一种基于事件聚类的车辆群智感知容错真值预测方法及系统

摘要: 本发明涉及车联网、物联网,尤其是一种基于事件聚类的车辆群智感知容错真值预测方法及系统。背景技术:1、近年来,随着车联网、智能交通系统和物联网技术的发展,车辆群智...
一种基于事件聚类的车辆群智感知容错真值预测方法及系统

本发明涉及车联网、物联网,尤其是一种基于事件聚类的车辆群智感知容错真值预测方法及系统。

背景技术:

1、近年来,随着车联网、智能交通系统和物联网技术的发展,车辆群智感知(vehicular crowdsensing,vcs)逐渐成为智慧城市中获取道路状态、交通事件和环境信息的重要方式。车辆群智感知利用车辆分布广、移动性强和车载传感器丰富等特点,将大量行驶车辆作为移动感知节点,向数据请求者上传多源感知数据。在车辆群智感知过程中,不同车辆上传的数据可能受到传感器精度、车辆位置、道路环境、天气、遮挡和通信延迟等客观因素影响而产生偏差,也可能受到恶意车辆伪造、篡改或合谋提交虚假数据的影响。因此,如何从多源冲突数据中推断可靠真值,并合理评估车辆数据可信度,是车辆群智感知系统稳定运行的关键问题。

2、现有车辆群智感知真值发现方法通常采用固定时间窗口和固定空间网格对任务区域进行划分,再在每个时空子区域内执行真值发现。该类方法实现简单,但在动态交通场景中,同一时空范围内可能同时存在交通事故、道路拥堵、施工管制、异常天气等多个语义不同的事件。固定时空划分难以区分并发事件,容易将不同事件对应的车辆报告混入同一真值发现过程,从而降低估计真值的准确性和语义有效性。此外,现有真值发现方法通常依据车辆数据与估计真值之间的偏差计算权重或更新信誉值,但未充分区分客观低质量数据与主观恶意数据。由传感器噪声、环境遮挡或信号干扰导致的客观低质量数据,并不等同于恶意车辆主动提交的虚假数据。若将两类异常数据均直接作为信誉惩罚依据,诚实车辆可能因客观环境影响而被误惩罚,进而降低后续参与积极性,影响车辆群智感知系统的公平性和长期稳定性。

3、因此,亟需一种能够在真值发现前完成事件聚类和客观低质量数据容错隔离,并对残余恶意行为进行后置信誉更新的车辆群智感知真值发现方法及系统。

技术实现思路

1、针对现有技术的不足,本发明提供一种基于事件聚类的车辆群智感知容错真值预测方法及系统,以解决背景技术中的问题。

2、本发明的技术方案为:一种基于事件聚类的车辆群智感知容错真值预测方法,包括:

3、数据请求者和车辆向可信机构ta发送注册请求,可信机构ta验证身份后为数据请求者和车辆生成相应的公私钥对和假名;

4、数据请求者向任务平台发布任务请求,有意参与任务的车辆向任务平台发布应接请求,任务平台根据数据请求者和车辆的位置相关性筛选候选车辆并向数据请求者发送选候选车辆的车辆公钥;

5、候选车辆根据任务要求采集原始感知数据并进行扰动,并构建造事件特征向量、多维局部敏感哈希值和第一分区索引、第二分区索引;

6、利用多维局部敏感哈希值对候选车辆的车辆报告进行事件聚类,得到事件簇集合;

7、基于各事件簇内的第一分区索引、第二分区索引对事件簇进行桶集合划分,基于桶集合的最大桶规模比筛选真值发现输入数据集;

8、对每个事件簇通过多轮迭代执行真值发现输入数据集的候选车辆的权重计算与事件真值发现;

9、基于候选车辆的权重与基准权重计算相对偏差,并基于相对偏差确定信誉更新量,基于信誉更新量更新候选车辆的信誉值;

10、基于候选车辆的信誉值计算候选车辆的信任权重,并基于信任权重对候选车辆进行排序,根据预存任务预算向候选车辆分配总奖励。

11、第二方面,本发明提供一种基于事件聚类的车辆群智感知容错真值预测系统,包括:

12、注册模块,用于通过数据请求者和车辆向可信机构ta发送注册请求,可信机构ta验证身份后为数据请求者和车辆生成相应的公私钥对和假名;

13、车辆筛选模块,用于通过数据请求者向任务平台发布任务请求,有意参与任务的车辆向任务平台发布应接请求,任务平台根据数据请求者和车辆的位置相关性筛选候选车辆并向数据请求者发送候选车辆的车辆公钥;

