技术领域
[0001] 本
发明涉及车联网技术通信与安全领域，尤其针对车-车、车-
云通信中车辆ID、
位置、速度等敏感信息的隐私保护及实验平台的搭建。
背景技术
[0002] 近年来，车联网技术在
物联网和新一代通信技术的发展下得到了极大的推动。车联网将“人、车、路、云”有机地联系在一起，不仅可以获取比单台车辆更多的
感知信息，增强安全驾驶，促进自动驾驶的创新和应用；还有利于构建智能交通体系，对提高交通效率、改善驾乘感受、节能减排等有重要意义。
[0003] 车联网技术在为用户及车辆提供极大便捷的同时，也给用户的隐私造成了一定的威胁。周边车辆利用车-车通信可以获取到当前车辆的身份、位置、速度等信息；服务中心通过车-云通信可以收集到用户的目的地搜索查询、车辆导航路径及GPS坐标等敏感信息。位置或移动轨迹的暴露可能会导致个人的身份信息、兴趣爱好、健康状况等隐私信息的泄露。比如通过对行驶轨迹的分析，攻击者或恶意的第三方不仅能发现用户当前位置、历史
访问位置，还可以分析出其家庭住址、工作地点，甚至可以分析出用户的行为模式、生活习惯等私密信息。
[0004] 当前国内外围绕车联网中的隐私保护、数据安全出台了相关的法律政策。2015年，欧盟第七
框架计划资助的PRESERVE项目，为车辆和路侧设施提出了抽象安全架构，将安全和隐私策略作为安全功能的一个重要方面。2017年8月，英国政府发布《智能网联
汽车网络安全关键原则》，包括数据安全等在内的8个大方面关键原则，共29个
细则。2017年9月，我国工业和信息部、国家标准化管理委员会出台的《国家车联网产业标准体系建设指南(信息通信)》将数据安全标准作为重要部分，包括数据安全及用户个人信息保护。由此可见，针对车联网中隐私保护和数据安全的研究显得十分重要。
[0005] 由于车联网技术尚未在汽车中普及和推广，难以从实际车辆的
角度开展隐私保护的研究，也无法进行大规模的数据
安全分析及实验验证。因此，搭建一种面向隐私保护研究的车联网仿真实验平台就显得尤为重要，一方面能够模拟车辆移动和网络通信，另一方面能够为隐私保护研究提供
算法实现框架。现有的主流车联网仿真
软件包括Veins、iTETRIS、VSimRTI等开源软件平台，旨在体现车联网的功能和技术特点，但是缺少对隐私保护研究的
支撑。现有的针对车联网隐私保护的相关研究则一般存在以下问题：
[0006] (1)缺乏大规模的仿真实验验证，通常只是对实现算法的性能验证，无法证明其能够推广到实际的车辆和交通中；
[0007] (2)交通的不确定性导致其难以建模，从理论层面无法直接分析隐私保护算法对交通流及其数据融合的影响，以及不同的路网结构或交通流量对隐私保护效果的影响；
[0008] (3)缺乏从实验角度对隐私保护算法的改进和提升，比如从实验的角度分析何种
假名切换能够提供最佳的隐私保护效果。
[0009] 因此，针对隐私保护研究的车联网仿真实验平台研究仍处于初级阶段，有必要搭建相应的实验平台、设计隐私保护算法模
块，在该模块中提供典型隐私保护算法的封装函数和基本调用函数，实现针对于车辆ID或位置的典型隐私保护算法，在平台中对算法进行实验测试，对车联网中的隐私保护和数据安全有更加直观的了解和清楚的认识。
发明内容
[0010] 本发明的目的在于针对车联网场景下车-车、车-云通信中大规模隐私保护研究的欠缺，设计并搭建一种用于隐私保护研究的仿真实验平台。
[0011] 本发明的目的是通过以下技术方案来实现的：一种面向车联网隐私保护研究的仿真实验平台，包括合成交通数据集、SUMO车辆移动仿真器、车辆通信仿真模块、隐私保护算法模块和交通状态
可视化模块。
[0012] 合成交通数据集由部分真实交通数据、车辆仿真数据和路网结构数据组成，能够提供需求场景下的交通道路信息及车辆行驶数据，并将经过转换处理后的xml格式文件作为SUMO(Simulator of Urban MObility)车辆移动仿真器的输入；
[0013] SUMO车辆移动仿真器用于模拟空间连续、时间离散的车辆运动，包括车辆跟随和车道变换模型，将合成的交通数据集作为输入，为每台车辆设置独立的行驶路线；
[0014] 车辆通信仿真模块将SUMO车辆移动仿真器仿真过程中的车辆当前行驶位置作为输入，按照每台车辆设置的通信范围，记录每个仿真步长下其他车辆进入通信范围内的时间戳、车辆ID、车辆位置及车道信息，模拟车联网场景中车辆间收发信标
信号、车辆向服务中心上报位置的通信过程，并将通信数据导出为xml格式的车辆通信文件。
