車聯網環境下CACC車輛信息傳播安全性研究?

魏 磊，王云鵬，秦洪懋，余貴珍

(北京航空航天大學，車路協同與安全控制重點實驗室，北京 100191)

前言

以車聯網為基礎的協同式自適應巡航控制(cooperative adaptive cruise control，CACC)是指搭載自適應巡航控制系統的汽車采用移動無線通信技術如DSRC(dedicated short range communications)與路、人和云進行信息交互，解決交通事故、交通擁擠等現實問題[1－2]。然而，隨著車聯網和車路協同技術的應用部署，由于其移動通信和應用信息的開放性[2－3]，在滿足車輛信息交互的同時也為病毒入侵提供了可乘之機。入侵的惡意代碼可以伴隨CACC車輛間信息的傳輸大面積擴散，輕則竊取用戶隱私，重則干擾車輛正常行駛，產生嚴重的安全威脅。

目前，分析車聯網環境下信息傳播的經典方法是利用仿真的方法。E.Spaho等[4]詳細回顧了仿真的方法，分析了交通流、信息流和車車通信事件之間的非線性關系。X.Yang等[5]在已有微觀交通仿真模型的基礎上，構建了車聯網環境下的信息傳播仿真框架，仿真了高速公路車輛間的信息傳播。文獻[6]～文獻[8]中將交通流簡化為靜態交通流，依靠分析交通參數統計分布，討論了信息流傳播面臨的限制條件。然而，這些仿真方法都缺乏嚴格的理論模型支持。Kim Y.H.等[9]考慮了通信約束，分析了信息傳播與交通流動力學之間的關系，建立信息流傳播模型，描述信息流傳播動態行為。Du L.等[10]將道路分成多個細胞單元，構建了信息耦合細胞傳輸模型(IT-CTM)以捕捉信息在細胞內部與細胞之間的流動。

綜上所述，目前國內外專家學者針對車聯網信息傳播進行的研究大都是針對善意信息，并沒有考慮惡意病毒信息的入侵。此外，目前構建的相關信息傳播模型大多沒有考慮不同類型車流之間的相互影響。基于此，本文中針對CACC車輛與普通車輛混合行駛的現實道路交通環境，構建出車聯網環境下的病毒傳播動力學模型，旨在為研究車聯網環境下的病毒傳播規律提供理論基礎，同時為抑制病毒信息傳播提供有效方法，保障CACC車輛信息傳播的安全性。

1 車聯網環境下的CACC車輛病毒信息傳播動力學模型構建

1.1 CACC車輛通信概率

為了分析CACC車輛通信概率，本文中首先基于元胞自動將道路劃分為若干個等長的元胞，每一輛車占據一個元胞[11]，為使模擬出的交通流更符合真實情況，引入安全距離模型[12－13]，進一步提升模擬精度。模型演化過程包括勻速、加速、減速及位置更新。陸麗麗等[13]認為CACC車輛若想完成通信功能，應保證路網上一個通信范圍內至少有一輛CACC車輛。但考慮到車輛間無線信號的傳輸會受到行駛速度、信道質量和環境變化等其它不確定性因素的影響，導致無線信號在傳輸過程中動態衰減。因此，CACC車輛若想完成通信功能，在保證通信范圍內至少有一輛CACC車輛的同時還要確保通信范圍內信號傳輸的可靠性。基于此，本文中提出車聯網環境下CACC車輛通信概率的計算方法，通信成功的概率Pcom為

式中：m為將通信范圍內的道路離散成的元胞總數；P1為元胞未被車輛占有的概率；P2為元胞被普通車輛占有的概率；Psuc為信號被可靠接收的概率。

(1)P1計算方法[13]

式中：N(t)為仿真t時刻的車輛總數；N為整條車道被離散成的元胞總數。

(2)P2計算方法[13]

