智能网联汽车协同感知信任度动态计算与评价方法

doi:10.19562/j.chinasae.qcgc.2023.08.009

摘要/Abstract

摘要：

协同感知技术增强了智能网联汽车的感知性能，但协同网络中出现的异常车辆和恶意攻击信息会影响协同感知结果的真实性与有效性。针对该问题，本文结合车辆协同网络中的检测结果提出一种基于遮挡状态判别与检测有效性识别策略的智能网联汽车信任度动态聚合评价方法。仿真结果表明，本文提出的协同感知信任评价方法提升了协同感知车辆对检测结果的可信度，增强了智能网联汽车协同感知过程的鲁棒性，并实现了信任管理模型面对高信任车辆突发恶意攻击的动态识别。

关键词: 智能网联汽车, 协同感知, 动态聚合, 信任评价

Abstract:

Collaborative perception technology enhances the perceptual performance of intelligent connected vehicles， but abnormal vehicles and malicious attack information in the collaborative network can affect the authenticity and effectiveness of collaborative perception results. To address this problem， an intelligent connected vehicle trustworthiness dynamic aggregation and evaluation method is proposed in this paper， based on occlusion state discrimination and detection effectiveness identification strategy， combined with detection results in the vehicle collaborative network. Simulation results show that the proposed collaborative perception trust evaluation method improves the reliability of detection results for collaborative perception vehicles， enhances the robustness of the intelligent connected vehicle collaborative perception process， and realizes dynamic identification of sudden malicious attacks of high-trust vehicles by the trust management model.

Key words: intelligent connected vehicle, cooperative perception, dynamic aggregation, trust evaluation

朱冰,姜泓屹,赵健,韩嘉懿,刘彦辰. 智能网联汽车协同感知信任度动态计算与评价方法[J]. 汽车工程, 2023, 45(8): 1383-1391.

Bing Zhu,Hongyi Jiang,Jian Zhao,Jiayi Han,Yanchen Liu. A Method for Dynamically Calculating and Evaluating the Trustworthiness of Collaborative Perception of Intelligent Connected Vehicles[J]. Automotive Engineering, 2023, 45(8): 1383-1391.

图/表 11

图1

图2

图3

图4

表1

检测有效性识别算法"

算法1：检测有效性判别

输入： 协同车辆集合 $V = v 1, v 2, …, v i j ≠ i$ ；

车辆检测对象集合 $D v 1, D v 2, …, D v j$ ；

集合 $V$ 中车辆对检测遮挡状态的集合 $Θ v j v i β n v j$

输出：车辆检测评价有效性集合 $E v a$

//车辆vi对集合中车辆vj的检测对象有效性进行识别

1. for $v j$ in $V$ do

2. for $β n v j, O v i β n v j$ in $Θ v j v i β n v j$

3. $O g l o b a l i j, n = O v i β n v j$

4. while $O g l o b a l i j, n ≠ 0$ do //遮挡状态为“可见”

