可以實(shí)現(xiàn)一系列面向提升交通系統(tǒng)效能的應(yīng)用，包含：提高交通安全、通行效率、降低尾氣排放、能源消耗等等。車輛自組織網(wǎng)絡(luò)是車聯(lián)網(wǎng)系統(tǒng)正常運(yùn)行的基礎(chǔ)保障，它能提供的信息傳輸?shù)目煽糠€(wěn)定性以及信息安全的保障能力至關(guān)重要。近十年來，車輛自組織網(wǎng)絡(luò)中信息傳輸技術(shù)部分吸引了大批國內(nèi)外相關(guān)學(xué)者的關(guān)注和研究，得到了大力發(fā)展，相應(yīng)的標(biāo)準(zhǔn)體系基本建成，相關(guān)技術(shù)裝備已經(jīng)能夠成熟運(yùn)用并服務(wù)于車聯(lián)網(wǎng)系統(tǒng)；對(duì)于車輛自組織網(wǎng)絡(luò)中信息安全部分內(nèi)容，雖然也得到了廣泛關(guān)注，但其發(fā)展速度相對(duì)滯后，至今并未出現(xiàn)成熟完備的技術(shù)標(biāo)準(zhǔn)和方法。信息安全領(lǐng)域中，基于分布式網(wǎng)絡(luò)的常見攻擊方式有：“欺騙攻擊”和“女巫攻擊”?！捌垓_攻擊”，是指黑客節(jié)點(diǎn)通過盜取網(wǎng)絡(luò)中其他節(jié)點(diǎn)的MAC地址(MediaAccessControl，MAC)，并偽裝成該節(jié)點(diǎn)的身份，進(jìn)行網(wǎng)絡(luò)破壞；“女巫攻擊”，是指黑客節(jié)點(diǎn)將自身偽裝成多個(gè)身份，破壞大規(guī)模網(wǎng)絡(luò)的冗余機(jī)制。在車輛自組織網(wǎng)絡(luò)中，移動(dòng)的黑客車輛節(jié)點(diǎn)同樣可以通過這兩種攻擊方式破壞網(wǎng)絡(luò)系統(tǒng)，從而影響車聯(lián)網(wǎng)系統(tǒng)的正常運(yùn)行。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是為了解決上述問題，提出一種基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法。一種基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法，包括以下幾個(gè)步驟：步驟一，采集路網(wǎng)中車輛在遇到交通事件時(shí)的加速度值，采集路網(wǎng)中專用短程通信信號(hào)在兩車間傳播的發(fā)射功率和接收功率，并記錄車輛間的相對(duì)距離；步驟二，通過步驟一采集到的加速度值，兩車間的專用短程通信信號(hào)的發(fā)射功率和接收功率值以及相對(duì)距離值，建立路網(wǎng)中車輛的動(dòng)力學(xué)加速度取值集合以及車輛間的專用短程通信信號(hào)傳播模型；步驟三，建立用于估計(jì)目標(biāo)車輛位置信息的方程組；步驟四，采用濾波算法對(duì)車輛位置信息估值濾波；步驟五，以1Hz的頻率發(fā)布目標(biāo)車輛位置信息估計(jì)結(jié)果步驟六，將T＝30s的時(shí)間區(qū)間內(nèi)的車輛位置信息擬合為車輛軌跡信息，并進(jìn)行判斷識(shí)別；本發(fā)明的優(yōu)點(diǎn)在于：(1)本發(fā)明基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法，充分利用車聯(lián)網(wǎng)系統(tǒng)中存在的車輛專用短程通信網(wǎng)絡(luò)，能夠識(shí)別并定位車聯(lián)網(wǎng)系統(tǒng)中存在的黑客車輛，一定程度上解決了車聯(lián)網(wǎng)系統(tǒng)中的信息安全問題，為車輛自組織網(wǎng)絡(luò)系統(tǒng)的安全可靠和車聯(lián)網(wǎng)系統(tǒng)的順利發(fā)展奠定了基礎(chǔ)；(2)本發(fā)明基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法，充分考慮了車輛在典型交通場景中存在的變速行為，包括：急加速、急減速等，充分考慮了無線信號(hào)在傳播過程可能受到環(huán)境因素影響的潛在干擾，分別對(duì)不同的環(huán)境進(jìn)行信道建模，包括：視距環(huán)境、非視距環(huán)境、半視距環(huán)境，隨后據(jù)此建立系統(tǒng)運(yùn)動(dòng)學(xué)方程和觀測方程，使用分布式多模型非線性濾波方法對(duì)系統(tǒng)方程組進(jìn)行濾波處理，可較為準(zhǔn)確的追蹤車輛的實(shí)時(shí)狀態(tài)信息，大幅度提高車輛的位置信息估計(jì)精度。附圖說明圖1為本發(fā)明基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法流程圖；具體實(shí)施方式下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。本發(fā)明是一種基于專用短程通信網(wǎng)絡(luò)的路網(wǎng)黑客車輛定位方法，包括以下幾個(gè)步驟：步驟一，采集路網(wǎng)中車輛在遇到典型交通事件時(shí)的加速度值，典型交通事件包括：經(jīng)過交叉路口遇到紅綠燈情況，超車、跟車等情況，采集路網(wǎng)中專用短程通信信號(hào)在兩車間傳播的發(fā)射功率和接收功率，并記錄車輛間的相對(duì)距離；步驟二，通過步驟一采集到的加速度值，兩車間的專用短程通信信號(hào)的發(fā)射功率和接收功率值以及相對(duì)距離值，建立路網(wǎng)中車輛的動(dòng)力學(xué)加速度取值集合，用于表征車輛可能發(fā)生的加速度變化狀態(tài)，建立車輛間的專用短程通信信號(hào)傳播模型，用于表征專用短程通信信號(hào)的信號(hào)功率在車輛環(huán)境下的衰減規(guī)律；A、車輛的動(dòng)力學(xué)加速度取值集合由步驟一采集到的加速度值數(shù)據(jù)，確定加速度取值集合其中a1,…,aL分別對(duì)應(yīng)車輛經(jīng)過交叉路口遇到紅綠燈情況，超車、跟車等情況時(shí)，可能出現(xiàn)的加速度狀態(tài)；B、專用短程通信信道傳播模型由步驟一采集到的專用短程通信信號(hào)在兩車間傳播的發(fā)射功率和接收功率,以及車輛間的相對(duì)距離，建立形如(1)式的對(duì)數(shù)信道模型：并通過多次大量重復(fù)的數(shù)據(jù)采集，修正車輛環(huán)境常數(shù)C與信道模型噪聲項(xiàng)的取值。其中receivedpower(RP)表示信號(hào)接收端的信號(hào)功率，常數(shù)C的取值與信號(hào)發(fā)射功率成正比例關(guān)系(專用短程通信信號(hào)的發(fā)射功率有相關(guān)標(biāo)準(zhǔn)約束，取值確定)，γ為信道衰減指數(shù)(一般情況其取值范圍γ∈[2,5])，distance為通過實(shí)際測量獲得的兩車距離，為信道模型的噪聲項(xiàng)；在建立信道傳播模型時(shí)，需要考慮不同信道環(huán)境情況對(duì)γ和的取值影響；此處，將具體的車輛信道環(huán)境情況分為三種情況：視距情況(Line-of-Sight,LOS)、非視距情況(Non-Line-of-Sight,NLOS)、被車輛半遮擋的視距情況(Obstructed-Line-of-Sight,OLOS)，定義φ＝{s1,s2,s3}，其中，s1代表視距情況、s2代表非視距情況、s3代表被車輛半遮擋的視距情況，令其對(duì)應(yīng)的γ取值分別為2.5、3.5、4.5，