-
公开(公告)号：CN109544900A
公开(公告)日：2019-03-29
申请号：CN201811391018.3
申请日：2018-11-21
Applicant: 长安大学
Abstract: 一种面向乘客和司机共乘出行的隐私保留的路径匹配方法，TA对所使用的地图进行区域划分并对每个网格给予唯一的编号；司机利用路径信息所对应的编号构成一个n次多项式，对多项式的系数进行加密并将加密计算的结果和辅助信息发送给乘客；响应乘客接受司机发送的信息后，选择自己的路径信息并通过辅助信息判断自己的路径长度以及共乘时间是否满足司机的要求，若满足要求，则进行相应的加密计算；若不满足，则说明此次匹配失败，司机等待下一个响应乘客的响应；司机进行共乘路径匹配计算。本发明只需要预先由TA生成公共参数g和p即可，不需要预先为司机和乘客产生共享密钥，匹配过程也不是由第三方平台管理机构完成，因而效率更高，有更好的实用性。
-
公开(公告)号：CN108737991B
公开(公告)日：2019-03-26
申请号：CN201810471330.7
申请日：2018-05-17
Applicant: 长安大学
IPC: H04W4/44 , H04W40/20 , H04W40/24 , H04L12/751 , H04L12/733 , H04L12/715 , H04W4/02
Abstract: 本发明提供了一种基于交通流理论的自适应分簇及簇型转发方法，其中自适应分簇方法包括：步骤1，任选一段道路作为当前道路，将当前道路上的车辆划分为多个簇；步骤2，每隔预设时间T对当前道路上的每个簇进行更新。本发明通过动态的分簇与簇头选取过程，经过簇头对簇内车辆消息进行收集分发，采用层次化的路由传输方法，降低网络的规模，节约信道资源与节点花销，增加数据传输效率。
-
公开(公告)号：CN109087511A
公开(公告)日：2018-12-25
申请号：CN201811217063.7
申请日：2018-10-18
Applicant: 长安大学
CPC classification number: G08G1/01 , G08G1/0104 , G08G1/0125 , H04W4/46
Abstract: 本发明公开了一种融合动态交通流特征的道路安全消息信任评估方法，通过车联网中的接收车辆Vr接收到发送车辆Vj关于道路安全事件E的安全事件消息ME，Vr更新自己的VTL，并计算关于E的消息信任值TE；然后应用DST聚合道路安全事件E的多个消息信任值TE，计算聚合后E的信任值，判断E的真实性；最后Vr更新VTL中信任矩阵Λ中的车辆信任值 ，结合车联网交通流密度、道路安全事件消息时效性等交通流动态特征，对车辆节点所收到的安全事件消息进行信任评估及识别，根据节点信任和消息信任两者间的动态交互影响，对车辆节点信任进行评估及更新。不仅提高了道路安全事件评估的准确率，而且提高了车联网运行效率，为城市智能交通的应用提供技术支撑。
-
公开(公告)号：CN108877224A
公开(公告)日：2018-11-23
申请号：CN201810788337.1
申请日：2018-07-18
Applicant: 长安大学
Abstract: 本发明公开了一种可进行置信区间估计的短时交通流预测方法，在进行在线短时交通流预测时，不仅可以获得短时交通流的预测值，而且能够同时获得上述预测值的方差估计值，并利用该方差的估计值可以进一步获得短时交通流预测值的置信区间，从而实现对短时交通流预测的不确定性进行定量分析。本发明的方法适用于交通流预测，在智能交通系统中有重要的应用价值。
-
公开(公告)号：CN112785839B
公开(公告)日：2022-12-13
申请号：CN202011305241.9
申请日：2020-11-19
Applicant: 长安大学
IPC: G08G1/01
Abstract: 本发明基于区块链的车联网车辆通信行为模仿博弈策略。首先，构建一个基于区块链技术的车联网框架，保障通信数据的不可篡改。在此基础上，对车联网中车辆节点通信行为进行量化，对不同通信行为给予不同的收益。根据车辆节点历史收益与邻居车辆节点的平均历史收益，计算车辆节点变更通信行为策略的概率。随后，RSU中组成两个策略学习的对象集。当车辆节点需要变更通信行为时，RSU分析该车辆节点的历史通信行为，给予该车辆节点相应的策略学习对象集。车辆节点变更通信行为策略后，将变更后的通信行为策略反馈给RSU，RSU验证信息的真实性后，将该信息添加到区块链网络中。该策略有效缓解自私节点和恶意节点对网络通信性能的影响。
