面向V2X的合作式车辆数据纠正方法

面向v2x的合作式车辆数据纠正方法
技术领域
1.本发明涉及车联网信息通信技术领域，特别提供了一种面向v2x的合作式车辆数据纠正方法。


背景技术：

2.车辆作为交通领域的一大重要组成元素，车辆安全、高质量的联网通信是实现智能交通的坚实基础。v2x可以实现车辆与一切可能影响车辆的实体间的信息交互，目的是利用实体间的通信减少事故发生，减缓交通拥堵以及保障道路的安全。v2x中信息的传输可以利用车载单元(obu)和路边单元(rsu)等硬件设备实现。由于v2x中车辆间的通信使用无线链路，同时道路上的车辆报告的信息会由于不可预知的原因产生错误等等，车辆间交换的保障车辆基本安全的信息(bsm)是不可靠的。
3.在本领域的公知技术中，研究人员大多以识别发送错误信息为目的。根据研究人员对信息检验的时机和方法，他们提出的算法大致分为以下几类：1、在物理层对信息进行检查：利用物理信号在空间中传播规律检验车辆是否报告了真实的位置；2、在应用层对信息进行合理性检查：应用车辆行驶信息的合理性和一致性对其进行检查；3、在应用层使用机器学习算法对车辆信息进行检查，利用机器学习算法自学习的能力找到发送的错误信息。
4.现有技术通常聚焦于车辆个体，只是在获取数据后进行简单的验证或者检测以检验数据是否存在，或者对数据进行诊断以查找车辆中故障因素，这对于正在行驶的车辆实际作用有限，不能实时地对在道路中行驶的车辆数据进行纠正，保证车辆可以实时产生准确的驾驶数据并提升道路安全。


