智能交通大数据隐私保护实验平台

林 驰，徐 博，薛昕惟，于 成

(大连理工大学 软件学院,辽宁 大连 116621)

智能交通大数据隐私保护实验平台

林 驰，徐 博，薛昕惟，于 成

(大连理工大学 软件学院,辽宁 大连 116621)

智能交通系统是未来交通系统的发展方向，它集成了多方面技术的管理系统，具有实时、准确、高效等特点。随着系统的数据量越来越大，对交通大数据隐私的保护则显得格外重要。大数据隐私保护仿真平台提供两种方式建立路网，一种是使用路网生成工具，通过自主编写道路文件生成自定义的路网；另一种是使用路网转换工具，转换不同格式的路网。研究归纳了现阶段智能交通大数据隐私保护面临的挑战与不足，介绍了智能交通大数据实验平台的构成和原理，描述了系统框架的设置和隐私保护方法。结果表明：该平台能够有效智能交通大数据安全隐私，具有较好的教学与科研价值。

智能交通； 大数据； 隐私保护； 路径追踪

0 引 言

车辆自组织网络(Vehicular Ad-hoc NETwork,VANET)[1-4]以无线通信的方式将部署在车辆上的通信设备建立多跳、容迟网络，实现车辆与车辆间、车辆与基础设施间的无线通信，具有通信方式灵活、信息传播迅速等特点[5-6]，是智能交通系统(Intelligent Traffic System,ITS)的重要组成部分[7]。ITS作为“互联网+”的核心应用，将为智能社区、智能城市等应用提供基础架构，已经被列为我国十三五规划，具有广泛的应用前景和重大的研究意义。

ITS数据规模庞大[8]，对海量数据管理的完整性、可靠性、精确性、高并发性等具有较高的要求[9-11]。近年来，ITS作为VANET的应用载体，日益受到交通运输、导航、物流等研究领域的广泛关注[12-14]。目前针对ITS海量数据的管理已经提出了许多基于Hadoop的大数据管理方案，并且已在我国部分城市得到应用，但尚有很多问题没有得到深入揭示和妥善解决，具体包括(但不限于)：①ITS大数据的存取与维护效率低下[15-16]。针对ITS大数据而言，现有数据维护方法缺乏有效的数据压缩与还原方法，未能充分挖掘ITS大数据在时间空间上的关联特性，导致存储量巨大，存取效率低下，难以实施有效的维护。②运用众包(Crowdsourcing)机制实现ITS安全隐私保护更具挑战[17-18]。ITS中车辆运行于开放环境中，车辆的位置信息属于敏感信息，极易被捕获；除此之外，在特定的应用环境下，还需要对特定的用户进行实时追踪(如刑侦追踪，实时车辆监控等)[19]。众包作为一种新型群体智能模式，依托个体能力，实现群体智能决策。考虑到ITS系统中拓扑具有动态性、不确定性、个体车辆知识能力的有限性等特点，与众包机制的应用场景相契合，因此运用众包机制实现与维护ITS大数据的采集与安全维护更加具有可行性[20]。③ITS大数据的移动应用具有多样化需求。ITS大数据在未来的应用需求包括精确导航，实时定位追踪，交通堵塞实时预测，快速车流疏导等方面的应用，因此需要在高效的大数据维护的基础上开发多样化实时移动应用(安卓和IOS平台应用)，为旅游、汽车、环境等产业的发展提供便利[8]。

综上所述，为了应对ITS大数据带来的新挑战，及时开展面向ITS大数据关键技术的研究，建立适用于ITS特殊需求的大数据安全维护系统架构，提高系统安全性和隐私性是非常必要的，本文实验基于以上背景，对ITS大数据关键技术进行研究。

1 智能交通大数据安全应用框架的设计

图1阐述了本实验研究内容间的逻辑关系，本系统自下而上分为5个层次。本实验主要研究内容位于ITS数据采样层、数据处理层和数据应用层3个层次。具体来说，主要研究内容包括：

(1) ITS海量数据维护，最小化RSU(Road Side Unit)数量分布理论。本实验运用RSU对车辆位置信息进行采样，由于车辆位置信息具有时空关联性的特点，进而采用矩阵恢复的方法恢复每个车辆的完整时空位置信息。ITS中RSU的数量直接影响网络信息分发的QoS、延迟、能耗等性质。运用网络覆盖理论，结合矩阵恢复技术，提出ITS中RSU分布理论，实现RSU数量最小化，同时确保海量数据的采集与完整恢复。考虑到使用矩阵恢复的方法得到的ITS大数据存在一定的误差，为了提高数据的精确性，采用卡尔曼滤波(Kalman Filter)，减小位置数据的误差。除此之外，研究基于众包机制的ITS大数据维护，运用矩阵恢复、卡尔曼滤波相结合的方式，设置车载系统间通信协议，进一步减少RSU数量，提高能效性。

