V2X中BSM数据的协同错误检测和纠正方法

本发明属于车联网通信，尤其涉及一种v2x中bsm数据的协同错误检测和纠正方法。

背景技术：

1、随着车辆数量的持续增加，交通管理面临着日益严峻的挑战，可能对道路安全构成威胁。为了解决这个问题，整合车辆到一切(v2x)技术已被视为一种可行的解决方案，有望减轻车辆增加给交通管理带来的压力，同时增强道路安全性。v2x借助信息通信技术和传感器技术的支持实现了车辆间的相互通信和数据共享。其核心在于基本安全消息(basicsafety messages，bsm)数据，即车辆自动发送给周边车辆和基础设施的重要信息，包括车辆id、时间、位置和速度等。车辆广泛依赖bsm来感知周围环境，根据从相邻车辆和驾驶环境中获得的数据做出明智的决策，以防潜在的安全隐患。传输准确的bsm数据使驾驶员能够感知盲区变化并接收预警信息，从而减轻驾驶压力和疲劳，提高驾驶安全性。因此，确保车辆传输的bsm数据准确性是一个具有现实意义的研究方向。

2、确保车辆驾驶数据的可靠性和完整性是实现v2x系统各项功能的基本前提。v2x通信的实现主要依赖无线和互联网通信技术。通过这些技术，能够促进车对车(v2v)和车对基础设施(v2i)的通信，从而实现路侧单元(rsu)和数据中心(dc)之间的数据交换。dc可以处理各种应用程序任务，并为v2x中大量数据的存储、计算和处理提供位置和服务基础。尽管v2x通信具备数据传输能力，但由于通信链路的抗干扰性和稳定性较差，以及快速移动的车辆导致的频繁无线连接和断开连接，v2x通信仍存在不稳定性和潜在的攻击漏洞。这种不稳定的传输信道可能被恶意行为者利用来实施数据泄露或篡改。除了上述道路上出现错误数据的原因外，传感器作为bsm数据的来源也同样值得深入研究。

3、目前，该领域的相关公知技术主要集中在v2x中通信链路的稳定性和异常车辆的检测上，然而这些公知技术通常忽视了由车辆传感器异常引起的误差。随着时间推移，传感器可能因长期使用或极端环境条件下的暂时损坏或接线松动而降低灵敏度。事实证明，在车辆行驶中立即更换故障传感器是不现实的。这种临时传感器故障可能导致车辆获取误导性信息，从而显著增加安全隐患。因此，在确保传输车辆bsm实时性能的同时，有效地检测并纠正由传感器异常引起的误差bsm是一项巨大的现实挑战。尽管如此，将其他领域的数据错误检测方法简单地移植到v2x并不切实可行。大规模实时车辆bsm的错误检测需要专门的算法来适应车辆特征以及bsm中数据的各种属性。

4、现有技术中，处理源自车辆传感器的错误bsm数据面临多个挑战：首先，许多相关的公知技术往往忽略了由车辆搭载的传感器异常引起错误数据的可能性；其次，传统的异常数据检测方法可能不适用于错误bsm数据的检测，因为bsm数据与其他行业的传感器数据存在差异，受到车辆驾驶模式动态特性和周围环境的影响；第三，检测错误bsm数据的重要性与纠正这些错误数据同等重要，以确保车辆操作的准确性和安全性；最后，车辆在高速行驶时，若因部件松动或极端天气导致传感器遇到临时故障的情况下，立即更换传感器可能不是实际可行的解决方案。

5、因此，鉴于车辆数据的多样性和可变性，通过结合考虑车辆运动特性、周围车辆的相对运动状态等因素，提出一种v2x中bsm数据的协同错误检测和纠正方法，以更有效地确保车辆数据的准确性和安全性，成为亟待解决的问题。

技术实现思路

1、鉴于此，本发明公开提供了一种v2x中bsm数据的协同错误检测和纠正方法，以解决v2x场景中由于传感器异常导致车辆产生错误数据而引发的安全问题。

2、本发明提供了一种v2x中bsm数据的协同错误检测和纠正方法，包括如下步骤：

3、s1：搭载obus的联网车辆实时向周围的车辆和路侧单元广播bsm数据，其中，bsm数据包括车辆的位置(x，y)，速度v以及加速度a；

4、s2：部署在每个路段的路侧单元实时收集并存储其覆盖范围内所有车辆广播的bsm数据并按设定的时间间隔将收集的所述bsm数据发送至数据中心；数据中心对各路侧单元发送来的数据进行汇总，生成z-score统计模型和训练单车纠正模型并将模型参数下发给各路段的路侧单元；