技术实现要素：

5.鉴于此，本发明的目的在于提供一种面向v2x的合作式车辆数据纠正方法，以解决现有的车辆信息准确性无法保障的问题。
6.本发明提供的技术方案是：面向v2x的合作式车辆数据纠正方法，包括如下步骤：
7.s1：车辆定期收集自身驾驶状态信息并将所述驾驶状态信息与时间信息、车辆id信息一起封装后发送至管理车辆所在区域的路边单元，其中，所述驾驶状态信息包括车辆的位置信息、速度信息、航向角信息和加速度信息；
8.s2：车辆根据自身上一时刻的驾驶状态信息对自身当前时刻的驾驶状态数据进行预测，之后，根据预测结果对收集到的当前时刻的驾驶状态进行合理性判断并纠正不合理的数据；
9.s3：路边单元依据其管理范围内历史车辆驾驶状态信息进行训练，判断当前接收到的车辆驾驶状态信息的合理性，并根据车辆的上一时刻的驾驶状态信息对该车辆当前时刻的驾驶状态中的不合理数据进行纠正，之后，将合理性判断结果及纠正后的车辆驾驶状态信息返回原车辆；
10.s4：车辆将自身得到的合理性判断结果及纠正后的驾驶状态信息与路边单元的合理性判断结果及纠正后的驾驶状态信息进行比较与融合，得到合作纠正后的当前时刻车辆驾驶状态信息并发送给路边单元及周围邻居。
11.优选，s2：具体包括如下步骤：
12.s21：车辆根据自身上一时刻的驾驶状态信息对自身当前时刻的驾驶状态数据进行预测；
13.s22：将预测的驾驶状态与收集到的当前时刻的驾驶状态进行比较，若对应属性的数据差值大于预设的阈值，则判定收集到的当前时刻的驾驶状态信息中相应属性的数据为不合理数据，并用预测的驾驶状态信息中的相应属性的数据纠正当前时刻的车辆驾驶状态信息中相应属性的数据。
14.进一步优选，所述路边单元上部署强化学习算法，用于学习过去在驾驶状态信息判断中学习到经验并应用于当前的实时信息判断。
15.进一步优选，所述强化学习算法为一步q-learning算法。
16.进一步优选，s4中车辆将自身得到的合理性判断结果及纠正后的驾驶状态信息与路边单元的合理性判断结果及纠正后的驾驶状态信息进行比较与融合，得到合作纠正后的当前时刻车辆驾驶状态信息的过程如下：
17.判断车辆自身得到的合理性判断结果与路边单元的合理性判断结果是否相同，若相同，则将二者纠正后的驾驶状态信息中的对应属性的数据取平均值作为该属性的最终纠正后数据，否则，选择两者中与车辆上一时刻的驾驶状态信息中相应属性差距更小的对应属性数据作为该属性的最终纠正后数据。
18.本发明提供的面向v2x的合作式车辆数据纠正方法，采用了合作式数据检测与纠正方案，车辆节点和路边单元分别用于处理车辆自身数据和控制范围内所有车辆数据，车辆可以获取自身节点的位置、速度、航向角和加速度信息，通过自身上一时刻的信息可以判断当前信息的正确性并纠正，结合当前收到的车辆信息以及控制范围内的历史车辆信息，路边单元可以判断车辆信息的正确性并纠正，利用车辆节点自身以及路边单元的协同工作，可以构建车辆行驶参数模型，进而实现城市高密度车辆环境下的车辆数据纠正，保障高密度车辆环境下的车辆行驶安全和道路安全。
具体实施方式
19.下面将结合具体的实施方案对本发明进行进一步的解释，但并不局限本发明。
20.本发明的应用环境如下：在公路网上行驶的车辆节点通过无线短程通信技术进行连接，车辆节点间、车辆节点及其所在范围的路边单元(rsu)间会有数据包的传输，数据包中的主要内容为车辆的驾驶状态信息。车辆与车辆、车辆与rsu间的通信采用无线形式。
21.本发明提供了一种面向v2x的合作式车辆数据纠正方法，包括如下步骤：
22.s1：车辆定期收集自身驾驶状态信息并将所述驾驶状态信息与时间信息、车辆id信息一起封装后发送至管理车辆所在区域的路边单元(rsu)，其中，所述驾驶状态信息包括车辆的位置信息、速度信息、航向角信息和加速度信息，本技术中将位置信息、速度信息、航向角信息和加速度信息称为驾驶状态信息的属性；
23.s2：车辆根据自身上一时刻的驾驶状态信息对自身当前时刻的驾驶状态数据进行
预测，之后，根据预测结果对收集到的当前时刻的驾驶状态进行合理性判断并纠正不合理的数据；
24.s3：路边单元(rsu)依据其管理范围内历史车辆驾驶状态信息进行训练，判断当前接收到的车辆驾驶状态信息的合理性，并根据车辆的上一时刻的驾驶状态信息对该车辆当前时刻的驾驶状态中的不合理数据进行纠正，之后，将合理性判断结果及纠正后的车辆驾驶状态信息返回原车辆；
25.s4：车辆将自身得到的合理性判断结果及纠正后的驾驶状态信息与路边单元(rsu)的合理性判断结果及纠正后的驾驶状态信息进行比较与融合，得到合作纠正后的当前时刻车辆驾驶状态信息并发送给路边单元(rsu)及周围邻居。
26.该面向v2x的合作式车辆数据纠正方法，采用了合作式数据检测与纠正方案，车辆节点和路边单元分别用于处理车辆自身数据和控制范围内所有车辆数据，车辆可以获取自身节点的位置、速度、航向角和加速度信息，通过自身上一时刻的信息可以判断当前信息的正确性并纠正，结合当前收到的车辆信息以及控制范围内的历史车辆信息，路边单元可以判断车辆信息的正确性并纠正，利用车辆节点自身以及路边单元的协同工作，可以构建车辆行驶参数模型，进而实现城市高密度车辆环境下的车辆数据纠正，保障高密度车辆环境下的车辆行驶安全和道路安全。
27.具体地，s1中车辆节点在行驶过程中利用传感器持续捕获车辆的位置、速度、航向角和加速度信息，并将捕获的信息与信息获取时间、车辆id一起封装成为车辆基本安全信息bsm。因此，一个bsm信息中包含了timestamp，id，lat，long，v，acc和angle，其中timestamp是bsm发送的时间戳，即车辆中各传感器捕获传感器数据的时间，id是车辆id，lat是车辆当前所处的纬度，long是车辆当前所处的经度，v是车辆的速度，acc是车辆的加速度，angle是车辆的航向角。车辆会保存自身上一时刻以及当前时刻的bsm，以用于对驾驶状态信息进行合理性判断与纠正。同时，车辆也会将bsm信息发送至rsu，rsu判断信息的正确性并做出相应的纠正。其中，bsm各属性可通过添加时间信息下标以区分不同时刻的bsm，如使用v
