一种基于多源融合的车辆欺骗干扰检测方法与流程

本发明一般涉及汽车检测，具体涉及一种基于多源融合的车辆欺骗干扰检测方法。

背景技术：

1、随着智能网联汽车的快速发展，车辆的卫星定位导航服务（gnss）已成为其核心组成部分，为车辆提供了不可或缺的时空基准。然而，车辆卫星导航的可靠性正面临日益复杂的电磁环境以及蓄意人为攻击的严峻挑战。

2、其中，卫星欺骗干扰作为一种典型的恶意攻击手段，通过发射伪造的卫星信号，能够诱使车辆的导航接收机输出错误的定位、导航和授时信息。与传统的压制式干扰不同，欺骗信号具有高度的隐蔽性，它能够在不被察觉的情况下，逐步引导车辆偏离预定航线，甚至驶入危险区域，直接威胁行车安全与交通秩序。

3、现有技术中，一些检测方法仅依赖于单辆车的运动状态或信号特征进行判断，当面对城市峡谷、隧道等复杂环境造成的信号丢失或跳变时，容易产生误报；同时，这些方法缺乏对车辆群体时空关联性的分析能力，导致在检测大规模协同欺骗事件时存在明显的不足和缺陷。

4、因此，本领域亟需一种基于多源融合的车辆欺骗干扰检测方法，能够及时、准确地检测出针对车辆的卫星欺骗信号。

技术实现思路

1、鉴于现有技术中的上述缺陷或不足，提供一种基于多源融合的车辆欺骗干扰检测方法以解决检测准确率低、误报率高的问题。

2、本发明提供了一种基于多源融合的车辆欺骗干扰检测方法，包括：

3、获取车辆的原始定位时序数据，所述原始定位时序数据至少包括时间、平面坐标、车速和航向角；

4、分别执行定位跳变检测、车速一致性检测、航向角突变检测和地理语义一致性检测，根据各检测规则的触发结果计算每个所述轨迹点的欺骗嫌疑综合评分s，当所述欺骗嫌疑综合评分s大于或等于预设评分值时，将该轨迹点及其邻近点构成的连续片段标记为单车欺骗嫌疑片段；

5、针对标记出的所述嫌疑片段，提取对应时空范围内的多车辆轨迹信息，以每个时刻的每辆车作为图节点、以车辆间的空间邻近关系作为边连接，构建时空图序列，所述时空图序列中每个图节点对应一个原始节点特征向量，所述原始节点特征向量包括该节点的平面坐标、车速、航向角和所述欺骗嫌疑综合评分s；利用预设模型获得各图节点在正常时空演化规律下的预测特征向量；计算每个图节点的预测特征向量与原始节点特征向量之间的差异，作为该节点的重构误差，将重构误差超过预设异常判定阈值的节点标记为异常节点，根据异常节点数量占比以及异常节点的空间分布聚集度，判定群体欺骗事件是否发生，并输出群体欺骗事件的判定结果。

6、根据本发明提供的技术方案，所述预设评分值为2，所述欺骗嫌疑综合评分s为以下各项的计分之和：当所述定位跳变检测判定该轨迹点出现欺骗嫌疑时计1分；当所述车速一致性检测判定该轨迹点出现欺骗嫌疑时计1分；当所述航向角突变检测判定该轨迹点出现欺骗嫌疑时计1分；当所述地理语义一致性检测判定该轨迹点偏离道路时计1分；当地物一致性标志指示该轨迹点位于非道路区域时计1分。

7、根据本发明提供的技术方案，所述定位跳变检测包括：根据前一轨迹点的平面坐标、车速、航向角以及相邻轨迹点的时间差，按航位推算方式推算当前时刻的预测位置；计算当前轨迹点的实际位置与所述预测位置之间的欧氏距离，作为空间偏离距离；

8、当所述空间偏离距离大于30m时，表明卫星定位结果超出了正常道路行驶的合理位移范围，判定出现欺骗嫌疑。

9、根据本发明提供的技术方案，所述车速一致性检测包括：根据相邻轨迹点的经纬度，通过大圆距离公式计算相邻两个轨迹点的距离；根据所述距离与相邻轨迹点的时间差计算预测车速；计算所述预测车速与所述原始定位时序数据中记录的车速之差，作为速度偏差；