式中q為CACC車輛在路比率。

(3)Psuc計算方法

為了研究行駛速度、信道質量和環境變化等其它不確定性因素對車輛間信號傳輸造成的影響，計算CACC車輛通信成功的概率。本文中選取參數為平均信號強度的瑞利衰落模型(Rayleigh fading)對傳輸過程進行模擬，同時認為無線信號功率傳輸滿足弗里斯傳輸(Friis’law)。與發送信號車輛所在元胞距離為d的元胞x處收到的平均信號強度[14]Ω(pr(x))為

式中：pt為CACC車輛無線信號發射功率；Gt為信號發射天線增益；Gr為信號接收天線增益；λ為無線信號波長，λ＝c/f，f為無線信號頻率，c為光速。

元胞x處接收到的無線信號概率密度函數[14]f(pr(x))為

根據無線車載通信協議的定義，如果CACC車輛接收到的信號功率大于等于最小接收靈敏度psen，則認為信號傳輸成功，否則認為信號傳輸失敗。因此，當信號發送車輛與位于元胞x內的信號接收車輛其距離 s＝d時，該車成功接收到信息的概率

(4)Pcom計算方法

將式(2)、式(3)和式(6)代入式(1)得到CACC車輛通信成功概率Pcom：

1.2 CACC車輛病毒感染概率

為了計算易感染車輛與攜病毒車輛接觸導致其感染病毒的概率，本文中考慮CACC車輛間的信息交互行為對車輛節點移動性進行分析。如圖1所示，t時刻，某一攜病毒車輛i在元胞xi(t)處以速度vi在車道內沿某一方向θ移動，若其通信范圍為r，則該攜病毒車輛在單位時間Δt內掃過的面積Sθ為

單位時間進入到該范圍內的易感染車輛數Nθ為

式中ρs為易感染車輛的道路空間占有率，輛/m2。

易感染車輛與攜病毒車輛的接觸概率Ptou為

由此可得，單位時間內易感染車輛與攜病毒車輛接觸導致其感染病毒的概率β為

將式(10)和式(7)代入式(11)得到CACC車輛病毒感染概率：

圖1 車輛節點移動過程

將式(12)代入傳染病SIR模型[13]可得車聯網環境下CACC車輛病毒信息傳播動力學模型：

式中：S為易感染車輛；I為攜病毒車輛；R為免疫車輛；α為免疫概率；γ為通信頻率。

2 車聯網環境下的CACC車輛病毒信息傳播動力學模型仿真

本文中以長度為30 km的城市道路為仿真對象，車車通信系統采用DSRC技術，由于車輛通信范圍即車輛采用某種車載通信技術的作用距離，因此，DSRC作用距離即車輛間的通信范圍(單位：m)。仿真實驗中用到的參數設置如表1所示。

表1 仿真實驗參數

(1)仿真場景一

在交通流密度保持穩定的情況下，ρ取0.3即平均一個元胞有0.3輛車，當DSRC作用距離即車輛間的通信范圍(單位：m)取不同值時，單位時間內CACC車輛病毒感染概率隨CACC車輛在路比率和攜病毒車行駛速度(單位：m/s)變化的結果如圖2所示。

圖2 不同通信范圍條件下CACC車輛病毒感染概率

從圖2可以看出，隨著CACC車輛通信范圍的逐漸增大，病毒感染概率的最大值逐漸增大，究其原因是由于通信范圍的增大會加大車輛間信號傳輸范圍，因此感染概率增大。若攜病毒車行駛速度保持不變，當CACC車輛在路比率達到一定數值后，由于車輛間的通信范圍存在上限，單位時間內車輛感染病毒的概率將不再隨CACC車輛在路比率的提高而增大。圖3進一步顯示了交通流密度穩定下，攜病毒車行駛速度與感染病毒車輛數量之間的變化關系。

