-
公开(公告)号：CN108834098A
公开(公告)日：2018-11-16
申请号：CN201810402625.9
申请日：2018-04-28
Applicant: 长安大学
Abstract: 本发明提供一种基于命名数据网络的车联网数据转发方法，包括如下步骤，步骤1，请求车辆节点即源车辆首先发送Interest包给邻居节点；步骤2，邻居节点监听到Interest包，并判断是否有对应的Data包；2.1，如果有对应的Data包，则返回Data包给请求车辆；2.2，没有对应的Data包，则进入步骤3；步骤3，根据当前的交通流量Q判断当前交通密度是否处于稀疏状态；适用于车载网的数据传输要求满足不同车辆对应的不同听等时间，能够可靠的完成消息传输。
-
-
公开(公告)号：CN106412912B
公开(公告)日：2017-11-10
申请号：CN201610460535.6
申请日：2016-06-22
Applicant: 长安大学
CPC classification number: H04W4/00
Abstract: 本发明一种面向车联网的节点信任评估方法包括，步骤1，在面向车联网中，计算发送节点i对目标节点j的直接可信程度；步骤2，计算目标节点j的间接信任度；步骤3，计算目标节点j的全局信任度；依据已获得的对目标节点j的直接信任度和间接信任度，采用C‑F模型对目标节点j的可信程度进行全面评估，获取其全局信任度。本发明所述方法基于不确定性理论，采用C‑F模型分别对车联网中车辆节点的直接信任度和推荐信任度进行计算，提高了节点信任度评估的准确性；同时为了避免摒弃恶意或自私节点的不客观反馈产生的推荐信任度失真问题，采用模糊C‑means算法对推荐信任度信息进行过滤，有效提高了节点信任度评估的准确率。
-
公开(公告)号：CN111263331B
公开(公告)日：2024-02-13
申请号：CN202010048305.5
申请日：2020-01-16
Applicant: 长安大学
Abstract: 本发明公开了一种基于群智感知的车联网节点信誉评估方法，首先获取各路侧单元的信誉值列表，根据各路侧单元的信誉值列表中对同一路侧单元信誉值记录得到各路侧单元的可信度；然后根据历史交互次数得到路侧单元的通信积极性；通过分别获取不同车辆节点之间的直接信任度、车辆节点的推荐信任度和满足通信要求的路侧单元对车辆节点的反馈信任度；根据获取的不同车辆节点之间的信任度、车辆节点的推荐信任度和路侧单元对车辆节点的反馈信任度，进行加权平均得到车辆节点的全局信任度，本发明方法简单，通过三处信任度加权平均得到车辆节点的全局信任度，能够有效提高车辆节点信任度评估的准确性。
-
公开(公告)号：CN110081890B
公开(公告)日：2023-02-03
申请号：CN201910438446.5
申请日：2019-05-24
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种结合深度网络的动态k最近邻地图匹配方法，包括：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、地图匹配获取实验数据中的距离误差和方向误差；步骤三、对多层感知机的输入数据进行归一化，将归一化的经纬度作为多层感知机模型的输入，训练多层感知机模型获取动态k值；步骤四、每个测试数据根据训练得到的k值与欧几里得距离进行结合，使用k最近邻域算法获得测试数据的预测距离误差和预测方向误差，继而得到相应测试点的投影点；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点。本发明能够改善k最近邻算法存在的全局单一k值情况，获取到最佳误差值。
-
Patent Agency Ranking
公开(公告)号：CN110177370B
公开(公告)日：2022-06-14
申请号：CN201910469496.X
申请日：2019-05-31
Applicant: 长安大学
IPC: H04W12/60 , H04W12/122 , H04W4/44 , H04W4/46
