在现代城市交通网络中，蜂窝车联网技术正在迅速成为提高道路安全和驾驶效率的关键推动技术。C-V2X［1-3］利用先进的车载单元（on-board unit，OBU）、路边单元（road-side unit，RSU）和其他通信技术，促进了车辆、交通基础设施和云平台之间的实时数据交换。这种全面的信息共享不仅为驾驶员提供了前所未有的全局视角，而且显著提高了车辆的智能决策和控制能力，优化了交通流量，提高了道路的安全性。在这种背景下，数据的准确性和完整性对于维持C-V2X系统的有效运行至关重要，尤其是在基本安全信息（basic safety messages，BSM）方面。
然而，随着车载网络技术的快速发展，数据异常引起的车辆不当行为问题日渐凸显。不当行为可定义为任何偏离正常预期的行为，包括但不限于发送虚假信息、隐瞒信息或篡改消息内容，如节点位置、时间和警告类型等。这些行为可能存在于网络的任何层。现有的研究将车辆不当行为分为有意和无意两种主要类型［4］。有意的行为通常是出于恶意目的，而无意的行为可能是由传感器故障或无线通信不稳定所引发的。这些异常数据会对道路使用者构成重大安全风险［5-6］，在某些情况下，甚至可能导致致命事故。
为了保障道路使用者的安全，已有大量学者［7-8］对车辆的不当行为进行了深入研究。在设施层，通过识别位置跟踪［9］和多重攻击［10］等行为可以有效防范潜在威胁。在传输层和网络层，灰洞与黑洞攻击［11］以及服务拒绝攻击［12］等恶意行为同样可以被检测到。在物理层，车辆间通信信号［13］成为了重要的监测指标。此外，为了加强通信和网络的安全性，加密技术已被广泛应用，通过定义V2X消息格式和对V2X消息进行验证与加密［14］来确保消息的完整性和安全性。然而，现有研究主要集中于检测和防御由恶意攻击引起的车辆不当行为，而对非恶意［4］错误数据引发的问题关注较少。尽管恶意攻击的威胁不容忽视，但偏重恶意攻击的研究视角忽略了日常交通中常见的技术故障［15-16］或误差［17］所带来的影响。例如，轻微的传感器校准误差或环境干扰都有可能产生误导性的BSM数据。这不仅会误导驾驶员的决策，也会影响自动驾驶系统的响应。而目前的研究尚未充分认识到校正这些误导性车辆数据的重要性。因此，对这些错误数据进行校正不仅具有重要的实际意义，而且可以为提高整个智能交通系统（intelligent transportation system，ITS）的可靠性和安全性提供一个新的视角。
为了解决校正异常BSM数据这一问题，本文提出了一个两阶段模型的学习方法。在第一阶段，通过无监督学习策略建立模型对BSM数据正常状态的基本认识，为异常BSM数据的校正奠定基础。在第二阶段，采用自监督学习策略，利用第一阶段学习到的知识来实现异常BSM数据的校正。
1 相关知识概述
生成对抗网络［18］（generative adversarial network，GAN）是一个无监督的深度学习模型，它由两个对抗性网络组成：生成器（generator）和鉴别器（discriminator）。生成器的目标是生成尽可能真实的数据样本，以欺骗鉴别器，而鉴别器的目标则是区分生成样本和真实样本。这个过程可以被视为一种最终达到纳什均衡的游戏，其中生成器和鉴别器的性能是平衡的。GAN的损失函数如式（1） 所示。
+
式中： 为真实数据样本； 为噪声向量； 为真实数据样本的概率分布； 为噪声向量 的先验概率分布。
与GAN不同，变分自编码器［19］（variational autoencoder，VAE）是一种结合了变分推断的无监督生成模型，它通过参数化的方式学习数据的潜在表示。VAE的核心是它的编码器和解码器结构。编码器将输入数据映射到潜在空间中的分布参数上，而解码器试图从该潜在空间重构输入数据，如式（2） 所示，VAE的目标是最小化重建误差和潜在空间中的分布与先验分布之间的相对熵散度。
式中： 为真实数据分布； 为先验数据分布。
在本文中，提出了一种创新的两阶段深度学习方法，旨在校正BSM数据中的异常。
