[发明专利]车载自组织网络中基于交通流模型的虚假消息检测方法

权利要求书

1.一种车载自组织网络中基于交通流模型的虚假消息检测方法，其特征在于，其步骤如下：

步骤一：车辆节点发送告警消息，声称在位置p发生交通事故并造成部分车道堵塞；处于位置p上游路段、下游路段的车辆作为验证者，彼此合作运行分布式检测算法，评价车道堵塞事件的真实性；

步骤二：验证者能通过车载传感器获取感知半径r区域内其它车辆的状态，计算感知半径内的车辆密度；为增强感知能力，所有验证者交换、共享各自感知的局部车辆密度数据，并在此基础上计算上游路段、下游路段的平均车辆密度Z＝(ρ_up，ρ_down)作为证据；其中，ρ_up是上游路段平均车辆密度，ρ_down为下游路段平均车辆密度；

步骤三：验证者建立贝叶斯决策模型，定义车道堵塞/未堵塞两种交通模式，基于证据Z计算车道堵塞事件真实发生的后验概率，评价告警消息的真实性；

步骤四：验证者建立交通模型，分析车道堵塞/未堵塞两种模式下上游路段、下游路段的车辆密度的概率分布，定义均衡点表示上游路段、下游路段车辆密度的稳态值，并求解均衡点，从而对贝叶斯决策模型中的关键参数进行合理取值；

步骤五：验证者根据计算的均衡点，使用贝叶斯决策规则输出检测结果，如发现攻击则将检测结果和证据发送给认证中心，认证中心通过证书撤销的方法将攻击者从网络中隔离；

所述步骤四中建立交通模型的具体步骤如下：

步骤1：将具有λ个车道的道路划分为N个路段，车辆从路段N进入，从路段1驶离；

步骤2：使用理想速度v_f、密度ρ、流量q三个参数表示每个路段中交通流的宏观状态，它们之间的关系可表示为：

使用差分方程表示任意路段中交通密度随时间演化的过程：

其中，t是时隙，T_s是离散化时隙的长度，q_i(t)表示车辆在时间[t，t+1]内离开路段i进入i-1的流量；l_i是路段i的长度；

步骤3：无车道堵塞模式下，流量q_i(t)由下列两个值确定：

q_i(t)＝min(S_i(t)，Q，R_i-1(t)) (5)

其中，S_i(t)＝min(vρ_i(t)，Q_i)表示时间[t，t+1]内路段i输出的车流量，R_i-1(t)＝min(w(ρ_Jam-ρ_i-1(t))，Q_i-1)是路段i-1接收的车流量；v为速度；

步骤4：车道堵塞模式下，在路段b和b+1中公式(5)中的流量改写为：

q_i(t)＝min{v_fρ_i，Q′，Q-w(ρ_i-1-ρ_c)}for i＝b (6)

q_i(t)＝min{v_fρ_i，Q，Q′-w(ρ_i-1-ρ′_c)}for i＝b+1 (7)；

其中，Q为道路的容量，ω是常量参数表示流量随密度增加而下降的速率，Q′为阻塞路段的容量，ρ_c为临界密度，ρ′_c为阻塞路段的临界密度，ρ_i-1表示路段i-1的交通密度、ρ_i表示路段i的交通密度。