一种基于交通灯状态的动态化静默监测混合区方法与流程

本发明属于车辆网中车辆假名更换领域，涉及一种允许假名更换的新型动态混合区设计方法。

背景技术：

近年来，车载自组网(vanet)以其动态高效的拓扑结构形式对车联网的智能发展提供了巨大的帮助，它通过将每个车辆作为通信节点来构建网络，允许车辆与周边的一切环境进行通信(v2x)，其目标是在道路上行驶过程中提供构建一个无中心动态自组织实时拓扑网络，以主要实现一些安全应用如协同驾驶、事故预警和非安全应用如信息娱乐等。该安全应用技术通过提供车辆与周边环境的持续动态通信提升车辆行驶安全性和交通高效性，车辆通过在行驶过程中以1-10hz的频率不断广播车辆当前状态信息，又称之为信标，包含车辆标识符、位置、速度、方向、系统状态等，提前帮助车辆了解周围环境，使得车辆之间做到协作行驶，来对即将发生的事故给驾驶员提供提醒获取缓冲时间，大大提高了道路行驶的安全。

但与此同时，因其无线广播的特性，一个窃听攻击者很容易以一个非常低廉成本接收器收集这些安全信息，并以此推测出车辆的详细移动模式。攻击者可以获取驾驶员何时出门、何时回家、何时去了医院、在哪里工作等等，这会严重侵犯驾驶员的隐私，甚至是生命财产安全。因此，在使用vanet技术提供道路安全减少交通事故的同时，保护车辆的位置隐私和轨迹隐私至关重要。

目前的研究中已提出很多假名变更方案，这些方案主要通过寻找合适的变更时机或定义合理的变更地点实现多辆车假名的共同更改，它通常分为基于混合区域的策略和基于混合上下文的策略；基于混合区域的策略如设置十字路口、停车场、加油站等交通密集区域执行假名变更、交换或加密，因其实现部署便捷在城市道路环境被广泛使用，但地点的灵活性和行驶的安全性是该策略普遍的缺点；基于混合上下文的策略如车辆行驶过程中按周围交通密度密度、车辆速度、追踪概率等阈值实时与邻居协同更改或交换假名，该策略具有动态灵活的特点而被广泛提倡在高速公路等缺乏基础设施的道路环境中，但该策略重要的缺点就是无时空信息中断导致匿名能力的不足和无基础设施导致的车辆资源能耗加大。

技术实现要素：

本发明的目的在于解决传统假名更改方法对匿名高效性、行驶安全性、实现便捷性和资源利用性方面无法兼顾的问题，而提出一种面向城市环境的基于交通灯状态的动态化静默监测混合区(tlas)方法。

本发明在传统混合区机制的基础上，通过交通灯的状态变换设计混合区的建立和监测，从而为车辆创建一片适合静默的动态行驶区域，并在行驶出该区域时更替新的假名，能够高效的保护车辆隐私安全性。该方法能够实现比传统混合区更加安全、高效假名变更策略；通过预测算法建模来实现动态化静默长度，可以实现其灵活性，并能在误差、耗时允许的范围内选择最小化资源消耗方案。

本发明方法的使用步骤是：

步骤1.使用基于交通灯状态的静默监测混合区模型来监测自身状态，为其对应的车道设置最短静默长度lsmmin。当初始化状态为红色或黄色statusstart＝red||yellow时，依据斑马线位置向后建立lsm＝lsmmin长度的矩形混合区。当初始化状态为绿色时statusstart＝green，直接跳转至步骤2，所述的交通灯内含基础设施rsu。

步骤2.当交通灯状态变为绿色statust＝green时，关闭混合区静默功能ism＝0，同时交通灯持续监测收集该区域内每秒新增车辆数进行数据记录data[t][vehicles]。

步骤3.当交通灯状态变为黄色statust＝yellow时，收集绿灯时每秒新增车辆信息data[t][vehicles]、车道数量信息lane、交通灯各状态时间信息tstatus，并传入预测模型。

步骤4.该预测模型可实现基于不同场景选择调优。通过收集各类信息，在适合该车道数和绿灯时长占比的情况下，利用该模型选用误差允许和运行时长允许内的最小化资源消耗预测方案来预测下一阶段红灯时每秒新增车辆信息predata[t][vehicles]。

步骤5.通过预测的红灯时每秒新增车辆信息predata[t][vehicles]，计算该红灯阶段各车道总停留的车辆数totalvehiclesred，然后通过该数量计算能刚好容纳所有车辆的最佳静默长度lsm。

步骤6.在黄灯结束时，交通灯广播{静默区启动标识ism＝1，静默区位置坐标possm，静默区当前长度lsm}，建立新最佳长度的静默区，使得车辆进入时保持静默，车辆离开时进行假名的更换并同时重新开启信标的广播。

步骤7.周期性循环步骤2到步骤6至本次任务结束。

本发明的有益效果：本发明在城市环境下可以简单的通过部署在路口信号灯的基础设施上稳定实现其性能，其混合区建立位置不仅保证了车辆在十字路口中心繁忙区域行驶的安全性，而且能够隐藏车辆转弯前换道的意向，使假名更改更具混淆性；其利用预测模型实现的混合区的长度动态化能够在其按照车流量灵活调整混合区长度的同时显著做到资源利用高效性。

附图说明

图1是基于交通灯状态的动态化静默监测混合区(tlas)假名策略模型图。

图2是tlas假名系统包含考虑敌手方式的系统架构图。

图3是tlas假名方案设计流程图。

具体实施方式

以下结合附图对本发明作进一步说明，具体实施步骤如下。

步骤1.使用本方法的交通灯(内含基础设施rsu)，使用新型的基于交通灯状态的静默监测混合区模型，来监测自身状态，为其对应的车道设置最短静默长度lsmmin。当初始化状态为红色或黄色statusstart＝red||yellow时，依据斑马线位置向后建立lsm＝lsmmin长度的矩形混合区。当初始化状态为绿色时statusstart＝green，直接跳转至步骤2。

其中本发明提出了基于交通灯状态的静默监测混合区模型。针对城市中复杂的路况及错杂的交通，传统的混合区方法简单的设置在交通繁忙的十字路口，没有考虑到路口中间的交通安全问题和混合区大小位置定义的灵活性问题。该模型通过基于交通灯状态变化来选择性构建位于斑马线后一段距离的矩形混合区，通过绿灯时持续监测车流发送的信标情况，通过执行预测模型，在下一阶段交通灯状态为红灯时按需执行静默混合区的构建。

请参阅图1，图1给出了本发明提出的基于交通灯状态的动态化静默监测混合区(tlas)的假名策略模型图。其中s1、s2、s3、s4设置为最短静默长度lsmmin的无线静默混合区，s5为根据各监测信息而预测的车流量变化而变化的动态无线静默混合区。然后通过交通灯基础设施广播信息{静默区启动标识ism，静默区位置坐标possm，静默区当前长度lsm}来进行静默混合区的建立。

步骤2.当交通灯状态变为绿色statust＝green时，关闭混合区静默功能ism＝0，同时交通灯持续监测收集该区域内每秒新增车辆数进行数据记录data[t][vehicles]。

步骤3.当交通灯状态变为黄色statust＝yellow时，收集绿灯时每秒新增车辆信息data[t][vehicles]、车道数量信息lane、交通灯各状态时间信息tstatus，并传入预测模型。

步骤4.该预测模型可实现基于不同场景选择调优。通过收集各类信息，在适合该车道数和绿灯时长占比的情况下，利用该模型选用误差允许和运行时长允许内的最小化资源消耗预测方案来预测下一阶段红灯时每秒新增车辆信息predata[t][vehicles]。该预测模型的具体介绍如下：

步骤4-1.预测方案实现。

本发明能够实现动态化的重要策略是预测算法，它通过得到不断收集绿灯时该静默混合区域每秒新增的车辆数来预测得到接下来时间段里红灯时每秒新增的车辆数，其总和即红灯时会停靠的车辆总数以调节混合区长度。在此基础上为了适应可变红绿灯时长和不同车流量的真实交通场景，本发明提出基于不同场景选择调优的预测模型。

监测使用到的数据是每秒tlas新增车辆数，属于简单的时间序列预测，但数据量也存在着数量少、波动不稳定、弱趋势的特点。针对这样的数据特点，本发明可通过使用简单平均算法、auto-arima算法、prophet算法和lstm算法四种预测算法实现。

步骤4-2.确立目标函数。

本发明中该模型目标函数中应考虑两个重要的因素：算法的cpu能耗和内存占用。因此目标函数根据式(1)最小化资源消耗。

minq＝γ1*αcpu(p(xt,xt+1,…,xt+n))+γ2*βmemory(p(xt,xt+1,…,xt+n))(1)