[0015] 隐私保护算法模块将SUMO车辆移动仿真器导出的车辆通信文件作为输入，从车辆通信文件中筛选出敏感数据，所述敏感数据包括车辆ID、位置、速度信息等，并将敏感数据转化为相应的整数型或浮点型数据，将转化后的敏感数据应用典型的隐私保护算法，并在SUMO-GUI中显示施加隐私保护算法后的仿真效果，由此实现离线的车辆数据隐私保护；通过调用SUMO车辆移动仿真器中的动态交互
插件TraCI(Traffic Control Interface)，实时读取仿真运行过程中的车辆行驶数据，所述车辆行驶数据包括车辆ID、位置、速度信息等，将车辆行驶数据应用典型的隐私保护算法，并将结果返回给TraCI，由此实现在线的车辆数据隐私保护。
[0016] 交通状态可视化模块根据通信过程中车辆向服务中心上报的位置和速度信息，在可视化地图API中显示施加隐私保护算法模块前后的实时交通状态，从而显示隐私保护对交通的影响。
[0017] 进一步地，所述真实交通数据来自于浮动车辆的GPS采集数据；通过为车辆分配起点-终点坐标(OD对)，由SUMO车辆移动仿真器中的OD2TRIPS、DUAROUTER工具生成车辆行驶路线生成车辆行驶路线文件作为车辆仿真数据；所述路网结构数据从OpenStreetMap开源地图服务中获取。
[0018] 进一步地，所述合成交通数据集的xml格式文件由Python脚本进行生成和处理，采用ElementTree方法完成xml中数据的读写与解析。
[0019] 进一步地，所述车辆通信仿真模块模拟为每台车辆配置信号发送器或接收器，以设置车辆的通信范围，可以在SUMO车辆移动仿真器的配置文件中完成上述设置。
[0020] 进一步地，所述隐私保护算法模块中典型的隐私保护算法包括假名切换、位置失真、轨迹混淆、哑元生成等典型方法。
[0021] 进一步地，所述隐私保护算法模块采用本地隐私保护架构，能够实现对数据的离线或在线处理；隐私保护算法模块由各种隐私保护算法封装的算法函数和基本调用函数组成，基本调用函数包括路径解析函数、xml文件读写函数、几何映射函数等，上述函数由Python语言编写并实现代码封装。
[0022] 进一步地，所述交通状态可视化模块融合通信过程中车辆向服务中心上报的位置和速度信息，及SUMO车辆移动仿真器交通路网中部署的道路
传感器所采集的车辆信息，通过信息
叠加的方法分析隐私保护算法施加前后对交通状态的影响。
[0023] 进一步地，所述交通状态可视化模块通过调用百度地图API中的ECharts插件和Java函数库，实现实时交通状态的动态显示。
[0024] 本发明的有益效果是：
[0025] 1、平台以仿真软件为主，既能体现车联网的功能和技术特点，还可以模拟大规模的路网及交通流量，能够相对经济地完成车联网场景中的隐私保护研究，有效地节约了实验成本，并且具有更高的可实现性；
[0026] 2、平台功能模块化，各个模块功能独立、模块之间又可相互协作，使得整个仿真实验平台具有很好的灵活性和扩展性；
[0027] 3、本平台能够生成需求场景中的交通数据集，对路网和车辆进行更加真实的模拟，便于车联网中隐私保护研究的开展；
[0028] 4、本平台可以在典型隐私保护算法函数和基本调用函数的
基础上，添加或实现其他隐私保护算法并实现封装，进行实验研究和数据分析。
附图说明
[0029] 图1是本平台的抽象架构。
具体实施方式
[0030] 下面结合附图和具体
实施例对本发明作进一步的详细说明。
[0031] 本发明提供的面向车联网隐私保护研究的仿真实验平台功能主要包括：构造路网及交通流量、模拟车辆运动、施加隐私保护算法、交通融合及分析。平台由五部分构成：合成交通数据集、SUMO车辆移动仿真器、车辆通信仿真模块、隐私保护算法模块、交通状态可视化模块。其中，合成交通数据集作为SUMO车辆移动仿真器的主要输入，提供仿真路网结构和车辆行驶路线；SUMO交通仿真器根据交通数据集模拟路网中车辆的微观移动；车辆通信仿真模块能够在车辆移动的过程中模拟车-车、车-云通信交互；针对通信过程中的传输数据，隐私保护算法模块对车辆ID、位置、速度等敏感信息进行匿名化、去敏感化等处理；交通状态可视化模块可以分别对隐私保护前后的交通数据进行融合，分析隐私保护算法对于服务中心接收数据和整体交通流的影响。平台的各个模块功能独立，模块之间可以相互协作，按照结构层次关系为下一个模块提供输入信息。平台的架构和抽象过程如附图1所示。