10、当所述速度偏差大于30km/h时，判定为速度不一致欺骗嫌疑。

11、根据本发明提供的技术方案，所述航向角突变检测包括：根据相邻两个轨迹点的航向角之差与相邻轨迹点的时间差之比，确定航向角变化率；

12、当所述航向角变化率的绝对值大于90°/s时，表明当前卫星定位存在欺骗嫌疑。

13、根据本发明提供的技术方案，所述地理语义一致性检测包括：将轨迹点的平面坐标与地图数据进行匹配，计算定位点到最近道路中心线的垂直距离，当所述垂直距离大于10m时，判定该轨迹点偏离道路；

14、并通过地图匹配确定该轨迹点所处的地物类别，当该轨迹点位于非道路区域时，所述地物一致性标志取值为1；位于道路区域时，取值为0。

15、根据本发明提供的技术方案，所述空间邻近关系为空间欧氏距离小于50米，当任意两辆车的空间欧氏距离小于50米时，在该两辆车对应的图节点之间建立边连接，所述边连接构成图结构的邻接矩阵。

16、根据本发明提供的技术方案，所述预设模型为时空图自编码器，利用预设时空图自编码器对所述原始节点特征向量进行预测，所述预设时空图自编码器采用正常车辆轨迹数据训练获得，训练时根据各图节点对应的所述欺骗嫌疑综合评分s确定权重，最小化各图节点预测特征向量与原始节点特征向量之间重构误差的加权和。

17、根据本发明提供的技术方案，根据重构误差超过预设异常判定阈值的异常节点的数量占比以及所述异常节点的空间分布聚集程度，确定群体欺骗判别函数，其中，异常节点的数量占比越大、空间分布越集中，所述群体欺骗判别函数的值越大；在预设时间窗口内对所述群体欺骗判别函数取平均，得到道路级群体欺骗指标；当所述道路级群体欺骗指标大于道路级判定阈值时，判定该道路在所述时间窗口内发生了群体欺骗事件。

18、根据本发明提供的技术方案，当判定发生群体欺骗事件时，提取所述时间窗口内的所有异常节点对应的车辆作为嫌疑车辆集合，获取所述嫌疑车辆集合中每辆车的平面坐标，计算所有所述平面坐标的算术平均值，将所述算术平均值作为欺骗干扰源的位置输出。

19、与现有技术相比，本发明的有益效果在于：

20、1、通过融合定位跳变、车速一致性、航向角突变和地理语义一致性等多维度规则对单车轨迹进行初步筛查，综合评估每个轨迹点的欺骗嫌疑，相比于依赖单一指标的检测方法，能够更全面地捕捉异常特征，提高了初步识别单车异常的准确性。

21、2、通过构建时空图序列，将区域内多车辆的运动状态和空间关系进行统一建模，能够有效分析车辆群体间的时空相关性。这使得本方法能够从宏观层面区分出由区域性干扰源导致的、具有群体性、协同性特征的欺骗事件，和由单车设备故障或局部环境干扰导致的孤立异常点，从而显著降低了误报率，解决了现有技术难以有效判定群体欺骗的难题。

22、3、在群体欺骗识别阶段，创新性地以单车欺骗嫌疑综合评分s对模型重构误差进行加权，使得模型能够更加关注那些已被初步规则判定为可疑的车辆节点。这种机制相当于为模型提供了先验知识，引导模型聚焦于关键信息，从而提高了群体欺骗事件判定的灵敏度和准确性。

23、4、通过结合异常节点数量占比和空间分布聚集度来判定群体欺骗事件，进一步增强了检测的鲁棒性。该方法不仅考虑了受影响车辆的数量，还考虑了它们在空间上的聚集程度，有效排除了由大量分散、无关联的随机噪声引起的误判，确保了只有当异常呈现出显著的空间聚集特征时才判定为群体欺骗。