【技术实现步骤摘要】
无人驾驶车群安全自协模型构建方法
[0001]本专利技术涉及无人驾驶领域,具体涉及无人驾驶车群安全自协模型构建方法。
技术介绍
[0002]随着人工智能技术的发展,国内外科技巨头也开始在无人驾驶领域竞相布局,相关企业纷纷投入重金研发相关技术,这样加快了无人驾驶技术的发展。据最新的无人驾驶行业预测,无人驾驶汽车预计在本世纪20年代末实现无需驾驶员的 L5级完全自动驾驶并在某些地区上市并合法使用,最初的无人驾驶车辆可能成本较高且新能有限,从本世纪30年代或者40年代开始,无人驾驶汽车成本将逐步降低,变得能够普及大众。虽然无人驾驶技术被认为能够大幅减少人为原因造成的交通事故、缓解交通拥堵以及改善尾气污染排放,然而,现阶段无人驾驶技术仍然处于初级阶段,同时,无人驾驶与有人驾驶的共存,也必将导致新的交通安全、交通拥堵、空气污染等问题。无人驾驶作为智能交通发展最新形式,与无线通信技术相结合方式,为解决上述难题提供了新的手段。无人驾驶车辆不再依靠单体智能决策,而是通过车辆间信息共享,能够将使得车辆获得更加全面的道路状况等信息,进而实现车辆间的高效协作,避免交通事故发生,并提高车辆通行效率,实现从车辆单体智能向群体智能的转变。《节能与新能源汽车技术路线图》研究表明,智能网联汽车部署初期,利用智能网联汽车中辅助驾驶技术,减轻驾驶员的负担,使得未来城市交通尤其是复杂交叉路口环境中,利用自动驾驶技术和通信技术将可能实现美国图灵奖得主巴特勒
·
兰普森博士提出的交通运行零死亡率。尽管智能网联汽车技术使得车辆单体智能向群体智能 ...
【技术保护点】
【技术特征摘要】
1.一种无人驾驶车群安全自协模型构建方法,其特征是,具体包括如下步骤:步骤1.基于风险评估效用的无人驾驶车群动态演化方法步骤1.1相关定义定义1距离函数dist:车群形成算法使用欧氏距离衡量两个车辆节点之间的距离,即:其中,v
i
,,v
j
代表车辆节点,(x,y,z)是车辆节点在三维空间的坐标;定义2风险评估效用REU:从预估损失等级(Estimated Loss Level,ELL)、威胁、漏洞三个方面对无人驾驶车群节点的风险进行评估,给出了风险效用评估(Risk Evaluation Utility,REU)作为车群的安全性度量指标;在t时刻的无人驾驶车辆节点v
i
的REU为:其中,int函数用来将ELL级别转换为相应的正实数值,一般选取单调递增的函数;α的值是根据int函数的取值范围设定的,使REU取值具有明显的区分度;分别对应CVSS评分系统中的基础指标得分,生命周期指标得分和环境指标得分,得分越高表示漏洞的严重程度越高;定义3核心节点CN(Core Node):当节点在ε邻域内的邻居节点数量达到τ,REU高于半数以上的邻居节点时,该节点被称为核心节点;此时节点的REU需要按照公式(1.1)重新计算:其中,V是节点的ε邻域内的所有节点的集合(包含节点自身),|V|是集合V中元素的数量,核心节点主要分担主节点的通信和计算负载;定义4主节点MN(Master Node):核心节点需要通过竞选机制才能升级为主节点,一个节点满足以下条件才能升级为主节点:(1)该节点是核心节点;(2)REU值高于半数以上的邻居核心节点,或者不存在其他核心节点;主节点的邻居核心节点充当次级节点,负责维护其子车群和主节点的通信;当车群中只有一个核心节点时,此核心节点依然升级为主节点,此时车群中不存在次级节点,主节点的REU需要按照公式(1.2)进行更新其中,V是主节点下属的核心节点及其子车群的集合;定义5边界节点(Border Node):如果一个噪声点处在某个核心节点的ε邻域内,在该节点收到核心节点的心跳包(定时发送消息用于保持车辆之间的通讯)后升级为边界节点,此时节点正式加入车群,即节点满足如下条件便可加入车群:其中,N
i
是节点v
i
的邻居集合,v
c