图1 智能交通系统安全大数据应用框架

(2) ITS安全模型。与网络安全领域类似，ITS中也会存在防御者和攻击者，防御者负责确保网络安全，攻击者对于特定用户进行攻击，或多攻击者串通，向网络中注入虚假位置信息数据。防御者采用Truth Discovery的方式，甄别大数据中的虚假数据或误差数据，进而确保ITS海量数据的安全性与精确性。

(3) ITS海量数据安全模型应用。在高效精确维护ITS海量数据的同时，设计基于ITS海量实时大数据应用，包括实时车流预测，交通拥塞分析与避免，车载精确导航等安卓和IOS应用。

2 实验场景的搭建

SUMO仿真平台提供两种方式建立路网：① 使用Netgen路网生成工具，通过自主编写道路文件生成自定义的路网；② 使用Netconvert路网转换工具，转换不同格式的路网。本实验中采用了Netconvert方法，导入开放地图数据库(OpenStreetMap)中的数据，生成与实际城市道路相符的路网模型。

OpenStreetMap是一个可以自由编辑的世界地图，通过OpenStreetMap可以实现获取真实世界地图的路网信息，并以.osm格式的文件存储。在SUMO仿真平台中，能够直接利用Netconvert转换工具将该文件转换成.net.xml格式的路网文件并显示。

如图2所示，使用OpenStreetMap工具导出时可以根据地图调节导出区域，或者手动输入坐标范围设定导出区域。实验中，通过OpenStreetMap工具导出了3个不同城市的地图：成都、杭州和北京，并生成了相应的.osm文件(见图3)。下一步便需要在无人行驶的道路文件中添加车辆模型。

图2 OpenStreetMap路网导出

图3 路网生成(成都)

2.1添加车辆模型

SUMO提供了很多不同的方法来添加车辆模型，例如旅程定义、交通流定义、使用随机路径等。实验中，采用了旅程定义的方式为路网添加车辆信息。

在.rou.xml配置文件中，每个车辆的旅程信息如上定义，定义信息包括一个车辆ID、出发时间、所经道路ID、停靠车道ID以及再次出发时间。通过这种方式，本文实验成功定义出成都、杭州以及北京3座城市的车辆模型。

2.2数据提取

通过生成路网文件和车辆旅程文件，SUMO软件便能生成一个运动的仿真模型。通过对输出文件的解析及重要信息的重新处理和提取，得到如下所示格式的所有车辆在所有仿真时刻的车辆信息，包括车辆ID、监测时间、地图方位坐标以及分解后的速度信息，这些信息将被用来实现之后的算法设计。

3 实验结果

运用众包机制，使用矩阵恢复、卡尔曼滤波恢复路径。图4所示对用户数量为5用户的路径进行精确恢复，对比实验结果可得误差可控制在2 m以内，且采样频率越高，算法收敛越快(见图5)。此外，实验表明，仅保留30%的车载数据便可实现对所有车辆位置信息的精确追踪，极大降低了ITS大数据的存储量。

图4 5用户路径恢复

图5 10用户路径恢复

根据ITS大数据中车辆的位置信息，最优化智能交通系统中RSU的位置分布情况如图6所示。图中红点表示最优化RSU分布位置。

(b) 成都

(c) 杭州

4 结 语

建立了智能交通大数据安全保护框架，运用仿真的手段创建智能交通系统仿真环境进而模拟出车辆的交通，安全隐私保护方法保护了系统中用户的安全性。

[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

国家自然科学基金(61402072，61402078)；2016年辽宁省本科教改立项一般项目；大连理工大学2016年教育教学改革重大项目(ZZD2016001)

林 驰(1984-)，男，辽宁大连人，博士，讲师，研究方向为物联网。E-mail: c.lin@dlut.edu.cn

薛昕惟(1984-)，女，辽宁大连人，博士，讲师，研究方向为图像处理。E-mail: xuexinwei@dlut.edu.cn

TP 393

：A

：1006-7167(2017)07-0039-04