其中，x表示绿灯时tlas中每秒新增的车辆数序列，p(x)为预测方案下的预测结果序列。αcpu(p(xt,xt+1,…,xt+n))和βmemory(p(xt,xt+1,…,xt+n))分别表示该预测方案所消耗的cpu资源情况和内存情况，并给予不同的权重，分别记为γ1、γ2。

步骤4-3：设置约束条件：时间限制。

该发明要求收集绿灯时车辆进入tlas静默区的车流情况来预测红灯时车流情况，故要求预测算法的执行时间保证在黄灯的时间段内，如下式(2)。

t(p(xt,xt+1,…,xt+n))≤tyellow(2)

其中，t(p(xt,xt+1,…,xt+n))表示该预测方案的执行时间，tyellow表示黄灯的时长，单位s。

步骤4-4：设置约束条件：预测误差限制。

该方案中预测误差越小，则动态静默区的波动范围越小，对可追踪性的影响越小，性能越稳定。用车道数的倍数来限制预测误差的辆数如下式(3)，误差系数设置越小，预测准确性要求越高。

acc(p(xt,xt+1,…,xt+n))≤nlane*w(3)

其中，acc(p(xt,xt+1,…,xt+n))表示该预测方案的预测误差情况，nlane*w表示该交通灯路口前的车道数量，w表示误差系数。

步骤4-5：建立预测模型。

我们通过不同场景下4种不同预测算法优化方案展开性能比较以建立最优的预测模型。以实现在设置约束条件如预测时间限制和预测准确度限制所允许的范围内，最大程度的满足目标函数，选择最小化的cpu能耗和内存占用的预测算法。

步骤5.通过预测的红灯时每秒新增车辆信息predata[t][vehicles]，计算该红灯阶段各车道总停留的车辆数totalvehiclesred，然后通过该数量计算能刚好容纳所有车辆的最佳静默长度lsm。其中最佳静默长度lsm的计算及上述其它步骤的判断流程如图3所示，表示为每一时刻内部方案实现流程步骤。其对应具体伪代码实施步骤如下(其中图3和伪代码中提到的仿真软件中的探测器代表本发明中的静默监测混合区)：

步骤6.在黄灯结束时，交通灯广播{静默区启动标识ism＝1，静默区位置坐标possm，静默区当前长度lsm}，建立新最佳长度的静默区，使得车辆进入时保持静默，车辆离开时进行假名的更换并同时重新开启信标的广播。

步骤7.周期性循环步骤2到步骤6至本次任务结束。请参阅图2，为了展示整个tlas假名的实现方式及各模块的循环联系，本发明考虑了整个系统的架构图，系统包括①管理层(中央机构ta)、②实现层(车辆car和路边单元或交通灯rsu)，另外还考虑了③敌手层(各探测器)可能的攻击方式。本发明将具体模块联系流方式分为四类：假名分配流、假名执行流、恶意事件监测流和非法追踪流。展现周期性循环步骤的模块联系为假名执行流，其具体实现如下：

请参阅图2，②实现层的假名执行流部分。车联网中车辆在行驶过程中通过1-10hz频率广播车辆当前状态信息{车辆标识符(假名)、位置、速度、方向、系统状态等}(2-1、广播信标)，来做到车辆之间协同驾驶以保证行驶安全。然后rsu通过信号收发器进行广播信息的获取，并将其传递至信息处理模块，通过绿灯时不断收集信标获取每秒新增车辆信息data[t][vehicles]、车道数量信息lane和交通灯各状态时间信息tstatus等(2-2、信息处理)，在黄灯时将各类信息传递至其中预测算法选择模块进行下一阶段红灯时间的车流预测(2-3、预测)，并由预测算法模型返回出的数据计算出的tlas最佳静默长度lsm(2-4、计算位置)，红灯时将该长度lsm、静默标识ism和静默开始位置possm进行广播(2-5、广播位置)。当车辆收到静默标识和静默区长度位置时，传递至假名策略选择模块选择所使用的假名策略(2-6、选择策略)，在离开该静默区时从假名存储单元中得到新的假名进行更换(2-7、更换假名)，继续行驶至下一路口。再次进行下一路口交通灯rsu根据状态对混合区的部署，而进行循环。

以上是本发明的较佳实施过程，凡依本发明技术所做的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。