t
表示车辆在t时刻的速度，v
t-1
表示车辆在t-1时刻的速度。
28.s2：车辆根据自身上一时刻的驾驶状态信息对自身当前时刻的驾驶状态数据进行预测，之后，根据预测结果对收集到的当前时刻的驾驶状态进行合理性判断并纠正不合理的数据具体包括如下步骤：
29.s21：车辆根据自身上一时刻的驾驶状态信息对自身当前时刻的驾驶状态数据进行预测；
30.s22：将预测的驾驶状态与收集到的当前时刻的驾驶状态进行比较，若对应属性的数据差值大于预设的阈值，则判定收集到的当前时刻的驾驶状态信息中相应属性的数据为不合理数据，并用预测的驾驶状态信息中的相应属性的数据纠正当前时刻的车辆驾驶状态信息中相应属性的数据；
31.其中，s2的具体过程如下：
32.依照行业标准的规定，车辆发送车辆基本安全信息bsm的频率为10hz，在城市道路最高行驶速度60km/h的限制下，可以将车辆在每两次消息发送间隔中的运动简化为匀加速直线运动。车辆在t时刻的位置预测信息为其计算方式如下：
[0033][0034]
其中，v
t-1
*|sin(angle
t-1
)|、v
t-1
*|cos(angle
t-1
)|分别是车辆沿纬度、经度方向的速度，a
t-1
*|sin(angle
t-1
)|、a
t-1
*|cos(angle
t-1
)|分别是车辆沿纬度、经度方向的加速度，δt是车辆两次发送消息的时间间隔，即0.1秒。
[0035]
预测位置与实际报告位置之间的差值(即：距离)利用公式(2)计算，若两点间的差值小于设定的阈值，即小于定位误差，则认为车辆报告了正确的位置信息，否则，认为车辆报告了错误的位置信息并使用预测的位置信息代替报告信息，完成位置纠正。
[0036][0037]
预测的速度和加速度分别根据公式(3)和公式(4)进行计算。与位置信息的判断类似，如果预测的速度(加速度)和传感器捕获的速度(加速度)信息的差值大于设定的阈值，则认为bsm中包含了错误的速度(加速度)信息，利用预测的速度(加速度)信息代替报告的信息，完成速度(加速度)的纠正。
[0038][0039][0040]
路边单元rsu具有比车辆更大的算力，因此可以进行更复杂的计算以判断车辆发送的bsm的正确性。
[0041]
s3中，在路边单元rsu上部署强化学习算法，学习过去在bsm判断中学习到经验并应用于当前的实时信息判断。这样不仅更充分的使用了路边单元rsu的计算资源，同时可以有效的结合路边单元rsu管理范围内车辆历史驾驶状态，更精确的判断车辆是否发送了含有错误信息的bsm，即：判断车辆驾驶状态信息的合理性，并对该车辆当前时刻的驾驶状态的中不合理数据进行纠正。
[0042]
其中，强化学习算法可采用一步q-learning算法，其表述形式如下：
[0043][0044]
通过设置较高的学习率α以及较低的折扣因子γ，使得一步q-learning算法可以更好的聚焦于动态的交通变化，学习到实时的车辆状态信息。
[0045]
具体地：按照车辆距离道路中心线的距离(小于1/2车道宽度、大于1/2车道宽度)、车辆速度(低速：0～40km/h、正常速度：40～60km/h、超速：》60km/h)、车辆加速度(《-4.6m/s2、-4.6～3.4m/s2、》3.4m/s2)以及车辆的航向角(0
°
～90
°
、90
°
～180
°
、180
°
～270
°
、270
°
～360
°
)将q-learning算法中的状态空间划分为表1的形式。
[0046]
表1状态空间
[0047][0048]
设定的动作空间有两个，no-action表示收到的bsm中没有错误信息；correct表示收到的bsm中包含了错误信息，需要进行纠正。不同的动作有不同的奖励函数与之对应。当选择no-action时，表明路边单元rsu认为收到的bsm是正确的，此时的奖励函数与上一时刻的bsm、当前收到的bsm有关。若两次收到的bsm中各属性满足合理性预测(与车辆自身预测方法一致)，则标记flag1＝1，此时奖励值为1；否则，rsu做出了错误的判断，标记flag1＝0，奖励值为-1。选择correct时，表明rsu认为收到的bsm中包含了错误的信息，此时利用上一时刻的bsm信息对当前时刻的信息进行合理性的预测(与车辆自身纠正方法一致)，若纠正后的bsm信息(记作bsm’)和收到的bsm信息的各属性之间的差距在设定的阈值范围内，则认为rsu做出了错误的判断，标记flag2＝0，奖励值为-1；否则认为rsu做出了正确的判断，标记flag2＝1，奖励值为1且纠正后的bsm为bsm’。no-action动作以及correct动作对应的奖励函数分别如公式(6)、(7)所示。
[0049][0050][0051]
s4：车辆将自身得到的合理性判断结果及纠正后的驾驶状态信息与路边单元(rsu)的合理性判断结果及纠正后的驾驶状态信息进行比较与融合，得到合作纠正后的当
前时刻车辆驾驶状态信息的过程如下：
[0052]
判断车辆自身得到的合理性判断结果与路边单元rsu的合理性判断结果是否相同，若相同，则将二者纠正后的驾驶状态信息中的对应属性的数据取平均值作为该属性的最终纠正后数据，否则，选择两者中与车辆上一时刻的驾驶状态信息中相应属性差距更小的对应属性数据作为该属性的最终纠正后数据。
[0053]
车辆与路边单元rsu对于当前时刻产生的bsm信息的正误判断及纠正结果会返回到原车辆，由原车辆决定当前产生的bsm信息是否包含了不合理数据并将最终的结果保存在车辆自身以及广播至周围邻居与rsu。
[0054]
本发明的具体实施方式是按照递进的方式进行撰写的，着重强调各个实施方案的不同之处，其相似部分可以相互参见。
[0055]
上面对本发明的实施方式做了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。