[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

说明书

本发明一种基于BP神经网络的车联网中虚假事故信息的检测方法，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，利用神经网络输出结果与事故信息内容进行一致性对比从而实现虚假事故信息的检测，本发明解决了现有相关技术检测准确度低，应用场景片面的问题。

技术领域

本发明涉及车联网通信领域，尤其涉及一种基于BP神经网络的车联网中虚假事故信息检测方法。

背景技术

车联网通过实现车辆与车辆、车辆与路边单元之间的通信从而实现信息的共享，提高交通出行安全和效率。在车联网中，车辆既可以向四周车辆广播信息同时也能与路边单元进行信息共享。根据现有车联网中的标准IEEE802.11P，车联网中的车辆不仅需周期性地向四周车辆广播自身的行驶状态。在事故发生时，车辆节点还需广播事故信息向邻居节点进行预警使得其他车辆节点能够及时掌握相关信息以便做出正确的行驶决策，降低事故造成的影响。

然而，车联网内部可能会存在恶意车辆出于恶意或自私的目的在网络中传播虚假事故信息从而误导车辆做出错误的判断。除此之外，复杂的网络环境及车辆硬件设备的故障也是造成虚假事故信息的重要原因。由于车联网的高速移动性及信息快速传播性使得虚假事故信息短时间内能在车联网中广泛传播，从而误导车辆做出错误的行使决策严重降低交通效率及威胁他人生命安全。

因此，解决车联网中虚假事故信息问题是保障车辆行驶安全的必要条件。目前的相关研究考虑的事故场景较为单一使得选取的信息真实性特征较为片面，导致虚假事故信息检测算法的准确度较低且应用场景受限不符合车辆网环境复杂多变的特性。

发明内容

为了解决上述问题，本发明提供本发明采用的技术方案是：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，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，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。

进一步地：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。

进一步地：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。

进一步地：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。