5. if $β n v j ? D v j$ then //判断 $β n v j$ 是否在 $D v j$ 中

6. $Ω i j, n = - 1$ //不在，判定为非正常检测状态

7. else

8. $Ω i j, n = 1$ //在，判定为正常检测状态

9. end while

10. $n + +$

11. end for

12. $? j + +$

13. end for

14. //通过不同车辆视角下的检测状态，累计判定 $β n v j$ 的有效性

15. $? S t a t e j, n = z e r o s$

16. for $Ω i j, n$ in $Ω$ do //累计判别

17. $S t a t e j, n ? + = Ω i j, n$

18. $? i + +$

19. end for

20. for $v j$ in $V$ do

21. if $Ω i j, n ? S t a t e j, n ≥ 0$ //评价有效性判断

22. $E v a i j, n = 1$ //车辆 $v j$ 的 $β n v j$ 为有效检测对象

23. else

24. $E v a i j, n = 0$ //车辆 $v j$ 的 $β n v j$ 为无效检测对象

25. $j + +$

26. end for

表1

图5

图6

图7

图8

图9

图10

参考文献 23

1	REN S， CHEN S， ZHANG W. Collaborative perception for autonomous driving： current status and future trend［C］. Proceedings of 2021 5th Chinese Conference on Swarm Intelligence and Cooperative Control. Singapore： Springer Nature Singapore， 2023： 682-692.
2	GODOY J， JIMÉNEZ V， ARTUÑEDO A， et al. A grid-based framework for collective perception in autonomous vehicles［J］. Sensors， 2021， 21（3）： 744.
3	YAO X， ZHANG X， NING H， et al. Using trust model to ensure reliable data acquisition in VANETs［J］. Ad Hoc Networks， 2017， 55： 107-118.
4	DWIVEDI S， DUBEY R. Review in trust and vehicle scenario in VANET［J］. International Journal of Future Generation Communication and Networking， 2016， 9（5）： 305-314.
5	KIM S W， QIN B， CHONG Z J， et al. Multivehicle cooperative driving using cooperative perception： design and experimental validation［J］. IEEE Transactions on Intelligent Transportation Systems， 2015， 16（2）： 663-680.
6	XIAO Z， MO Z， JIANG K， et al. Multimedia fusion at semantic level in vehicle cooperactive perception［C］. 2018 IEEE International Conference on Multimedia & Expo Workshops （ICMEW）. San Diego， CA： IEEE， 2018： 1-6.
7	ARNOLD E， DIANATI M， DE TEMPLE R， et al. Cooperative perception for 3D object detection in driving scenarios using infrastructure sensors［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（3）： 1852-1864.
8	MILLER A， RIM K， CHOPRA P， et al. Cooperative perception and localization for cooperative driving［C］. 2020 IEEE International Conference on Robotics and Automation （ICRA）. Paris， France： IEEE， 2020： 1256-1262.
9	WANG D， MULLER T， LIU Y， et al. Towards robust and effective trust management for security： a survey［C］. 2014 IEEE 13th International Conference on Trust， Security and Privacy in Computing and Communications. Beijing， China： IEEE， 2014： 511-518.
10	张劲松. 车联网信任管理机制的研究和实现［D］. 北京：北京邮电大学， 2020.
	ZHANG J. Research and implementation of trust management mechanism in V2V communications［D］. Beijing： Beijing University of Posts and Telecommunications， 2020.
11	樊娜，段宗涛，王青龙，等. 面向车联网环境的车辆行为可信决策机制［J］. 计算机工程与设计， 2018， 39（1）： 33-37，43.
	FAN N， DUAN Z T， WANG Q L， et al. Vehicle behaviour trusted decision-making mechanism for V2X environment［J］. Computer Engineering and Design， 2018，39（1）， 33-37，43.
12	ROSENSTATTER T， ENGLUND C. Modelling the level of trust in a cooperative automated vehicle control system［J］. IEEE Transactions on Intelligent Transportation Systems， 2018， 19（4）： 1237-1247.
13	LIU Z， WENG J， MA J， et al. TCEMD： a trust cascading-based emergency message dissemination model in VANETs［J］. IEEE Internet of Things Journal， 2020， 7（5）： 4028-4048.
14	ALNASSER A， SUN H， JIANG J. Recommendation-based trust model for vehicle-to-everything （V2X）［J］. IEEE Internet of Things Journal， 2020， 7（1）： 440-450.
15	CHEN C， ZHANG J， COHEN R， et al. A trust modeling framework for message propagation and evaluation in VANETs［C］. 2010 2nd International Conference on Information Technology Convergence and Services. Cebu， Philippines： IEEE， 2010： 1-8.
16	ALLIG C， WANIELIK G. Alignment of perception information for cooperative perception［C］. 2019 IEEE Intelligent Vehicles Symposium （IV）. Paris， France： IEEE， 2019： 1849-1854.
17	张连超，乔瑞萍，党祺玮，等. 具有全局特征的空间注意力机制［J］. 西安交通大学学报， 2020， 54（11）： 129-138.
	ZHANG L C， QIAO R P， DANG Q W， et al. A spatial attention mechanism with global features［J］. Journal of Xi'an Jiaotong University， 2020，54（11）： 129-138.
18	吕灵智. 基于毫米波雷达与摄像机信息融合的前方车辆检测［D］. 重庆：重庆大学， 2020.
	LV L Z. Forward vehicle detection based on millimeter wave radar and camera information fusion［D］. Chongqing： Chongqing University，2020.
19	储艺. 基于多线激光雷达的多目标跟踪方法研究［D］. 桂林：桂林电子科技大学， 2022.
	CHU Y. Research on multi-target tracking method based on multi-line lidar［D］. Guilin： Guilin University of Electronic Technology， 2022.
20	曹培. 面向自动驾驶的双传感器信息融合目标检测及姿态估计［D］. 哈尔滨：哈尔滨工业大学， 2019.
	CAO P. Dual sensor information fusion target detection and pose estimation for autonomous driving［D］. Harbin： Harbin Institute of Technology，2019.
21	周志华. 机器学习［M］. 北京：清华大学出版社， 2016.
	ZHOU Z H. Machine learning ［M］. Beijing： Tsinghua University Press，2016.
22	KU J， MOZIFIAN M， LEE J， et al. Joint 3D proposal generation and object detection from view aggregation［J］. arXiv： 1712.02294［CS］，2018.
23	ZHOU A， LI J， SUN Q， et al. A security authentication method based on trust evaluation in VANETs［J］. EURASIP Journal on Wireless Communications and Networking， 2015， 2015（1）： 59.