圖3 不同速度下的感染病毒車輛比例

從圖3可以看出，在其它影響因素(CACC車輛在路比率、通信范圍和交通密度)相同的情況下，由于仿真過程中攜病毒車每次行駛時間相同，攜病毒車行駛速度越快則意味著行駛過的距離越長，因此感染概率越大。

分別取不同通信范圍對應感染概率的最大值對病毒傳播過程進行仿真，仿真結果如圖4所示。

從圖4可以看出，病毒傳播過程可分為增長階段、爆發階段和免疫階段。起初道路上絕大部分CACC車輛處于易感染狀態，攜病毒車輛和免疫車輛的數量接近于零。隨著病毒信息的擴散，病毒傳播過程由增長階段變為爆發階段。同時，在CACC車輛安全防御機制作用下，已感染病毒車輛以0.1的免疫概率變為免疫車輛，免疫車數量逐漸增多，最后病毒傳播達到免疫階段。對不同通信范圍條件下的病毒傳播過程進行對比分析可以看出，CACC車輛通信范圍越大，病毒感染概率的最大值越大，病毒傳播各階段的波動范圍越大。

(2)仿真場景二

在CACC車輛通信范圍固定情況下，如 r取500 m，在不同的道路環境中，交通流密度取不同值，單位時間內CACC車輛病毒感染概率隨CACC車輛在路比率和病毒車行駛速度變化的結果，如圖5所示。

從圖5可以看出，隨著交通流密度的逐漸增大

圖4 交通流密度穩定環境下車聯網病毒傳播過程

圖5 不同交通密度環境下CACC車輛病毒感染概率

病毒感染概率的最大值逐漸減小，究其原因是由于交通流密度的增大會加大CACC車輛間信號傳輸受到的干擾，導致信息傳輸效率下降，因此感染概率降低。但隨著交通流密度的變化，病毒感染概率的波動很小。結合場景一的圖2仿真結果可以看出，不論在何種條件下，當CACC車輛在路比率增長至35%后，由于車輛間基本實現了完全通信，此時的病毒感染的概率將不再受CACC車輛在路比率影響。圖6進一步顯示了車輛通信范圍固定下，病毒車行駛速度與感染病毒車輛數量之間的變化關系。從圖6可以看出，經歷同樣的傳播時間，病毒感染概率越大，感染病毒車輛比例越高，波動范圍越大。因此，可以通過降低病毒感染概率控制病毒信息傳播范圍，保障CACC車輛信息傳播安全性。

分別取不同交通密度環境對應感染概率的最大值，對病毒傳播過程進行仿真，仿真結果如圖7所示。

圖6 不同速度下的感染病毒車輛比例

圖7 車輛通信范圍固定下車聯網病毒傳播過程

從圖7仿真結果可以看出，病毒傳播過程同樣分為3個階段，但在CACC車輛通信范圍固定的條件下，在不同的交通密度環境中，病毒傳播增長過程均較為平緩，沒有出現如圖4中的大規模增長和波動。綜合仿真場景一、二可以看出，與交通流密度的變化相比，CACC車輛通信范圍的變化對病毒傳播的影響更為劇烈。

3 結論

(1)CACC車輛通信范圍、攜病毒車行駛距離與CACC車輛病毒感染概率呈正相關關系，而交通流密度的增大則會降低病毒感染概率。

(2)CACC車輛在路比率在一定范圍內與CACC車輛病毒感染概率呈正相關關系，當CACC車輛在路比率增長至35%后，單位時間內病毒感染概率將不再隨CACC車輛在路比率的提高而增大。

(3)車聯網環境下的病毒傳播過程可分為增長階段、爆發階段和免疫階段。若CACC車輛病毒感染概率越高，則病毒傳播迎來爆發階段所需的時間越短，病毒傳播達到免疫階段免疫狀態車輛所占的比例越高。

(4)與交通流密度的變化相比，CACC車輛通信范圍的變化對病毒傳播的影響更為劇烈，可通過降低CACC車輛病毒感染概率有效控制病毒傳播范圍。