【技术实现步骤摘要】
一种基于LTE-V2X的CACC车队异常车辆检测方法
本专利技术涉及车载通信
，具体是一种基于LTE-V2X(LongTermEvolution-VehicletoEverything,简称LTE-V2X)的协同式自适应巡航(CooperativeAdaptiveCruiseControlSystem，简称CACC)车队异常车辆检测方法。
技术介绍
汽车数量的迅猛增长，在带来便捷的同时也带了一系列道路交通问题。世界卫生组织在2018年发布的《全球道路安全现状报告》的数据显示道路交通死亡人数继续攀登，到2016年，年死亡人数已高达135万人。造成交通事故的原因主要包括机动车驾驶人超速驾驶、疲劳驾驶、违反道路交通规则等。这些数据令人担忧的同时也意味着当下对道路行车安全的迫切需求。因此，各大汽车生产商相继展开对智能驾驶的研究，通过智能驾驶技术降低交通事故率。协同式自适应巡航CACC作为自适应巡航ACC的延伸，在ACC的基础上增加了车车通信技术进行车辆信息之间的传递，从而感知车辆周围环境以及相应的行驶状态，实现队列行驶...
【技术保护点】
1.一种基于LTE-V2X的CACC车队异常车辆检测方法，其特征在于，包括如下步骤：/n1)构建基于LTE-V2X的车队模型：假设在同一车道上行驶有K+1辆车辆，依据CACC控制策略组成车队，将车辆标记为0,1,…,K，车辆0为头车，其余车辆为跟随车辆，其中存在一个观测车辆，假设所有车辆都具有CACC功能，车队内车辆通过LTE-V2V与相邻车辆进行通信，令s
【技术特征摘要】
1.一种基于LTE-V2X的CACC车队异常车辆检测方法，其特征在于，包括如下步骤：
1)构建基于LTE-V2X的车队模型：假设在同一车道上行驶有K+1辆车辆，依据CACC控制策略组成车队，将车辆标记为0,1,…,K，车辆0为头车，其余车辆为跟随车辆，其中存在一个观测车辆，假设所有车辆都具有CACC功能，车队内车辆通过LTE-V2V与相邻车辆进行通信，令si＝[xi,vi,ai]T表示车辆i的空间状态，其中xi为车辆i的位置，vi为车辆i的速度，ai为车辆i的加速度，i＝1,2,...,K，第i辆车的动力学模型描述为如公式(1)所示：
其中，τi表示车辆i的动力系统的时间常数，ui表示车辆i的位置控制输入，ui表达式如公式(2)所示：
ui＝f[si(t-Δt)](2)，
其中，f[·]表示控制方法，Δt表示通信时延，车辆i与前车之间的距离di表示为公式(3)所示：
di＝qi-1-qi-li(3)，
其中，qi-1，qi分别为车辆i-1、车辆i的后保险杠与最尾车后保险杠之间的距离，li表示车辆i的长度，在车队中，车间的间距控制策略如公式(4)所示：
dr,i＝hvi(4)，
其中，dr,i为车辆之间的期望车距，h为车头时距即前车刹车时后车具有的最大反应时间，车队中车辆之间的实际车距与期望车距之间的距离差为ei，即有ei＝di-dr,i，当ei→0时，达到车队的最佳行驶状态，当车队中存在拒绝服务(DenialofService，简称DOS)攻击时，假设加速度的通信延迟时，车辆i-1的加速度通过无线通信被车辆i接收，将延迟项Δt添加到前车车辆i-1的加速度上，公式(2)转换为公式(5)：
ui＝f[ai-1(t-Δt),xi(t),vi(t)](5)；
2)时延阈值估计：采用OMNET++通信仿真平台收集无DOS攻击情况下车队内的V2V通信时延，通过蒙特卡洛方法构建概率密度曲线，再依据概率密度曲线进行通信时延阈值的估计，当车队通信时延高于时延阈值时，车队内观测车辆上报基站，进行车队异常节点的检测；
3)构建异常节点检测的特征参数：依据DOS攻击恶意占用资源的特点，从感知业务周期、业务实际周期、平均资源使用情况、业务类型以及丢包率几个方面构建特征参数集；
4)数据生成：车载通信行为数据数量较少，采用生成对抗网络学习车辆节点历史通信行为的数据分布，进行数据的扩充，从仿真平台收集的车辆通信数据中采样输入数据a～pdata(a)，随机噪声z～pz(z)，设节点的通信数据序列为a＝{a1,a2,…an}，其中a为节点整体行为序列集合，ai为某时刻的行为序列，i＝1,2,…n，令ai＝{ai1,ai2,…aij}，包括j个通信行为数据，给定的通信行为序列数据a＝{a1,a2,…an}，通过生成模型G，生...
【专利技术属性】
技术研发人员：肖海林，胡诗婷，刘红霖，汪鹏君，李嘉，左清念，沈君凤，曾张帆，刘海龙，
申请(专利权)人：温州大学，湖北大学，云宝宝大数据产业发展有限责任公司，
类型：发明
国别省市：浙江;33
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。