2 问题定义
在C-V2X场景中，车辆以大约10 Hz的频率交换信标消息并与RSU进行通信。这些数据包括车辆节点的当前位置、速度、加速度和航向角等信息。为了更好地理解车辆的行为模式，本文首先将BSM数据建模为时空特征矩阵，用以反映车辆的动态及其与周围环境的关系。具体而言，车辆节点 在时间点 的运动状态被描述为式（3） 中所示的5元素向量。
式中： 和 分别为车辆位置的 和 坐标； 为车辆速度； 为车辆加速度； 为车辆航向角。而集合 存储着车辆节点 （从时刻 到时刻 ）的运动模式，如式（4） 所示。
在式（4） 中， 是车辆 的运动状态矩阵。它由时间间隔（从时刻 到时刻 ）内的车辆节点 的运动状态向量序列以及其周围车辆的运动状态向量序列组成。如式（5） 所示， 矩阵的第一行存储着当前车辆节点 的运动状态向量序列，而其余的 行则代表着其每个相邻车辆节点的运动状态向量序列。而当前车辆节点 及其相邻车辆节点的运动状态向量序列的描述如式（3） 中所示。
最后，在方程中定义了集合 的时空矩阵。如式（6） 所示，它由 个车辆节点组成。该集合代表了车辆行为及其环境相互作用的全局视图。
综上，通过将BSM数据转换为时空特征矩阵，不仅可以获得每辆车的瞬时状态，还可以描述车辆与其周围环境之间的动态关系，这种转换旨在为BSM异常数据的校正提供丰富且高度相关的特征表示。本文所使用的主要符号如表1所示。最后，考虑到资源有限的RSU，假设数据校正模型是在云服务器上进行训练的。这种方法能够利用云的强大计算资源进行复杂的数据处理和模型训练，同时可以在RSU上实现对异常BSM数据的校正。
表 1 符号表 |
| 符号 | 含义 | 符号 | 含义 |
|---|---|---|---|
| 在时刻 车辆节点 的运动状态 | 在时刻 车辆节点 的速度 | ||
| 在时刻 车辆节点 的 坐标 | 在时刻 车辆节点 的加速度 | ||
| 在时刻 车辆节点 的 坐标 | 在时刻 车辆节点 的航向角度 | ||
| 车辆节点 的运动集合 | 车辆节点 的运动矩阵 | ||
| 车辆行为的全局视图 | 存储矩阵 | ||
| 记忆单元 | 相似度函数 | ||
| 匹配概率 | 查询表示 | ||
| 输出向量 | 先验分布 | ||
| 真实数据分布 | VAE的损失函数 | ||
| ProtoNet模型的鉴别器损失 | ProtoNet模型的生成器损失 | ||
| ProtoNet模型的对抗损失 | ProtoNet模型的重建损失 | ||
| AnoRectify模型的损失函数 | 梯度惩罚 |
3 两阶段系统模型
3.1 ProtoNet模型
如图1所示，第一阶段的ProtoNet模型主要包含3个组件，其中生成器网络和鉴别器网络共同构成一个标准的GAN网络。VAE在GAN网络中充当生成器，它包括通过将输入数据映射到潜在空间的编码器和负责从该潜在空间重建数据的解码器。这意味着它试图基于潜在表示来生成尽可能类似于原始输入数据的输出。在ProtoNet模型中，这个重建过程是GAN生成器的一部分，目的是生成高质量的数据样本，重建损失函数在式（7） 中定义。此外，考虑到正常BSM数据行为模式的多样性，在ProtoNet模型中还集成了一个记忆模块［20］。如图1所示，该记忆组件处理由生成网络在特征空间中编码的潜在向量 表示，将它们与记忆网络中预先存储的模式匹配，以检索最相关的记忆项，从而获得新的编码表示。这种详细的特征匹配和数据重建过程可以为下一阶段的异常数据校正奠定基础。第一阶段模型的训练过程如算法1所示。
算法1.ProtoNet模型的训练过程
1.输入正常训练数据集 ，超参数 、 。
2.输出ProtoNet 模型参数
3.初始化ProtoNet 模型参数
4.while 不满足停止条件 do
5.计算均值和方差 编码器
6.计算查询表示 ，
7.从记忆网络得到输出向量 记忆网络（查询表示）
8.计算重建数据 解码器1（输出向量）
9.
10.