14、特征构造模块,用于通过候选车辆根据任务要求采集原始感知数据并进行扰动,并构建造事件特征向量、多维局部敏感哈希值和第一分区索引、第二分区索引;

15、事件聚类模块,用于利用多维局部敏感哈希值对候选车辆的车辆报告进行事件聚类,得到事件簇集合;

16、数据集筛选模块,用于基于各事件簇内的第一分区索引、第二分区索引对事件簇进行桶集合划分,基于桶集合的最大桶规模比筛选真值发现输入数据集;

17、真值发现模块,用于对每个事件簇通过多轮迭代执行真值发现输入数据集的候选车辆的权重计算与事件真值发现;

18、信誉更新模块,用于基于候选车辆的权重与基准权重计算相对偏差,并基于相对偏差确定信誉更新量,基于信誉更新量更新候选车辆的信誉值;

19、奖励分配模块,用于基于候选车辆的信誉值计算候选车辆的信任权重,并基于信任权重对候选车辆进行排序,根据预存任务预算向候选车辆分配总奖励。

20、第三方面,本发明提供一种电子设备,包括:

21、至少一个处理器;

22、以及与所述至少一个处理器通信连接的存储器;

23、其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行时实现所述基于事件聚类的车辆群智感知容错真值预测方法。

24、第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行的计算机程序,所述计算机程序被处理器执行时实现所述基于事件聚类的车辆群智感知容错真值预测方法。

25、本发明的有益效果为:

26、1、本发明通过多维局部敏感哈希事件聚类替代固定时空划分,能够同时融合时间、空间和非时空事件特征,在动态车辆群智感知场景中区分同一时空范围内的多个语义事件,避免不同事件数据混入同一真值发现过程;

27、2、本发明在每个事件簇内设置双重重叠分区动态桶筛选机制,通过两个具有偏移量的分区缓解固定分桶的边界效应,并根据最大桶规模比动态选择单桶或两桶并集,从而在真值发现之前隔离客观低质量数据,降低其对真值迭代的干扰;

28、3、本发明将客观低质量数据与主观恶意数据区分处理,被双重重叠分区筛选掉的数据不直接参与真值发现,也不直接触发信誉惩罚;只有绕过前置筛选并在真值发现阶段表现异常的残余恶意行为才被后置信誉机制惩罚,从而减少诚实车辆因环境噪声被误惩罚的可能性;

29、4、本发明根据最终权重和历史信誉执行后置信誉更新,并对高信誉车辆突然出现异常行为的情况施加额外信任转移惩罚,能够抑制数据投毒、数据替换、合谋攻击和间歇性攻击;

30、5、本发明结合假名、位置矩阵扰动、加性扰动、乘性扰动保护车辆身份、位置、感知数据、信誉值以及任务真值隐私。

1.一种基于事件聚类的车辆群智感知容错真值预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于:所述数据请求者向可信机构发送注册请求,所述可信机构对数据请求者身份验证后生成数据请求者公钥和数据请求者私钥、数据请求者的任务假名;

3.根据权利要求2所述的方法,其特征在于:所述数据请求者向任务平台发布任务请求,有意参与任务的车辆向任务平台发布应接请求,所述任务平台根据数据请求者和车辆的位置相关性筛选候选车辆并向数据请求者发送候选车辆的车辆公钥,包括:

4.根据权利要求3所述的方法,其特征在于:所述候选车辆根据任务要求采集原始感知数据并进行扰动,并构建造事件特征向量、多维局部敏感哈希值和第一分区索引、第二分区索引,包括:

5.根据权利要求4所述的方法,其特征在于:利用所述多维局部敏感哈希值对候选车辆的车辆报告进行事件聚类,得到事件簇集合,包括:

6.根据权利要求5所述的方法,其特征在于:基于各事件簇内的第一分区索引、第二分区索引对事件簇进行桶集合划分,基于桶集合的最大桶规模比筛选真值发现输入数据集,包括:

7.根据权利要求6所述的方法,其特征在于:对每个事件簇通过多轮迭代执行真值发现输入数据集的候选车辆的权重计算与事件真值发现,包括:

8.根据权利要求7所述的方法,其特征在于:基于候选车辆的权重与基准权重计算相对偏差,并基于所述相对偏差确定信誉更新量,基于所述信誉更新量更新候选车辆的信誉值,包括:

9.一种基于事件聚类的车辆群智感知容错真值预测系统,其特征在于,包括:

10.一种电子设备,包括: