智能交通大數(shù)據(jù)隱私保護(hù)實(shí)驗(yàn)平臺(tái)

林 馳，徐 博，薛昕惟，于 成

(大連理工大學(xué) 軟件學(xué)院,遼寧 大連 116621)

智能交通大數(shù)據(jù)隱私保護(hù)實(shí)驗(yàn)平臺(tái)

林 馳，徐 博，薛昕惟，于 成

(大連理工大學(xué) 軟件學(xué)院,遼寧 大連 116621)

智能交通系統(tǒng)是未來(lái)交通系統(tǒng)的發(fā)展方向，它集成了多方面技術(shù)的管理系統(tǒng)，具有實(shí)時(shí)、準(zhǔn)確、高效等特點(diǎn)。隨著系統(tǒng)的數(shù)據(jù)量越來(lái)越大，對(duì)交通大數(shù)據(jù)隱私的保護(hù)則顯得格外重要。大數(shù)據(jù)隱私保護(hù)仿真平臺(tái)提供兩種方式建立路網(wǎng)，一種是使用路網(wǎng)生成工具，通過自主編寫道路文件生成自定義的路網(wǎng)；另一種是使用路網(wǎng)轉(zhuǎn)換工具，轉(zhuǎn)換不同格式的路網(wǎng)。研究歸納了現(xiàn)階段智能交通大數(shù)據(jù)隱私保護(hù)面臨的挑戰(zhàn)與不足，介紹了智能交通大數(shù)據(jù)實(shí)驗(yàn)平臺(tái)的構(gòu)成和原理，描述了系統(tǒng)框架的設(shè)置和隱私保護(hù)方法。結(jié)果表明：該平臺(tái)能夠有效智能交通大數(shù)據(jù)安全隱私，具有較好的教學(xué)與科研價(jià)值。

智能交通； 大數(shù)據(jù)； 隱私保護(hù)； 路徑追蹤

0 引 言

車輛自組織網(wǎng)絡(luò)(Vehicular Ad-hoc NETwork,VANET)[1-4]以無(wú)線通信的方式將部署在車輛上的通信設(shè)備建立多跳、容遲網(wǎng)絡(luò)，實(shí)現(xiàn)車輛與車輛間、車輛與基礎(chǔ)設(shè)施間的無(wú)線通信，具有通信方式靈活、信息傳播迅速等特點(diǎn)[5-6]，是智能交通系統(tǒng)(Intelligent Traffic System,ITS)的重要組成部分[7]。ITS作為“互聯(lián)網(wǎng)+”的核心應(yīng)用，將為智能社區(qū)、智能城市等應(yīng)用提供基礎(chǔ)架構(gòu)，已經(jīng)被列為我國(guó)十三五規(guī)劃，具有廣泛的應(yīng)用前景和重大的研究意義。

ITS數(shù)據(jù)規(guī)模龐大[8]，對(duì)海量數(shù)據(jù)管理的完整性、可靠性、精確性、高并發(fā)性等具有較高的要求[9-11]。近年來(lái)，ITS作為VANET的應(yīng)用載體，日益受到交通運(yùn)輸、導(dǎo)航、物流等研究領(lǐng)域的廣泛關(guān)注[12-14]。目前針對(duì)ITS海量數(shù)據(jù)的管理已經(jīng)提出了許多基于Hadoop的大數(shù)據(jù)管理方案，并且已在我國(guó)部分城市得到應(yīng)用，但尚有很多問題沒有得到深入揭示和妥善解決，具體包括(但不限于)：①ITS大數(shù)據(jù)的存取與維護(hù)效率低下[15-16]。針對(duì)ITS大數(shù)據(jù)而言，現(xiàn)有數(shù)據(jù)維護(hù)方法缺乏有效的數(shù)據(jù)壓縮與還原方法，未能充分挖掘ITS大數(shù)據(jù)在時(shí)間空間上的關(guān)聯(lián)特性，導(dǎo)致存儲(chǔ)量巨大，存取效率低下，難以實(shí)施有效的維護(hù)。②運(yùn)用眾包(Crowdsourcing)機(jī)制實(shí)現(xiàn)ITS安全隱私保護(hù)更具挑戰(zhàn)[17-18]。ITS中車輛運(yùn)行于開放環(huán)境中，車輛的位置信息屬于敏感信息，極易被捕獲；除此之外，在特定的應(yīng)用環(huán)境下，還需要對(duì)特定的用戶進(jìn)行實(shí)時(shí)追蹤(如刑偵追蹤，實(shí)時(shí)車輛監(jiān)控等)[19]。眾包作為一種新型群體智能模式，依托個(gè)體能力，實(shí)現(xiàn)群體智能決策。考慮到ITS系統(tǒng)中拓?fù)渚哂袆?dòng)態(tài)性、不確定性、個(gè)體車輛知識(shí)能力的有限性等特點(diǎn)，與眾包機(jī)制的應(yīng)用場(chǎng)景相契合，因此運(yùn)用眾包機(jī)制實(shí)現(xiàn)與維護(hù)ITS大數(shù)據(jù)的采集與安全維護(hù)更加具有可行性[20]。③ITS大數(shù)據(jù)的移動(dòng)應(yīng)用具有多樣化需求。ITS大數(shù)據(jù)在未來(lái)的應(yīng)用需求包括精確導(dǎo)航，實(shí)時(shí)定位追蹤，交通堵塞實(shí)時(shí)預(yù)測(cè)，快速車流疏導(dǎo)等方面的應(yīng)用，因此需要在高效的大數(shù)據(jù)維護(hù)的基礎(chǔ)上開發(fā)多樣化實(shí)時(shí)移動(dòng)應(yīng)用(安卓和IOS平臺(tái)應(yīng)用)，為旅游、汽車、環(huán)境等產(chǎn)業(yè)的發(fā)展提供便利[8]。

綜上所述，為了應(yīng)對(duì)ITS大數(shù)據(jù)帶來(lái)的新挑戰(zhàn)，及時(shí)開展面向ITS大數(shù)據(jù)關(guān)鍵技術(shù)的研究，建立適用于ITS特殊需求的大數(shù)據(jù)安全維護(hù)系統(tǒng)架構(gòu)，提高系統(tǒng)安全性和隱私性是非常必要的，本文實(shí)驗(yàn)基于以上背景，對(duì)ITS大數(shù)據(jù)關(guān)鍵技術(shù)進(jìn)行研究。

1 智能交通大數(shù)據(jù)安全應(yīng)用框架的設(shè)計(jì)

圖1闡述了本實(shí)驗(yàn)研究?jī)?nèi)容間的邏輯關(guān)系，本系統(tǒng)自下而上分為5個(gè)層次。本實(shí)驗(yàn)主要研究?jī)?nèi)容位于ITS數(shù)據(jù)采樣層、數(shù)據(jù)處理層和數(shù)據(jù)應(yīng)用層3個(gè)層次。具體來(lái)說，主要研究?jī)?nèi)容包括：

(1) ITS海量數(shù)據(jù)維護(hù)，最小化RSU(Road Side Unit)數(shù)量分布理論。本實(shí)驗(yàn)運(yùn)用RSU對(duì)車輛位置信息進(jìn)行采樣，由于車輛位置信息具有時(shí)空關(guān)聯(lián)性的特點(diǎn)，進(jìn)而采用矩陣恢復(fù)的方法恢復(fù)每個(gè)車輛的完整時(shí)空位置信息。ITS中RSU的數(shù)量直接影響網(wǎng)絡(luò)信息分發(fā)的QoS、延遲、能耗等性質(zhì)。運(yùn)用網(wǎng)絡(luò)覆蓋理論，結(jié)合矩陣恢復(fù)技術(shù)，提出ITS中RSU分布理論，實(shí)現(xiàn)RSU數(shù)量最小化，同時(shí)確保海量數(shù)據(jù)的采集與完整恢復(fù)。考慮到使用矩陣恢復(fù)的方法得到的ITS大數(shù)據(jù)存在一定的誤差，為了提高數(shù)據(jù)的精確性，采用卡爾曼濾波(Kalman Filter)，減小位置數(shù)據(jù)的誤差。除此之外，研究基于眾包機(jī)制的ITS大數(shù)據(jù)維護(hù)，運(yùn)用矩陣恢復(fù)、卡爾曼濾波相結(jié)合的方式，設(shè)置車載系統(tǒng)間通信協(xié)議，進(jìn)一步減少RSU數(shù)量，提高能效性。

圖1 智能交通系統(tǒng)安全大數(shù)據(jù)應(yīng)用框架

(2) ITS安全模型。與網(wǎng)絡(luò)安全領(lǐng)域類似，ITS中也會(huì)存在防御者和攻擊者，防御者負(fù)責(zé)確保網(wǎng)絡(luò)安全，攻擊者對(duì)于特定用戶進(jìn)行攻擊，或多攻擊者串通，向網(wǎng)絡(luò)中注入虛假位置信息數(shù)據(jù)。防御者采用Truth Discovery的方式，甄別大數(shù)據(jù)中的虛假數(shù)據(jù)或誤差數(shù)據(jù)，進(jìn)而確保ITS海量數(shù)據(jù)的安全性與精確性。

(3) ITS海量數(shù)據(jù)安全模型應(yīng)用。在高效精確維護(hù)ITS海量數(shù)據(jù)的同時(shí)，設(shè)計(jì)基于ITS海量實(shí)時(shí)大數(shù)據(jù)應(yīng)用，包括實(shí)時(shí)車流預(yù)測(cè)，交通擁塞分析與避免，車載精確導(dǎo)航等安卓和IOS應(yīng)用。

2 實(shí)驗(yàn)場(chǎng)景的搭建

SUMO仿真平臺(tái)提供兩種方式建立路網(wǎng)：① 使用Netgen路網(wǎng)生成工具，通過自主編寫道路文件生成自定義的路網(wǎng)；② 使用Netconvert路網(wǎng)轉(zhuǎn)換工具，轉(zhuǎn)換不同格式的路網(wǎng)。本實(shí)驗(yàn)中采用了Netconvert方法，導(dǎo)入開放地圖數(shù)據(jù)庫(kù)(OpenStreetMap)中的數(shù)據(jù)，生成與實(shí)際城市道路相符的路網(wǎng)模型。

OpenStreetMap是一個(gè)可以自由編輯的世界地圖，通過OpenStreetMap可以實(shí)現(xiàn)獲取真實(shí)世界地圖的路網(wǎng)信息，并以.osm格式的文件存儲(chǔ)。在SUMO仿真平臺(tái)中，能夠直接利用Netconvert轉(zhuǎn)換工具將該文件轉(zhuǎn)換成.net.xml格式的路網(wǎng)文件并顯示。

如圖2所示，使用OpenStreetMap工具導(dǎo)出時(shí)可以根據(jù)地圖調(diào)節(jié)導(dǎo)出區(qū)域，或者手動(dòng)輸入坐標(biāo)范圍設(shè)定導(dǎo)出區(qū)域。實(shí)驗(yàn)中，通過OpenStreetMap工具導(dǎo)出了3個(gè)不同城市的地圖：成都、杭州和北京，并生成了相應(yīng)的.osm文件(見圖3)。下一步便需要在無(wú)人行駛的道路文件中添加車輛模型。

圖2 OpenStreetMap路網(wǎng)導(dǎo)出

圖3 路網(wǎng)生成(成都)

2.1添加車輛模型

SUMO提供了很多不同的方法來(lái)添加車輛模型，例如旅程定義、交通流定義、使用隨機(jī)路徑等。實(shí)驗(yàn)中，采用了旅程定義的方式為路網(wǎng)添加車輛信息。

在.rou.xml配置文件中，每個(gè)車輛的旅程信息如上定義，定義信息包括一個(gè)車輛ID、出發(fā)時(shí)間、所經(jīng)道路ID、停靠車道ID以及再次出發(fā)時(shí)間。通過這種方式，本文實(shí)驗(yàn)成功定義出成都、杭州以及北京3座城市的車輛模型。

