基于数据降维与聚类的车联网数据分析应用

基于数据降维与聚类的车联网数据分析应用

戴文涛 南京君度科技有限公司

摘要：如今中国汽车销量已经跃居世界第一，而且还在不断增加。随着汽车行业的巨大需求和通信网络技术的不断发展，我们已经进入了车联网时代。车联网是将汽车与互联网连接起来，实现与汽车的交互控制，包括控制汽车行驶、汽车定位、与路侧设备通信等多种功能。基于此，下面讨论基于数据降维和聚类的车联网数据分析的应用，以供参考。

关键词：数据降维与聚类；车联网数据；分析应用

引言

车联网数据安全性有待提高。道路场景下，数据类型多，环节复杂，涉及信息安全、隐私管理等领域。根据TCP网络分层模型和行业研究，可能存在生态接口安全、未授权访问、系统后门、车辆通信不安全、系统固件数据安全、组件漏洞、网络安全隔离、敏感信息泄露、加密安全、算法安全等风险，这将直接影响人、车、物之间的信息、网络和系统，严重时甚至会造成难以想象的后果。

1车联网的三个功能框架

汽车联网可以分为三个部分。第一部分是由边缘设备和道路边缘设施组成的感知层，主要负责收集车辆各部分的信息。第二部分是网络层，主要负责车辆、车辆和路边设备、车辆和驾驶员以及车辆和应用平台之间的通信。第三部分是应用层，主要负责车辆信息的融合、计算总结和监控管理。这三部分有各自的功能。虽然负责不同领域，但这三个部分相互合作，相辅相成，不可或缺。当前中国的汽车网络技术还不成熟，还有很多漏洞等着我们解决。电子车辆识别、视频信息、道路网络环境和车辆主要依靠感知层的安全性来确保其安全性。基本上，车辆联网前端各种信息源利用无线通信传输信息。因此，获取感知层的信息来源会有一定的风险。此外，由于无线连接脆弱，网络的动态和通信形式会发生变化，计算机的计算、存储容量和能量有限，车辆所在的环境会在现场受到干扰，机器将无法察觉潜在的安全风险，并收集大量信息进行分析和管理。网络层也存在漏洞。如果有人拒绝、隐瞒或欺骗网络服务，服务就会中断，影响业务工作。或者有人利用黑客技术非法获取帐户信息和密码信息来窃取重要的内部资源，或者有人利用特洛伊木马在网络上传播病毒，从而使服务器瘫痪。服务环境、服务访问和服务平台通过应用程序层进行备份。但是，由于操作系统代码繁多，应用程序层存在一些漏洞。此外，应用程序级系统庞大而复杂，单个安全防护技术可能无法保护应用层免受其他不利因素的影响。

2基于数据降维与聚类的车联网数据分析应用

2.1降维算法分析

数据量的增加往往伴随着数据维的增加，导致高级空间中数据单元的增加，导致数据值的减少，并通过使用数据挖掘技术获取有用数据信息的成本增加，从而导致“维灾难”。因此，有必要减小高维数据的大小。降维有助于减少数据存储空间，区分数据背后的规则，并有效地消除冗馀功能。主要分为线性降维和非线性降维。

2.2谱扰动

]GP8G3CGED矩阵中元素的任何微小变化都会导致特征向量的大幅度变化(谱聚类结果取决于)GP8G3CGED矩阵的前l特征向量可用于测量聚类能力(如果两组特征向量的聚类能力较小，则它们之间的聚类结果会更接近(两组特征向量之间的聚类能力差异由欧氏距离测量“但两组特征向量的聚类能力将相似”)。此外，聚类能力的差异可以用两组特征向量之间特征空间划分的规范角度来测量(因此，基于谱摄动理论，可以利用两组特征空间中的最佳。

2.3大数据技术应用到车联网的体现

大数据技术在汽车互联网开发中的应用主要有三个方面:大数据智能感知技术、大数据处理技术和大数据智能决策技术。其中，智能大数据传感器技术是对车辆互联网收集的业务运营数据进行分层表示，准确地收集和划分车辆互联网收集的数据，以确保随后的大数据技术能够合理地应用于车辆互联网。大数据处理技术主要用于大数据采集、数据预处理、存储和大数据分析预测。车辆联网现有数据采集中，主要采用传感器技术和信息采集技术来满足车辆联网不同数据信息采集的要求。但大数据处理技术主要实现了快速可靠的数据采集与测绘。大数据处理技术可以收集和分析数据存储中的数据信息，有助于大数据处理技术下数据挖掘技术的应用，实现车辆联网业务预测，进而发挥数据处理的最大效益。

