【技术实现步骤摘要】
基于深度信念网络的车联网信息分发策略生成方法及系统
[0001]本专利技术涉及车联网信息安全
,具体涉及一种基于深度信念网络的车联网信息分发策略生成方法及系统。
技术介绍
[0002]车联网(Vehicular Ad Hoc Network,VANET)被认为是未来智能车联网发展最具前景的技术之一。在车联网场景中,车联网事故信息的分发对实现车联网智能管理、智能车路管控、路径规划等应用具有重要意义。对于待分发的车联网事故信息,制定基于属性的访问控制策略(简称分发策略),只有属性满足分发策略的车辆才能访问信息,能够实现一对多的信息安全分发。
[0003]在分发策略的生成上,现有技术主要是基于历史数据挖掘分发策略、或通过交通动力学知识预设规则来生成分发策略,虽然能够实现自动化的分发策略生成,但生成的分发策略具有较强的主观性和局限性,策略结构较为单一,缺乏足够的灵活性,难以适应高度复杂和动态的车联网环境。在车联网事故信息分发中,单一、静态的分发策略难以覆盖事故所影响的车辆群,导致受事故影响的车辆无法及时获取事故信息,或不受事故影响的车辆接受到大量冗余信息,从而影响车联网信息服务的质量。
技术实现思路
[0004]本专利技术的目的在于提供一种基于深度信念网络的车联网信息分发策略生成方法,用以解决现有技术中生成的策略具有较强的主观性和局限性、分发策略结构较为单一、缺乏足够的灵活性的问题。
[0005]一方面,本专利技术实施例提供了一种基于深度信念网络的车联网信息分发策略生成方法,包括:S1, ...
【技术保护点】
【技术特征摘要】
1.一种基于深度信念网络的车联网信息分发策略生成方法,其特征在于,包括:S1,获取车联网事故信息并对车联网事故信息进行预处理,得到预处理后的车联网事故向量,并对车联网事故信息数据标注基于属性的分发策略,将分发策略进行策略编码,得到分发策略编码;S2,基于深度信念网络和多标签分类网络构建分发策略生成模型,在深度信念网络底层引入高斯分布函数,通过深度信念网络对所述车联网事故信息数据进行特征提取,得到车联网事故信息特征;S3,在深度信念网络顶层引入二层的多标签分类网络,将分发策略编码作为标签,通过独立阈值的损失函数训练深度信念网络和多标签分类网络,得到训练后的分发策略生成模型;S4,采集实时车联网事故信息并进行预处理,将预处理后的车联网事故向量输入训练后的车联网信息访问策略生成模型,得到分发策略编码,并根据分发策略编码的标准,将分发策略编码转换为文字形式的分发策略。2.根据权利要求1所述的一种基于深度信念网络的车联网信息分发策略生成方法,其特征在于:所述S1中获取的车联网事故信息包括事故严重程度、事故发生道路、事故发生的道路方向、受影响的道路长度、可见度和天气;对车联网事故信息进行预处理还包括:对事故严重程度、事故发生道路、事故发生的道路方向和天气进行one
‑
hot编码;对受影响的道路长度和可见度进行归一化,将其映射到[0,1]值域区间,得到预处理后的车联网事故向量。3.根据权利要求1所述的一种基于深度信念网络的车联网信息分发策略生成方法,其特征在于:所述对提取得到的车联网事故信息数据标注基于属性的分发策略中,标注的分发策略包括属性表达式和属性表达式间的逻辑运算符,将标注的分发策略记为pol:其中,∧表示与操作,k表示属性表达式的总个数,AttrExpr
i
表示第i个属性表达式;属性表达式的种类包括车辆类型、行驶道路、行驶方向的表达式。4.根据权利要求3所述的一种基于深度信念网络的车联网信息分发策略生成方法,其特征在于:所述属性表达式还包括属性叶子和属性叶子之间的逻辑运算符,属性表达式AttrExpr
i
满足:其中,op表示逻辑与或者逻辑或的操作,n
i
表示第i个属性表达式中包含的属性叶子的个数i∈[1,k],k为属性表达式的个数,Attrleaf
ij
表示第i个属性表达式中的第j个属性叶子,j∈[1,n
i
],当分发策略中包含某一属性时,对应的属性叶子被置为1,否则被置为0。5.根据权利要求4所述的一种基于深度信念网络的车联网信息分发策略生成方法,其特征在于:将基于属性的分发策略进行策略编码:由树形策略的根节点开始,从上到下、从左到右进行编码得到分发策略编码polcode,编码中第0位表示根节点的逻辑运算符,第1~k+1位表示k个属性表达式中的逻辑运算符,用1表示逻辑“与”,用0表示...
【专利技术属性】
技术研发人员:曹天聪,刘雪娇,夏莹杰,
申请(专利权)人:杭州远眺科技有限公司,
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。