5、s3：路侧单元利用所述z-score统计模型检测其覆盖范围内车辆发送的bsm数据是否存在错误，并通过合理性纠正、单车纠正和多车纠正对错误的bsm数据进行纠正；然后，将纠正后的数据与车辆发送的数据进行比对，将差值发送给相应车辆；

6、s4：车辆根据接收到的纠正值进行自我纠正，并在下一个时刻继续广播纠正后的bsm数据。

7、优选，s2中，数据中心汇集各路侧单元发送来的bsm数据并对bsm数据属性进行统计分析，对于bsm数据中的每个属性att，分别计算平均值μ和标准差σ并生成z-score统计模型。

8、进一步优选，s2中，使用lstm模型对车辆发送的bsm数据中不断变化的属性值进行单车纠正，所述lstm模型在数据中心内进行训练。

9、进一步优选，s3中路侧单元利用所述z-score统计模型检测其覆盖范围内车辆发送的bsm数据是否存在错误的方法如下：

10、路侧单元使用公式(1)将接收到的bsm数据标准化为无量纲的z值，之后，将所述z值与每个属性att设置的预定义阈值进行比较，超过阈值的属性被标记为异常，以检测出bsm数据中的错误数据及其对应错误的属性；

11、

12、其中，x表示接收到的bsm数据，μ和σ分别表示属性的均值和方差。

13、进一步优选，s3中，还包括对标记为错误的bsm数据进行二次验证的步骤，进一步确保错误数据检测的准确性，其中，二次验证的具体步骤如下：首先，利用设计的纠正方法获得车辆在当前时刻的纠正值，如果纠正后的数据和原始数据之间的差值落在预定义的误差阈值内，则继续使用原始数据，并将其标记修改为准确数据。

14、进一步优选，s3中，合理性纠正通过结合车辆运动学定律以及车辆在前两个时刻的状态来对当前时刻存在的错误值进行纠正。

15、进一步优选，s3中，单车纠正利用车辆自身的历史驾驶信息来预测当前的值，从而得到一个纠正值。

16、进一步优选，s3中，多车纠正利用相邻车辆的状态来纠正错误bsm数据。

17、进一步优选，若车辆连续多个时刻持续向路侧单元发送错误bsm数据，路侧单元在多次纠正迭代后确定最佳纠正值并发送至所述车辆，所述车辆将在持续一段时间内均采用该纠正值，并且路侧单元在此期间暂停对所述车辆的检测和纠正。

18、进一步优选，所述路侧单元之间共享异常车辆的纠正方案。

19、本发明提出了一种涉及车辆、路侧单元和数据中心的协作方法，用于联合检测和纠正错误bsm数据。通过对车辆产生的bsm数据进行统计分析，利用其特性来检测车辆可能存在错误的bsm数据。一旦检测到错误的bsm数据，该方法采用多种纠正手段，包括合理性纠正、单车纠正和基于相邻车辆的多车的纠正方法，以确立准确的属性值。合理性纠正方案结合了车辆运动学定律和车辆在前两个时刻的状态信息进行计算，单车纠正方法则是基于大量历史bsm数据集进行训练，而基于相邻车辆的多车纠正方法，则利用车辆之间的相对运动模式，对错误的bsm数据进行修正。此外，考虑到rsu在道路流量高峰期的潜在计算压力，提出了一种时间优化方法，以减小路侧单元对每条数据的平均处理时间。因此，本发明能够有效地检测和纠正错误的bsm数据，有助于显著减少由于数据不准确而可能引发的交通事故和相关安全隐患。通过协同车辆、路侧单元和数据中心的合作，提高了车辆数据的准确性和安全性，从而为v2x通信场景带来更可靠的安全保障。

20、本发明提供的v2x中bsm数据的协同错误检测和纠正方法，针对v2x中bsm数据的多维数据、快速更新速度和实时性能需求带来的挑战，通过综合考虑车辆自身的历史信息和与周围车辆的相对状态信息等因素，并仔细考虑了车辆、rsu和dc之间的协作，根据上述设备的独特特性设计了不同的方法，可以协同完成错误bsm数据的检测和纠正。

21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明的公开。