[1]	胡林,谷子逸,王丹琦,王方,邹铁方,黄晶. 汽车安全性测评规程现状及趋势展望[J]. 汽车工程, 2024, 46(2): 187-200.
[2]	关书睿,李克强,周俊宇,石佳,孔伟伟,罗禹贡. 面向强制换道场景的智能网联汽车协同换道策略[J]. 汽车工程, 2024, 46(2): 201-210.
[3]	王庞伟,刘程,汪云峰,张名芳. 面向城市道路的智能网联汽车多车道轨迹优化方法[J]. 汽车工程, 2024, 46(2): 241-252.
[4]	左政,王云鹏,麻斌,邹博松,曹耀光,杨世春. 基于AFC-TARA的车载网络组件风险率量化评估分析[J]. 汽车工程, 2023, 45(9): 1553-1562.
[5]	李升波,占国建,蒋宇轩,兰志前,张宇航,邹文俊,陈晨,成波,李克强. 类脑学习型自动驾驶决控系统的关键技术[J]. 汽车工程, 2023, 45(9): 1499-1515.
[6]	刘济铮,王震坡,孙逢春,张雷. 异构智能网联汽车编队延迟补偿控制研究[J]. 汽车工程, 2023, 45(9): 1573-1582.
[7]	吴思宇,于文浩,邢星宇,张玉新,李楚照,李雪轲,古昕昱,李云巍,马小涵,路伟,王政,郝圳茂,王红,李骏. 基于关键场景的预期功能安全双闭环测试验证方法[J]. 汽车工程, 2023, 45(9): 1583-1607.
[8]	边有钢,张田田,谢和平,秦洪懋,杨泽宇. 车辆队列抗扰抗内切协同路径跟踪控制[J]. 汽车工程, 2023, 45(8): 1320-1332.
[9]	关宇昕,冀浩杰,崔哲,李贺,陈丽文. 智能网联汽车车载CAN网络入侵检测方法综述[J]. 汽车工程, 2023, 45(6): 922-935.
[10]	胡耘浩,李克强,向云丰,石佳,罗禹贡. 智能网联汽车通用跨平台实时仿真系统架构及应用[J]. 汽车工程, 2023, 45(3): 372-381.
[11]	刘浩天,魏洪乾,时培成,张幽彤. 基于帧间隔-总线电压混合特征的汽车ECU伪装攻击识别[J]. 汽车工程, 2023, 45(11): 2070-2081.
[12]	李捷,吴晓东,许敏,刘永刚. 基于强化学习的城市场景多目标生态驾驶策略[J]. 汽车工程, 2023, 45(10): 1791-1802.
[13]	钱立军,陈晨,陈健,陈欣宇,熊驰. 基于Q学习模型的无信号交叉口离散车队控制[J]. 汽车工程, 2022, 44(9): 1350-1358.
[14]	钟文沁,孔伟伟,李志恒,于杰,罗禹贡. 不同渗透率下非信控交叉路口混合预约多车协同控制[J]. 汽车工程, 2022, 44(8): 1144-1152.
[15]	陈一鹤,孔伟伟,于杰,李克强,罗禹贡. 混合交通下非信控交叉口队列预约式控制[J]. 汽车工程, 2022, 44(7): 953-959.