【技术实现步骤摘要】
本专利技术涉及无人驾驶车辆，特别涉及一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法。
技术介绍
1、近年来，随着汽车技术的不断进步，无人驾驶和智能交通系统的深入研究，人们越来越关注车对车通信的安全问题。目前通过加密通信可以确保在传输过程中的数据保持机密性，有效防止未经授权的第三方访问。然而，加密和解密的过程可能为资源受限的车辆通信系统引入一定的计算负担。同时，选择适当的加密算法和密钥长度也是一项挑战，需要在安全性和性能之间取得平衡。此外密钥管理也可提高通信的安全性。然而，密钥管理本身可能成为攻击者攻击的目标。有效的密钥分发和更新策略是一个具有挑战性的问题，因为密钥的泄露或滥用可能对整个系统的安全性构成威胁。另外可以通过认证机制确保通信参与者的合法性是至关重要的以此防止伪装攻击。然而，管理身份验证所涉及的复杂性可能导致系统设计和维护的复杂性增加。此外，安全的身份验证需要有效的密钥管理，这也可能引入额外的复杂性和开销。
技术实现思路
1、为实现更高效、安全、智能的车辆协同行驶提供新的解决方案，提高整体交通流效率和安全性，本专利技术提出一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法，具体包括以下步骤：
2、构建整车动力学模型，并基于该模型构建实现车辆之间的信息传输的v2v通信模型；
3、基于v2v通信模型接收来自其他车辆传感器测量的数据，并通过攻击检测模型对接收的数据进行检测；
4、若攻击检测模型检测当前车辆未被攻击，则当前车辆基于队列行驶
5、若攻击检测模型检测当前车辆被攻击，则当前车辆切换备用的自适应巡航控制器进行控制。
6、进一步地，整车动力学模型表示为：
7、
8、其中，ta为驱动扭矩；tb为制动扭矩；m为滚动阻力矩；r为有效车轮半径；fd为空气阻力；rg为齿轮比；je为发动机的转动惯量；为后轴的转动惯量；为前轴的转动惯量；m为汽车总量；a为汽车加速度。
9、进一步地，攻击检测模型根据车辆传感器测量的加速度、速度和位置信息，使用卡尔曼滤波器来计算残差，即观测值和预测值之间的差值，若差值为0则表示未受到攻击，否则表示受到攻击。
10、进一步地，领航车辆将车辆传感器测量的加速度、速度和位置信息输入攻击检测模型检测自身是否受到攻击；其他跟随车辆将其前车的加速度、速度和位置信息输入攻击检测模型检测其前车是否受到攻击。
11、进一步地，使用卡尔曼滤波器来计算残差的过程包括：
12、在车辆行驶过程中，位置和速度作为车的状态量，加速度作为对车的控制量，则车辆在t时刻的状态为pt为t时刻的位置，vt为t时刻的位置，已知上一时刻t-1时车辆的状态，根据运动学方程计算当前时刻t时车辆的状态，则有：
13、
14、其中，δt为两个采样时刻之间的时间差；ut为t时刻对车辆的控制量；
15、令卡尔曼滤波方程组中的状态预测公式表示为：
16、
17、其中，为时刻t时车辆的预测状态，ft为时刻t时车辆的状态转移矩阵，为时刻t-1时车辆的状态，bt为时刻t时车辆的控制矩阵；
18、考虑噪声已经预测过程中的不确定因素，卡尔曼滤波时刻t时的状态转移矩阵表示为：
19、pt-＝ftpt-1(ft)t+q
20、其中，p-t为卡尔曼滤波时刻t时的状态转移矩阵；pt-1为时刻t-1时的协方差；q为协方差矩阵，表示为上标t表示转置；
21、则，卡尔曼滤波观测方程为：
22、yt＝hxt+v
23、其中，yt为卡尔曼滤波的观测值，即车辆的速度传感器的速度测定值；h为观测矩阵，表示为h＝[01]，v表示观測的误差；
24、卡尔曼滤波中的卡尔曼系数表示为：kt＝pt-ht(hpt-ht+r)-1；
25、利用卡尔曼系数对状态预测进行修正，即：得到修正后的状态预测。
26、进一步地，将前一时刻领航车辆加速度、领航车辆速度、当前车辆其前车的加速度以及位置作为队列行驶控制器的输入，获取控制当前车辆当前时刻的加期望速度。
27、进一步地，队列行驶控制器表示为：
28、aego＝c1alead+(1-c1)afront-k1(vego-vlead)-k2(xego-xfront+l)
29、其中，aego为受控制的跟随车辆的加速度；c1为第一增益常数；alead为队列中领航车的加速度；afront为当前车辆正前方车辆的加速度；k1为第二增益常数；vego为受控制的跟随车辆的速度；alead为队列中领航车的速度；k2为pid控制器参数；xego为受控制的跟随车辆的位置；xfront为当前车辆正前方车辆的位置；l为跟随距离。本专利技术基于整车动力学学模型和v2v通信，以检测通信攻击和减轻其影响为目标，使用卡尔曼滤波器根据车辆加速度和速度的输出值来估计状态并计算残差从而判断通信数据是否受到虚假数据的恶意攻击，以此构建攻击检测模型，本专利技术与现有技术相比具有以下优点：
30、1、本专利技术使用卡尔曼滤波进行车辆状态估计和数据检测，在提高精度、实时性和抗干扰能力的同时，保证了计算效率和系统可扩展性；
31、2、本专利技术利用自适应巡航控制思想，建立相应的控制器模型，在攻击检测模型检测到攻击以后就从队列行驶控制器切换至备用的自适应巡航控制器保证车辆之间依旧能保持足够的间距从而避免了可能会发生的碰撞，并共同收敛于一个预设的速度值，进而实现车辆队列行驶场景下对恶意数据攻击的检测以及降低其带来的影响。
本文档来自技高网...【技术保护点】
1.一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，整车动力学模型表示为：
3.根据权利要求1所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，攻击检测模型根据车辆传感器测量的加速度、速度和位置信息，使用卡尔曼滤波器来计算残差，即观测值和预测值之间的差值，若差值为0则表示未受到攻击，否则表示受到攻击。
4.根据权利要求1或3所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，领航车辆将车辆传感器测量的加速度、速度和位置信息输入攻击检测模型检测自身是否受到攻击；其他跟随车辆将其前车的加速度、速度和位置信息输入攻击检测模型检测其前车是否受到攻击。
5.根据权利要求3所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，使用卡尔曼滤波器来计算残差的过程包括：
6.根据权利要求1所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征
7.根据权利要求1或6所述的一种能抵抗恶意数据攻击的V2V通信车辆队列行驶的方法，其特征在于，队列行驶控制器表示为：
...【技术特征摘要】
1.一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法，其特征在于，整车动力学模型表示为：
3.根据权利要求1所述的一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法，其特征在于，攻击检测模型根据车辆传感器测量的加速度、速度和位置信息，使用卡尔曼滤波器来计算残差，即观测值和预测值之间的差值，若差值为0则表示未受到攻击，否则表示受到攻击。
4.根据权利要求1或3所述的一种能抵抗恶意数据攻击的v2v通信车辆队列行驶的方法，其特征在于，领航车辆将车辆传感器测量的加速度、速度和位置信息...
【专利技术属性】
技术研发人员：石钧仁，刘芳卓，段盼，梁宇飞，朴昌浩，张志刚，苗建国，葛帅帅，蒋硕，王忠全，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
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。