2.2數(shù)據(jù)提取

通過生成路網(wǎng)文件和車輛旅程文件，SUMO軟件便能生成一個(gè)運(yùn)動(dòng)的仿真模型。通過對(duì)輸出文件的解析及重要信息的重新處理和提取，得到如下所示格式的所有車輛在所有仿真時(shí)刻的車輛信息，包括車輛ID、監(jiān)測(cè)時(shí)間、地圖方位坐標(biāo)以及分解后的速度信息，這些信息將被用來(lái)實(shí)現(xiàn)之后的算法設(shè)計(jì)。

3 實(shí)驗(yàn)結(jié)果

運(yùn)用眾包機(jī)制，使用矩陣恢復(fù)、卡爾曼濾波恢復(fù)路徑。圖4所示對(duì)用戶數(shù)量為5用戶的路徑進(jìn)行精確恢復(fù)，對(duì)比實(shí)驗(yàn)結(jié)果可得誤差可控制在2 m以內(nèi)，且采樣頻率越高，算法收斂越快(見圖5)。此外，實(shí)驗(yàn)表明，僅保留30%的車載數(shù)據(jù)便可實(shí)現(xiàn)對(duì)所有車輛位置信息的精確追蹤，極大降低了ITS大數(shù)據(jù)的存儲(chǔ)量。

圖4 5用戶路徑恢復(fù)

圖5 10用戶路徑恢復(fù)

根據(jù)ITS大數(shù)據(jù)中車輛的位置信息，最優(yōu)化智能交通系統(tǒng)中RSU的位置分布情況如圖6所示。圖中紅點(diǎn)表示最優(yōu)化RSU分布位置。

(b) 成都

(c) 杭州

4 結(jié) 語(yǔ)

建立了智能交通大數(shù)據(jù)安全保護(hù)框架，運(yùn)用仿真的手段創(chuàng)建智能交通系統(tǒng)仿真環(huán)境進(jìn)而模擬出車輛的交通，安全隱私保護(hù)方法保護(hù)了系統(tǒng)中用戶的安全性。

[1] Lin Xiaodong,Lu Rongxing,Liang Xiaohui,etal.STAP: A social-tier-assisted packet forwarding protocol for achieving receiver-location privacy preservation in vanets [C]//Proc INFOCOM,2011 Proceedings IEEE,IEEE,2011: 2147-2155.

[2] Liu Nianbo,Liu Ming,Lou Wei,etal.PVA in VANETs: Stopped cars are not silent [C]//Proc INFOCOM,2011 Proceedings IEEE,IEEE,2011: 431-435.

[3] Lu Rongxing,Lin Xiaodong,Luan T H,etal.Pseudonym changing at social spots: An effective strategy for location privacy in vanets [J].IEEE Transactions on Vehicular Technology,2012,61(1): 86-96.

[4] Lu Rongxing,Lin Xiaodong,Zhu Haojin,etal.SPARK: a new VANET-based smart parking scheme for large parking lots[C]//Proc INFOCOM 2009,IEEE,2009: 1413-1421.

[5] Sommer Christoph,German Reinhard,Dressler Falko.Bidirectionally coupled network and road traffic simulation for improved IVC analysis [J].IEEE Transactions on Mobile Computing,2011,20(1): 3-15.

[6] Taleb Tarik,Sakhaee Ehssan,Jamalipour Abbas.A stable routing protocol to support ITS services in VANET networks [J].IEEE Transactions on Vehicular Technology,2007,56(6): 3337-3347.

[7] Nguyen Tien V,Baccelli Francois,Zhu Kai,etal.A performance analysis of csma based broadcast protocol in vanets [C]// Proc INFOCOM,2013 Proceedings IEEE,IEEE,2013: 2805-2813.

[8] Fang Hua,Zhang Zhaoyang,Wang Chanpaul Jin,etal.A survey of big data research [J].IEEE Network,2015,29(5): 6-9.

[9] Rawat Danda B,Popescu Dimitrie C,Yan Gongjun.Enhancing VANET performance by joint adaptation of transmission power and contention window size [J].IEEE Transactions on Parallel and Distributed Systems,2011,22(9): 1528-1535.