2.4从技术层面加强车联网相关的网络安全措施

基于车载互联网的安全威胁、应用情景和具体安全要求，应建立涵盖端到端安全、管理、云/平台、数据安全、隐私、端到端安全控制和运行等各个方面的“车载终端安全、通信安全和数据安全”信息安全体系结构，构建多条防线，实现深入防御。深水中的第一道防线是确保车载终端的安全。应加强车载设备的八个关键组件和核心功能，特别是针对车载网关、t盒、IVI和网关关键控制设备(电子控制单元)。自主研究投资或联合开发应从硬件设计、芯片组合、代码编写、控制接口等方面加强，以提高核心部件的抗恶意改造或重写，窃取系统能力，实现一定的技术进步和经济实用性。关于技术，网关设备的安全性可从以下三个方面提高:一是采用自主开发的加密芯片和特殊指令集，二是采用代码审计和代码漏洞扫描等代码强化方法；二是采用混合网络模式，增加了拓扑结构和复杂性以及破解交换协议的难度。第三，提高车载设备接入认证和数据交换的加密机制。当前，业界流行的OTA无线远程更新(OTA)技术需要提高验证机制、密码强度、密码更新频率等，并将密钥生成、密钥交换、证书分发、管理和撤销结合起来，实现车辆终端的安全更新。

2.5智能化交通管理

交通管理变得越来越智能、信息丰富和网络化。智能交通管理可以有效缓解交通堵塞，减少交通事故。在城市交通设施中，通过将交通设施与网络、定位系统和智能分析相结合，可以有效地为车主提供便利。比如交通灯开关可以智能地适应交通流量，路标可以根据实时道路状况智能地分析清晰的道路和堵塞的道路，提醒车主注意。

2.6感知层安全措施

自治网络层感知的信息多种多样，可以从不同的渠道进行通信。因此，如果您希望车辆网络准确接收信息，则需要设置安全措施。因此，应建立可靠的支持平台，有效地对各类信息进行分类。对于相同类型的信息，可以应用一致的安全通信协议、加密和签名技术来确保安全性。对于各种信息，可以根据设备终端号执行设备验证。同时，车辆识别信息应明确认证，以防止他人窃取和重复使用。

2.7智能导航系统

当前，智能导航系统在车辆中广泛应用，已成为车辆运输必不可少的工具。当今智能导航系统的功能越来越多样化，传统的静态导航已发展成为动态导航。智能导航系统大大节省了时间，为人们提供了方便。例如，智能导航系统可以根据驾驶员的要求和实际交通信息规划最合理的路线。此外，驾驶过程中的智能导航还可以预测交通情况，智能导航系统可以有效地避免道路交通堵塞。在智能导航系统中，除了航路导航规划之外，还可能会有车辆速度的实时通知和违法照片，这在很大程度上可以防止司机违反规则。通过控制车辆速度，还可以减少汽车事故的发生频率。伴随着智能导航系统的广泛应用，智能导航系统将在未来的开发过程中更加全面高端。

结束语

为了尽快实现L5级别的智能驾驶车联网安全标准，需要不断开展车联网信息安全的潜在威胁和隐患研究。通过不断完善相关法律法规和政策，不断提高信息安全检测手段和工具的效率，发挥车联网信息系统应有的作用和价值。

参考文献

[1]高华成.基于数据降维框架的基因聚类算法[D].南京邮电大学,2021.

[2]唐婷婷.基于降维的面板数据聚类方法研究[D].桂林理工大学,2021.

[3]翟擎辰,周园春,宋秋成,王建伟,孟珍,张艳玲.数据降维及聚类算法在烟叶相似性分析中的应用[J].数据与计算发展前沿,2021,3(01):112-121.

[4]何云.面向多视图数据的降维与聚类算法研究[D].南京师范大学,2019.

[5]陈诗文.流形学习在数据降维中的应用研究[D].浙江工业大学,2018.