[0032] 合成交通数据集主要由真实交通数据、车辆仿真生成数据和路网结构数据三部分组成。其中，真实交通数据包括出租车、公交车等浮动车辆的GPS采集数据，一般从交通管理局或相关的数据公开
网站上获取。实验平台中已有的浮动车辆数据包括近年来杭州、上海、深圳等国内城市，以及芝加哥、里约热内卢、罗
马等国外城市的公共交通数据，利用Python脚本将GPS数据转化为SUMO车辆移动仿真器的车辆行驶文件FILE.rou.xml。通过为车辆分配起点-终点坐标(OD对)，并调用SUMO车辆移动仿真器中的OD2TRIPS、DUAROUTER工具生成最终的车辆行驶路线文件FILE.rou.xml，得到生成的车辆仿真数据，更好地补充路网中的车辆数目和交通流量需求。路网结构数据可以从OpenStreetMap开源地图服务中获取，包括道路、车道、交叉口、
建筑物等众多信息，同时利用NETCONVERT工具将.osm文件转化为FILE.net.xml格式的SUMO输入文件。
[0033] SUMO车辆移动仿真器采用最新的Windows 1.1.0版本，通过加载路网结构、车辆行驶路线、仿真参数配置等输入文件，可以管理100000条道路的交通路网，提供每秒钟100000台车辆更新的执行速度。SUMO车辆移动仿真器在宏观上能够模拟车辆跟随和车道变换的功能，在微观上可以模拟空间连续、时间离散的车辆运动，使得每台车辆在路网中按照当前的交通状况独立、自主地运动。将合成交通数据集中的车辆行驶文件(FILE.rou.xml)和路网结构文件(FILE.net.xml)作为仿真输入，用于描述车辆行为和交通流量模式。此外，还可以将附加配置文件(FILE.add.xml)、建筑物及地形文件(FILE.poly.xml)等其他文件导入仿真软件，实现更加逼真的车辆移动及交通仿真。通过在SUMO-GUI.exe中运行仿真配置文件(FILE.sumocfg)实现对车辆及交通的模拟。
[0034] 车辆通信仿真模块能够模拟车辆行驶过程中车-车通信收发的
信标信号、车-云通信上传的车辆位置或
请求的查询服务等数据交互过程。通信仿真模块可以选择为每台车辆配置车载设备单元(OBU,On-Board Unit)，用于检测和收发通信传输信号；并为OBU设置无线通信距离，模拟车辆不同的通信能
力。发送及接收的通信数据一般含有时间戳、车辆ID、位置、速度、方向等信息。将SUMO车辆移动仿真器仿真过程中的车辆行驶当前位置作为输入，按照每台车辆设置的通信范围，记录每个仿真步长下其他车辆进入通信范围内的时间戳、车辆ID、位置及车道信息，模拟车-车、车-云之间的通信过程，并将通信数据导出为xml格式的车辆通信文件，后期可以对这些数据进行离线的处理和分析。
[0035] 隐私保护算法模块将SUMO车辆移动仿真器导出的车辆通信文件作为输入，筛选出车辆ID、位置、速度等敏感数据，采用去匿名化、加噪失真等方法对其进行处理，并在SUMO-GUI中显示算法效果，进而实现离线的车辆数据隐私保护；通过调用SUMO车辆移动仿真器中的动态交互插件TraCI，实时读取仿真运行过程中的车辆行驶数据，所述车辆行驶数据包括车辆ID、位置、速度信息，将车辆行驶数据应用典型的隐私保护算法，并将结果返回给TraCI，由此实现在线的车辆数据隐私保护。算法流程框架采用本地隐私保护架构，能够实现对数据的离线或在线处理。隐私保护算法模块由各种隐私保护算法封装的算法函数和基本调用函数组成，基本调用函数包括路径解析函数、xml文件读写函数、几何映射函数等，上述函数由Python语言编写并实现代码封装。在此基础上实现了假名切换、位置加噪、哑元生成、轨迹混淆等典型的隐私保护算法，根据每种类型算法实现的特点，将其纳入为调用函数模块。由此可以实现对更多隐私保护算法种类、数量的扩展和增加，使得整个隐私保护算法模块具有更强的扩展性和灵活性。
[0036] 交通状态可视化模块采用Python脚本、百度地图API分别实现数据融合和交通状态显示。根据通信过程中车辆向服务中心上报的位置和速度信息，以及SUMO车辆移动仿真器交通路网中部署的道路传感器所采集的车辆信息，通过信息叠加的方法分析隐私保护算法施加前后对交通状态的影响。借助于该模块，平台可以对隐私保护方法进行评估，从实验的角度更好地提升和改进隐私保护算法。
[0037] 上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和
权利要求的保护范围内，对本发明作出的任何
修改和改变，都落入本发明的保护范围。