隨后需通過信號(hào)強(qiáng)度的采集數(shù)據(jù)，給出三種不同情況下信道模型噪聲項(xiàng)的合理估值；步驟三，建立用于估計(jì)目標(biāo)車輛位置信息的方程組；A、目標(biāo)車輛可以通過GPS獲得自身的位置信息當(dāng)目標(biāo)車輛具備GPS裝置，能夠獲得自身的低精度位置信息時(shí)，建立如下系統(tǒng)和觀測方程組：其中，方程組(2)中的第一個(gè)方程為車輛運(yùn)動(dòng)學(xué)模型，第二個(gè)方程為車輛狀態(tài)觀測模型；在車輛運(yùn)動(dòng)學(xué)模型中，θk為車輛在時(shí)刻k的狀態(tài)向量表示車輛在(x,y,z)方向的位置分量，表示車輛在(x,y,z)方向的速度分量；為車輛在時(shí)刻k的加速度狀態(tài)表示車輛在(x,y,z)方向的加速度分量，車輛的位置、速度、加速度信息均從GPS裝置處獲得，F(xiàn)和G分別是車輛運(yùn)動(dòng)系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣和加速度轉(zhuǎn)移矩陣，ζk為車輛的運(yùn)動(dòng)模型在時(shí)刻k的加速度噪聲；在車輛狀態(tài)觀測模型中，h為觀測量的非線性轉(zhuǎn)移函數(shù)，zk為車輛在時(shí)刻k的狀態(tài)觀測向量，為車輛狀態(tài)觀測模型在時(shí)刻k的觀測噪聲，φk為步驟二B中描述的車輛信道環(huán)境狀態(tài)；B、目標(biāo)車輛不能通過GPS獲得自身的位置信息當(dāng)目標(biāo)車輛不具備GPS裝置、GPS數(shù)據(jù)失效、或有意關(guān)閉GPS，不能夠自主獲得其自身位置信息時(shí)，通過其專用短程通信網(wǎng)絡(luò)中的其他車輛輔助，通過方程組(3)估計(jì)目標(biāo)車輛的位置信息(px,py,pz)：distance_1=(px-px_1GPS)2+(py-py_1GPS)2+(pz-pz_1GPS)2...distance_n=(px-px_nGPS)2+(py-py_nGPS)2+(pz-pz_nGPS)2,---(3)]]>其中，distance_1,…,distance_n根據(jù)公式(1)中distance估計(jì)獲得，表示目標(biāo)車輛與第i輛鄰居車輛間的距離，表示第i輛鄰居車輛的三維位置信息，i＝1,…,n，receivedpower從專用短程通信信號(hào)物理層獲得，C為已知常數(shù)，γ和根據(jù)步驟二(2)中描述的具體車輛信道環(huán)境φ進(jìn)行設(shè)定；步驟四，使用濾波算法對(duì)車輛位置信息估值濾波；A、使用濾波算法對(duì)步驟三A中的數(shù)據(jù)進(jìn)行濾波處理使用分布式多模型非線性濾波算法對(duì)步驟三中的方程組(2)進(jìn)行濾波處理；步驟三A中的和φk在不同的時(shí)刻k，可能會(huì)發(fā)生突然的變化；的可能取值由步驟二A中的多模型集合確定，定義其模型之間的轉(zhuǎn)移概率集合為其中表示當(dāng)在k-1時(shí)刻的加速度狀態(tài)為aq而k時(shí)刻的加速度狀態(tài)為ap的條件概率值；φk的可能取值由步驟二B中的多模型集合φ確定，定義其模型之間的轉(zhuǎn)移概率集合為其中表示當(dāng)φ在k-1時(shí)刻的加速度狀態(tài)為sv而k時(shí)刻的加速度狀態(tài)為su的條件概率值；本方法中，令L＝3，a1＝0m/s2，a2＝5m/s2，a3＝-2m/s2，分別代表車輛勻速行駛行為，急加速行為和急減速行為；s1，s2，s3的表征情況參見步驟二B；和的概率取值需根據(jù)歷史經(jīng)驗(yàn)值設(shè)置；B、使用濾波算法對(duì)步驟三B中的數(shù)據(jù)進(jìn)行濾波處理在使用方程