是其邻居集合中的一个核心节点;定义6噪声节点NN(Noise Node):既非核心节点也非边界节点,此类节点邻域内不存在核心节点或主节点;如果其邻域中存在核心节点,此时可以将该节点加入车群构成的拓扑
网络中;否则该节点不参与车群构建;步骤1.2无人驾驶车群事件及处理算法(1)无人驾驶车群增长事件(2)无人驾驶车群缩减事件(3)无人驾驶车群合并事件(4)无人驾驶车群分裂事件步骤1.3无人驾驶车群演化算法完整的无人驾驶车群安全演化方法,如算法5所示,该算法的具体步骤如下:1)遍历车群的演化事件集合,该集合在车群的生命周期内不断更新;2)对于增长事件,执行节点加入算法;对于缩减事件,执行节点离开算法;对于合并事件,执行车群合并算法;对于增长事件,执行车群分裂算法;3)处理完毕演化事件后更新车辆集合V
n
;步骤2.无人驾驶车群安全自协模型步骤2.1相关定义定义1车辆身份实数vid:vid由(1)计算得到:vid
i
=H(ELP
i
,MAC
i
)
ꢀꢀ
(1)其中,ELP表示车辆的电子牌照(Electronic License Plate),MAC表示车辆在网络通信中使用的MAC地址,通过二元映射函数H将ELP和MAC地址转换成车辆身份实数vid,用以唯一标识特定车辆;定义2公共撤销多项式R(x):该多项式由车群共同维护,用来替代传统CA中使用的撤销证书列表(Certificate Revocation List,CRL),由公式(2)定义:其中,S
r
是被车群排除的车辆节点对应的车辆身份实数的集合,由定义可知对任意r
i
∈S
r
,R(r
i
)=0;定义3私有撤销多项式r(x):该多项式根据R(x)生成,当发现新的恶意节点时将其vid添加到r(x)中;r(x)被用来临时替代CRL,由车辆节点单独维护,其定义如下:
其中,t是多项式的最低次数,r
j
′
是用于补齐多项式次数而随机生成的实数;由定义可知,R(x)是r(x)的因子,式(3)定义了撤销证书多项式的生成,最终被使用的多项式是其计算后的结果,如公式(4)所示:定义4掩膜多项式s(x):该多项式用于混淆,防止密钥被破解,车辆v
i
的掩膜多项式由该车辆单独保存,不会泄露给其他车辆,其形式为:其中,n为r(x)的次数,因此s
i
(x)和r(x)的次数保持一致;定义5密钥多项式φ(x):该多项式由撤销证书多项式、掩膜多项式和车辆节点v
i
的公钥PK
i
生成,被用来传递密钥,其定义为:φ
i
(x)=PK
i
r(x)+ε
t
s
i
(x)
ꢀꢀꢀꢀ
(6)其中,ε
t
是通信时临时随机生成的系数,当车辆节点v
i
向车辆节点v
j
传递密钥时,密钥多项式为用Δ
i,j
代替ε
t
s
i
(j),当节点v
j
得到Δ
i,j
和r(x)后可以得到公钥PK
i
的计算方法:定义6车群属性集合M:该集合是车群在安全自协模型中所涉及的所有属性的集合,可以用以下的五元组表示:M=<V,G,S,F,R(x)>
ꢀꢀꢀꢀ
(9)其中,V={v
i
|i=1,2
…
,n}表示所有车辆节点的集合;G={G
i
|i=1,2
…
,n}表示所有车群集合;R(x)表示为撤销多项式,用于维护车群之间的通信安全;F={f
i
|i=1,2
…
,n}表示车群演化事件,事件主要分为节点加入f1、车群加入f2、边界点离开f3、核心/主节点离开f4、边界点排除f5、核心\主节点排除f6、攻击检测f7七种事件,不同的事件会引起相应的状态变化;S表示为车群的状态,在该模型中定义了七种状态,分别为初始化状态S0、增长状态S1、缩减状态S2、合并状态S3、分裂状态S4、非安全状态S5和安全自协状态S6;定义7初始化状态S0:构成一个新的车群G
i
,其中v
i
表示主节点,此时车群集合G=G∪G
i
;主...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。