Abstract: 本发明公开了一种面向车联网的共谋恶意车辆节点检测方法，本发明考虑车联网中道路安全事件消息时效性、消息可信度与车辆节点可信度的动态交互影响等因素，判断车辆节点接收的安全事件消息真假，然后依据发送真假消息个数、邻居评价因素计算发送消息的车辆节点信任值，判定单个恶意车辆节点及共谋嫌疑车辆节点名单，最后路侧单元RSU累计多个车辆节点发送的共谋嫌疑车辆节点名单，确定共谋恶意车辆节点；该方法不仅有效过滤了车联网中虚假安全事件消息，提高了共谋恶意车辆节点检测准确率，而且提高了车联网的安全性能及运行效率，为城市智能交通的安全应用提供有效技术支撑。
-
公开(公告)号：CN111259444A
公开(公告)日：2020-06-09
申请号：CN202010048296.X
申请日：2020-01-16
Applicant: 长安大学
Abstract: 本发明公开了一种融合隐私保护的轨迹数据标签聚类方法，将车辆轨迹数据挖掘与轨迹中兴趣点的隐私保护结合起来；在标签传播的过程中，对于存储的标签序列，首先将车辆身份识别号进行全局泛化处理，实现对单个车辆轨迹的匿名处理；对于精确到位置点的经纬度坐标列，结合车辆轨迹数据中的停留点数据，对兴趣点进行局部泛化处理，其他点采用全局泛化处理方法，继而实现对所有高频停留点的隐私保护，在聚类过程中，考虑了轨迹数据中的车辆身份标识号以及GPS坐标属性语义信息，将车辆轨迹数据挖掘与泛化处理结合起来，对车辆轨迹数据中的敏感信息进行隐匿处理，本方法能够有效保护车辆轨迹聚类过程中所涉及到的隐私信息。
-
公开(公告)号：CN110177370A
公开(公告)日：2019-08-27
申请号：CN201910469496.X
申请日：2019-05-31
Applicant: 长安大学
Abstract: 本发明公开了一种面向车联网的共谋恶意车辆节点检测方法，本发明考虑车联网中道路安全事件消息时效性、消息可信度与车辆节点可信度的动态交互影响等因素，判断车辆节点接收的安全事件消息真假，然后依据发送真假消息个数、邻居评价因素计算发送消息的车辆节点信任值，判定单个恶意车辆节点及共谋嫌疑车辆节点名单，最后路侧单元RSU累计多个车辆节点发送的共谋嫌疑车辆节点名单，确定共谋恶意车辆节点；该方法不仅有效过滤了车联网中虚假安全事件消息，提高了共谋恶意车辆节点检测准确率，而且提高了车联网的安全性能及运行效率，为城市智能交通的安全应用提供有效技术支撑。
-
公开(公告)号：CN110060471A
公开(公告)日：2019-07-26
申请号：CN201910257476.6
申请日：2019-04-01
Applicant: 长安大学
Abstract: 本发明公开了一种车辆OD流预测模型构建方法及车辆OD流预测方法。本发明的方法采用网格和路段嵌套的多粒度空间划分方法，用于表示区域和道路节点级别的车辆OD数据，同时提取OD间的出行次数和出行时间，采用CNN和LSTM混合的深度预测模型LSTM_traf_deepCNN，并联合OD出行时间对OD流进行预测。与传统的OD流预测方法相比，本发明的方法充分考虑了行程时间与OD流的隐关系，联合OD间的行程时间和出行次数对深度网络进行训练，所得模型具有更准确的预测能力。本发明属于交通运输信息工程技术领域，可用于城市规模出租车OD流的预测。
-
公开(公告)号：CN109861830A
公开(公告)日：2019-06-07
申请号：CN201910209639.3
申请日：2019-03-19
Applicant: 长安大学
Abstract: 一种面向VANET的高效条件匿名认证方法，用户注册车辆时，提供自己的真实身份给TA；TA验证车辆真实身份并为车辆生成相应的私钥；对一个新加入的路侧单元，TA为其生成相应的公私钥对、证书以及其它信息并通过安全信道发送给路侧单元；当车辆进入一个新的RSU的区域时，首先向RSU匿名认证自己的身份；认证成功后，RSU向获得认证的车辆发送临时匿名证书；车辆广播消息时，使用自己的私钥生成签名，广播消息；消息验证后，若接收消息后发现消息为恶意消息，TA对恶意车辆进行追踪。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.022 seconds)
