基于小波分析与隐马尔科夫模型的短时交通流预测

鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。     

面向车云网量子加密通信架构的轻量化身份认证方案研究

为解决车联网技术中身份认证问题，在车云网量子通信架构的基础上，设计了一种轻量化身份认证方案，认证过程由注册和认证2个阶段构成，车辆与车联网云平台间进行2轮认证以确保方案的安全性。试验结果表明，该方案计算开销仅为0.179 ms，通信开销为417 B，与其他4种相关方案相比，具有更低的计算开销和通信开销，在兼顾安全性的同时具备更高的效率，对于大多数低计算量和低通信量的车联网设备具有更高的适用性。     

车载自组织网络下基于区块链与量子密钥的组密钥分发方案

为提高车载自组织网络（VANET）的通信效率和安全性，提出了一种基于区块链与量子密钥的匿名身份认证与组密钥分发方案。利用车端随机数与云端随机数共同生成车辆匿名凭证，实现路端对车辆身份认证过程中的隐私保护；使用区块链进行组密钥的安全下发，降低量子密服平台的计算开销，实现车辆身份的撤销与追溯；提出了两段式组密钥生成方式，保证不同场景下组密钥分发的安全性与高效率，同时实现了前向安全与后向安全。信令开销与计算开销分析结果表明，该方案信令开销减少近50%，组密钥分发过程中车端计算开销减少44%，路端计算开销约为对比方案的20%。形式化安全分析结果证明了该方案的安全性和可行性。     

基于车端量子密钥的车联网数据访问控制研究

为实现车联网相关数据的安全传输和隐私保护，提出了一种基于车端量子密钥的车联网数据访问控制方案。设计了基于预充注量子密钥的身份认证和密钥协商机制，提出了基于量子随机数发生器的车辆数据访问控制方案，在车载通信终端集成量子随机数发生器以生成量子加密密钥，并由车辆所有者对来自外部设备的车联网数据访问请求进行管控，以防止非授权访问、高权限人员恶意侵入和车辆隐私数据的不当开放。最后，对提出的方案进行了安全性和性能分析，结果表明，该方案具有较强的安全性，具有比其他主要方案更小的计算开销（0.395 ms）和通信开销（420 B）。