[发明专利]一种基于车辆驾驶统计数据的交通信息可信辨识方法

说明书

本发明公开了一种基于车辆驾驶统计数据的交通信息可信辨识方法，引入了驾驶员驾驶行为特征进行可信辨识，建立了一种基于驾驶行为数据统计方法的可信辨识模型，使用统计方法，通过驾驶员历史驾驶数据的分布特点提取驾驶行为特征，再通过判断时的驾驶数据是否符合所提取的驾驶行为特征，给出可信概率数值，以判断交互信息是否合法。本发明可以有效检测车辆通信数据的异常情况，包括车辆传感器数据错误或黑客攻击篡改通信数据等情况，提高了车路协同环境下智能交通系统的安全性与可靠性。

技术领域

本发明涉及车路协同、信息交互、行为特征识别等技术领域，尤其涉及一种基于车辆驾驶统计数据的交通信息可信辨识方法。

背景技术

车路协同系统及技术是新一代智能交通系统的发展趋势，基于车-车、车-路的实时交互，可以实现更加高效、安全的交通组织与管理效益。如何确保交通信息交互的安全可靠，对于车路协同系统的应用具有重要意义。但是，对于当前车路协同系统的应用环境而言，其对于交通信息的可靠性需求，不能只考虑传统通信层面的可靠性和安全性，还需要结合交通业务特征来甄别交互信息的可信程度。

目前的可信辨识技术多从物理边界和运动状态两个角度进行了分析，可以对交通数据不符合物理边界和运动状态等基础性错误进行检测，但对于根据实际交通情况伪造或篡改的交通数据还难以进行有效的检测和可信辨识，可信辨识效果不佳。

发明内容

本发明的目的是提供一种基于车辆驾驶统计数据的交通信息可信辨识方法，能够基于驾驶员的历史驾驶数据提取驾驶行为特征，有效提高交互信息的可信辨识准确度，提高可信辨识结果可靠性。

本发明采用的技术方案为：

一种基于车辆驾驶统计数据的交通信息可信辨识方法，包括以下步骤：

S01、选定待判定的驾驶数据类型并采集对应车辆驾驶数据；驾驶数据类型包括中线偏移数据、最大速度数据、高加速度数据和速度分布数据；

S02、根据驾驶数据获取对应的RSU静态数据及OBU动态数据；

中线偏移数据对应的RSU静态数据包括特征参数μ′和σ²,μ′为历史偏移距离均值，σ²为历史偏移距离方差，对应的OBU动态数据包括待判车辆一段时间T₁内的中线偏移序列[d₁,…,d_L]，d_L表示第L个时刻待判车辆相对中线的横向偏移距离；

最大速度数据对应的RSU静态数据包括道路限速值v_l和特征参数η₀，η₀为历史速度最大值与车道限速的比值，对应的OBU动态数据包括待判车辆在一段时间T₂内的速度序列[v₁,…,v_L]，L表示序列长度，v_k表示第k个时刻或第k个采样点的车辆速度，k∈[1,2,…,L]；

高加速度数据对应的RSU静态数据包括特征参数HA(a₀)′，HA(a₀)′为历史高加速度比例，对应的OBU动态数据包括待判车辆在一段时间T₃内的加速度序列[a₁,…,a_L]，L表示序列长度，a_k表示第k个时刻或第k个采样点的车辆加速度，k∈[1,2,…,L]；

速度分布数据对应的RSU静态数据包括特征参数μ和∑，μ为历史均值向量，∑为历史协方差矩阵，对应的OBU动态数据包括待判车辆在一段时间T₄内的速度序列[v_1′,…,v_L′]；

S03、基于RSU静态数据及OBU动态数据计算对应类型驾驶数据下的车辆可信概率值P；