内河交通物联网安全分析及应对策略

为适应内河交通信息化的发展,提出了内河交通物联网的概念.在分析内河交通物联网概念、体系结构的基础上,研究其信息安全问题.对内河交通物联网的感知层、网络层、数据处理层、应用层和展现层进行全面分析,研究各层存在的安全隐患及面临的安全挑战,并提出相应的安全技术策略,以促进内河交通安全、快速发展.      

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

船联网数据融合的信任模型

引入了主观信任评价及其期望概率的概念,通过统计方法评估船联网中各个节点的可信程度,结合KL距离计算节点的信誉度,从而建立了基于节点信誉度评价的数据融合信任模型.为避免影响融合的结果,模型在数据融合过程中保留信誉度较好的节点,摒弃低信誉的节点.模拟船联网网络结构进行仿真试验,分别采用4种不同的攻击方法对网络中部分节点进行攻击,试验分别按迭代100、200、300次进行.仿真结果表明:传统方法的数据融合准确率为78％,信任模型的数据融合准确率达到93％,结果更逼近真实数据,与传统方法相比有效提高了融合的准确性和可靠性.