[发明专利]一种基于BP神经网络的车联网中虚假事故信息检测方法

权利要求书

1.一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：包括以下步骤：

获取多个车辆发送的事故信息；

基于多个车辆发送的事故信息，从多个角度提取事故信息真实性特征；

基于部分事故信息真实性特征，是否满足车辆间的通信条件，进行车联网中车辆接收的事故信息是否为虚假事故信息进行第一次判断；

当部分事故信息真实性特征满足车辆间的通信条件，则第一次判断结果为不是虚假事故信息，则将剩余部分事故信息真实性特征，采用BP神经网络，对是否是虚假事故信息进行第二次判断；

否则，认为该信息是虚假事故信息。

2.根据权利要求1所述的一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述则将剩余部分事故信息真实性特征，采用BP神经网络，对是否是虚假事故信息进行第二次判断；具体如下：

将剩余的事故信息真实性特征输入到BP神经网络，得到车辆实际发生事故的概率；

将车辆实际发生事故的概率与概率阈值相比，当车辆实际发生事故的概率大于概率阈值，则直接将BP神经网络输出的概率置位为1来表示有事故发生；

否则BP神经网络输出的概率就置位为0来表示无事故发生；

将置位后的概率与事故信息中的事故发生标志位做对比，若将置位后的概率与事故信息中的事故发生标志位一致，则表明该事故信息是真实的；

若将置位后的概率与事故信息中的事故发生标志位不一致，则表明该事故信息是虚假的。

3.根据权利要求一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述多个角度包括：单车道事故场景、多车道事故场景和车辆间通信条件。

4.根据权利要求4所述一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述单车道事故场景下基于格林希尔兹模型得到平均速度、流量和密度这三个事故信息真实性特征。

5.根据权利要求4所述一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述多车道事故场景采用格林希尔兹模型得到平均速度、流量和密度这三个事故信息真实性特征；

再选取车辆速度、加速度和转向角作为事故信息的真实性特征检测多车道事故场景下的虚假事故信息。

6.根据权利要求一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述车辆间的通信条件为：每辆车都有一定的通信范围，当车辆收到事故信息时则表明发送车辆与接收车辆和事故间的距离均小于发送车辆的通信半径，具体如下：

通过选取发送车辆位置、接收车辆位置及事故位置作为判定事故信息真实性的前提条件

所述接收车辆与发送车辆间距离计算公式如下：

其中(x₁,y₁)为发送车辆s的位置，(x₂,y₂)为接收车辆r的位置；

发送车辆与事故之间的距离如下公式：

其中:(x₃,y₃)为事故a发生的位置。

7.根据权利要求一种基于BP神经网络的车联网中虚假事故信息的检测方法，其特征在于：所述概率阈值为0.5。

8.一种基于BP神经网络的车联网中虚假事故信息的检测装置，其特征在于：包括：

获取模块：用于获取多个车辆发送的事故信息；

提取模块：基于多个车辆发送的事故信息，从多个角度提取事故信息真实性特征；

判断模块：用于基于部分事故信息真实性特征，是否满足车辆间的通信条件，进行车联网中车辆接收的事故信息是否为虚假事故信息进行第一次判断；

当第一次判断结果为不是虚假事故信息，则将剩余部分事故信息真实性特征，采用BP神经网络，对是否是虚假事故信息进行第二次判断；

否则，认为是虚假事故信息。