組(3)進(jìn)行目標(biāo)車輛位置信息(px,py,pz)估計(jì)時(shí)，存在3個(gè)未知數(shù)，因而需要處于目標(biāo)車輛專用短程通信網(wǎng)絡(luò)中的鄰居車輛數(shù)目至少為3個(gè)；但是，當(dāng)鄰居車輛過多時(shí)，將使得目標(biāo)車輛的位置信息估計(jì)復(fù)雜度增加，因而需要限制估計(jì)過程中鄰居車輛的參與數(shù)；此處，設(shè)定鄰居車輛數(shù)目為N，參與目標(biāo)車輛定位的鄰居車輛數(shù)目為n，設(shè)定參與數(shù)上限值為5，即3≤n≤5；由于通過方程組(3)計(jì)算目標(biāo)車輛位置信息僅需要聯(lián)立三個(gè)方程，因此在n個(gè)鄰居車輛聯(lián)合估計(jì)時(shí)，會(huì)有combination(n,3)種方程組情況；當(dāng)n為3時(shí)，方程組(3)可獲得一組唯一的車輛的位置信息(px,py,pz)；當(dāng)n為4或5時(shí)，通過方程組(3)中任意三個(gè)不同的方程，可獲得combination(4,3)或combination(5,3)組位置信息估計(jì)量，此時(shí)，需要按照步驟五B方法處理這些估計(jì)量，并將其作為估值結(jié)果；將通過公式(3)計(jì)算而得的目標(biāo)車輛位置信息(px,py,pz)記為其中，combination(·)表示組合數(shù)算子。由于鄰居車輛參與數(shù)的限制，在參與位置估計(jì)的鄰居車輛選擇上，應(yīng)優(yōu)先選擇距離目標(biāo)車輛更近的，且與目標(biāo)車輛的通信鏈路為無遮擋的視距情況的鄰居車輛參加；其中，鄰居車輛與目標(biāo)車輛的距離與鄰居車輛處receivedpower值成正比例關(guān)系，一般地，-40dBm≤receivedpower≤-90dBm，receivedpower值越大表明鄰居車輛與目標(biāo)車輛的距離越近；若需要通過通信鏈路的狀態(tài)選擇鄰居車輛，優(yōu)先順序依次為處于視距情況、被車輛半遮擋的視距情況、非視距情況的鄰居車輛；參與位置估計(jì)的n個(gè)鄰居車輛的選擇規(guī)則，根據(jù)所有N個(gè)鄰居車輛的Weight取值大小排序，選擇使得Weight取值較大的前n個(gè)鄰居車輛參加；其中，Weight的取值大小參照表.1所示；表.1.Weight的取值步驟五，以1Hz的頻率發(fā)布目標(biāo)車輛位置信息估計(jì)結(jié)果(px+,py+,pz+)=a(pxGPS,pyGPS,pzGPS)+b(pxRSSI,pyRSSI,pzRSSI),---(4)]]>a和b的取值按如下規(guī)則：步驟六，將T＝30s的時(shí)間區(qū)間內(nèi)的車輛位置信息擬合為車輛軌跡信息，并進(jìn)行如下判斷識(shí)別：A、對(duì)于唯一的MAC身份標(biāo)識(shí)，在同一時(shí)間區(qū)間中存在兩處軌跡，識(shí)別車輛自組織網(wǎng)絡(luò)中存在“欺騙攻擊”，該軌跡所對(duì)應(yīng)的兩輛車輛中必存在目標(biāo)黑客車輛，根據(jù)MAC身份標(biāo)識(shí)分別獲得它們的實(shí)時(shí)位置信息，從而實(shí)現(xiàn)目標(biāo)黑客車輛的定位追蹤；；B、對(duì)于多個(gè)MAC身份標(biāo)識(shí)，在同一時(shí)間區(qū)間中只存在一處軌跡，識(shí)別車輛自組織網(wǎng)絡(luò)中存在“女巫攻擊”，該軌跡所對(duì)應(yīng)的車輛即為目標(biāo)黑客車輛，根據(jù)黑客車輛的MAC身份標(biāo)識(shí)獲得其實(shí)時(shí)位置信息，從而實(shí)現(xiàn)目標(biāo)黑客車輛的定位追蹤。當(dāng)前第1頁1 2 3