-
Patent Agency Ranking
公开(公告)号：CN113380025B
公开(公告)日：2022-08-30
申请号：CN202110590338.7
申请日：2021-05-28
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测的模型构建方法及预测方法和系统。所公开方案构建路段出行量OD次数关系图，路段出行量局部关系图、路段出行量全局关系图共同作为空间特征，进行路段车辆出行量预测，并且也考虑外部因素影响，同时采用GCN和TCN混合的深度预测模型进行模型构建与未来出行量的预测。所公开方案提升了车辆出行量预测的准确度，可用于区域内规模车辆出行量的预测。
-
公开(公告)号：CN109861830B
公开(公告)日：2022-04-15
申请号：CN201910209639.3
申请日：2019-03-19
Applicant: 长安大学
IPC: H04L9/32 , H04L9/30 , H04W12/069 , H04W4/44 , H04W12/02
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。
-
公开(公告)号：CN111653088B
公开(公告)日：2022-02-01
申请号：CN202010317209.6
申请日：2020-04-21
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测模型构建方法及预测方法和系统。所公开的模型构建方法是基于GCN和LSTM设计了深度神经网络Multi‑task GCN‑LSTM用于车辆出行量预测，网络包含三个模块，分别用于提取空间相关性、提取时间相关性和特征融合。所公开的预测方法和系统是基于本发明所构建的模型进行车辆出行量预测。本发明在构建模型时考虑了路段局部关系和路段全局关系，并将车辆到达量预测作为相关任务，使用了多任务学习方法，以避免网络过拟合，并且有效降低了车辆出行量预测误差。
-
公开(公告)号：CN113612750A
公开(公告)日：2021-11-05
申请号：CN202110851771.1
申请日：2021-07-27
Applicant: 长安大学
Abstract: 本发明提供一种面向移动群智感知网络的用户身份隐私保护方法，包括：步骤1，系统初始化：受信任机构初始化公共参数；步骤2，授权代理：代理者向授权者申请代理授权，授权者将授权信息发送给代理者；代理者和授权者均为感知平台的用户；步骤3，授权信息的验证：代理者对获得的授权信息进行有效性验证；步骤4，感知信息的发送：代理者验证授权信息合法后，使用从授权者处获得的授权信息代理授权者发送感知信息给感知平台；步骤5，感知信息的验证：感知平台收到代理者发送的感知信息后，对感知信息进行有效性验证，如果验证失败，则拒绝接受感知信息，否则接受感知信息。本发明能更好的保护用户的隐私信息。
-
公开(公告)号：CN110177356B
公开(公告)日：2021-11-05
申请号：CN201910468941.0
申请日：2019-05-31
Applicant: 长安大学
IPC: H04W4/46 , H04W12/122 , H04L29/08 , H04L12/721 , H04L12/733
Abstract: 本发明公开了一种基于信任模型的车载命名数据网络转发方法，为了获得可靠的数据并使应用程序在VNDN中高效工作，通过识别恶意和自私的车辆节点，并在源请求节点NR接收数据包后，通过使用K‑means聚类算法对接收的Data包分簇，源请求节点节点NR选择距离最大簇的簇心最近的数据包内容，作为Interest包对应的结果，确保车辆获得的数据可信。本方法从节点信任和数据信任两方面综合考虑，提升了数据包传输的安全性和可靠性，同时有效地检测和处理VANETs中不同类型的恶意行为，降低了传输延迟，提高了消息的转发效率，优化了VANETs网络整体性能。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.022 seconds)