[10] Ren Dandan,Du Suguo,Zhu Haojin.A novel attack tree based risk assessment approach for location privacy preservation in the VANETs [C]//Proc 2011 IEEE International Conference on Communications (ICC),IEEE,2011: 1-5.

[11] Shea Christine,Hassanabadi Behnam,Valaee Shahrokh.Mobility-based clustering in VANETs using affinity propagation [C]// Proc Global Telecommunications Conference,2009.GLOBECOM 2009,IEEE,2009: 1-6.

[12] Tao Jun,Zhu Limin,Wang Xiaoxiao,etal.RSU deployment scheme with power control for highway message propagation in VANETs [C]//Proc Global Communications Conference (GLOBECOM),IEEE,2014: 169-174.

[13] Zhang Yang,Cao Guohong.V-pada: Vehicle-platoon-aware data access in vanets [J].IEEE Transactions on Vehicular Technology,2011,60(5): 2326-2339.

[14] Zhu Hongzi,Fu Luoyi,Xue Guangtao,etal.Recognizing exponential inter-contact time in VANETs [C]// Proc INFOCOM,2010 Proceedings IEEE,IEEE,2010: 1-5.

[15] Piorkowski M,Raya M,Lugo A.L,etal.TraNS: realistic joint traffic and network simulator for VANETs [J].ACM SIGMOBILE Mobile Computing and Communications Review,2008,12(1): 31-33.

[16] Lee Uichin,Magistretti Eugenio,Gerla Mario,etal.Dissemination and harvesting of urban data using vehicular sensing platforms [J].IEEE Transactions on Vehicular Technology,2009,58(2): 882-901.

[17] Wu Di,Zhang Yuan,Bao Lichun,etal.Location-based crowdsourcing for vehicular communication in hybrid networks [J].IEEE Transactions on Intelligent Transportation Systems,2013,14(2): 837-846.

[18] Wang Yan,Jiang Jianmin,Mu Tingting.Context-aware and energy-driven route optimization for fully electric vehicles via crowdsourcing [J].IEEE Transactions on Intelligent Transportation Systems,2013,14(3): 1331-1345.

[19] Sampigethaya Krishna,Li Mingyan,Huang Leping,etal.AMOEBA: Robust location privacy scheme for VANET [J].IEEE Journal on Selected Areas in Communications,2007,25(8): 1569-1589.

[20] Gibaud Alain,Thomin Philippe.Message forwarding based on vehicle trajectory history in Fully Distributed Traffic Information Systems [J].Computer Communications,2015,60(1): 40-52.

Big Data Privacy Protection Platform for Intelligent Transportation System

LINChi,XUBo,XUEXinwei,YUCheng

(School of Software,Dalian University of Technology,Dalian 116621,Liaoning,China)

Intelligent transportation systems (ITSs) become the mainstream direction of the future transportation system.An Intelligent transportation system integrates many kinds of technologies,and has the characteristics of real-time,accuracy and high efficiency.With the increasing amount of data,it is very important to protect the privacy of traffic data.Big data privacy protection simulation platform provides two methods to establish the system.One is to use the network generation tool and another is to use network conversion tool.The drawbacks and challenge of privacy protection for big data in intelligent transportation systems are summarized.The principle and organization of the experimental platform for ITSs are introduced.The architecture and the approaches of privacy preservation are also presented.Experimental results demonstrate that the proposed methods can effectively protect the privacy for big data and has a certain value in the actual teaching and scientific research.

intelligent transportation; big data; privacy protection; trajectory tracking

2016-11-10

國(guó)家自然科學(xué)基金(61402072，61402078)；2016年遼寧省本科教改立項(xiàng)一般項(xiàng)目；大連理工大學(xué)2016年教育教學(xué)改革重大項(xiàng)目(ZZD2016001)

林 馳(1984-)，男，遼寧大連人，博士，講師，研究方向?yàn)槲锫?lián)網(wǎng)。E-mail: c.lin@dlut.edu.cn

薛昕惟(1984-)，女，遼寧大連人，博士，講師，研究方向?yàn)閳D像處理。E-mail: xuexinwei@dlut.edu.cn

TP 393

：A

：1006-7167(2017)07-0039-04