11.更新模型参数
12.end while
13 Return模型参数
GAN中的鉴别器与生成器相对，用于约束生成器的输出并鼓励其更好地学习正常数据的分布。它的任务是区分输入数据来自原始输入还是生成器生成。通过学习如何区分真实输入数据和VAE生成的数据，进一步提示VAE生成更准确、更真实的数据样本。鉴别器的损失函数定义如式（8） 所示。
遵循标准的GAN网络，生成器和鉴别器进行对抗性训练，对抗性损失定义如式（9） 所示。通过这种对抗性机制，生成器不断学习如何生成越来越像真实数据分布的数据，而鉴别器则不断提高其区分能力。生成器的损失函数包括两个部分，如式（10） 所示。在第一阶段模型的训练中，模型采用联合训练策略，同时训练生成器和鉴别器网络，使模型能够更加平稳地进行训练。
此外，在提出的第一阶段模型中，还集成了一个内存组件来处理编码后的数据模式，其核心是构建了一个由 个 维的实值向量组成的存储矩阵 。该存储矩阵 作为生成器网络的记忆中心，其中 为存储器单元的数量，而 为特征的维度。每个向量 （ ）占据存储矩阵 中的一行，代表一个特定的内存单元。
在生成器的编码网络中，当提供编码为 的输入查询时， 为从最后一个线性层输出的向量维度。如式（11） 所示，存储网络获得输出向量 ，该输出向量代表着记忆单元si 的加权平均值。而这里的权重向量 （ p ∈R M ）是通过计算查询 和每个记忆单元 之间的归一化相似度导出的，pi 代表 p 的第i个权重，如式（12） 所示。
在式（13） 中，使用余弦相似度作为评分函数来计算 z 和 之间的相似性。
3.2 AnoRectify模型
如图2所示，本文提出的第二阶段模型侧重于异常BSM数据的校正。该阶段采用自监督学习策略，受益于第一阶段建立的模型和记忆结构。具体来说，利用第一阶段模型训练的编码器和存储器网络参数，并在此基础上训练新的解码器。这个过程的核心在于通过最小化解码器的输出（预测数据）和实际正常数据（标签）之间的差异来引导模型校正数据。
如式（14） 所示，均方误差函数被用来量化标签数据和校正数据之间的差异。已经在前一阶段中训练过的存储器模块可以通过调整编码表示，使其更接近于正常数据模式。因此，通过利用先前学习到的正常数据模式，异常数据会被引导至正常状态，从而实现了异常BSM数据的校正。
综上，本文的目标是通过这种两阶段的训练方法来实现对异常BSM数据的校正。第一阶段不仅提供了对正常BSM数据模式的基本认识，而且通过引入记忆模块来促进模型更好地理解底层数据模式。这一阶段的成功为第二阶段的异常BSM数据校正奠定了必要的基础。第二阶段采用自监督学习策略，通过利用第一阶段的结果来实现异常BSM数据的校正。第二阶段模型的训练过程如算法2所示。
算法2： AnoRectify模型的训练过程
1.输入异常训练数据集 ，模型参数
2.输出AnoRectify 模型参数
3.加载ProtoNet 模型参数
4.while 不满足停止条件 do
5.禁用梯度
6.计算均值和方差 ， 编码器
7.计算查询表示
，
8.输出向量 记忆网络（查询表示）
9.输出预测 解码器2（输出向量）
10.计算标签数据与预测数据的损失
11.
12.更新模型参数
13. end while
14 Return模型参数
4 实验
4.1 实验设置
在实验阶段，编程和测试在Python 3.8.5编程环境中实现，所有测试都在配备Intel Xeon Gold 6226R CPU@2.90GHz和128GB内存的计算机上进行。
模型的网络结构配置说明如下，在第一阶段中生成网络的编码器由3个3D卷积层及1个MLP层构成。具体来说，第一层使用4个3×3×3卷积核；第二层使用16个2×2×2卷积核；第三层配置8个1×1×1卷积核；步长分别为1、1、2。解码器由3个3D反卷积层和1个MLP层构成，第一层使用4个1×1×1反卷积核；第二层使用2个3×3×3反卷积核；第三层使用1个3×3×3反卷积核；步长分别为2、2、1。在鉴别器网络中，第一层使用4个3×3×3卷积核；第二层使用16个2×2×2核；第三层使用4个1×1×1核；第四层使用2个 3×3×3核；步长分别为1、1、2、1。在第二阶段中，解码器2的配置同第一阶段解码器1的配置。
为了验证本文提出的方法，利用OpenStreetMap导出了沈阳市一条真实道路路段。使用交通模拟平台SUMO模拟该道路上的交通状况，并从中收集车辆驾驶数据进行实验。实验中使用的数据集基于SUMO模拟的结果，包括700辆车产生的数据，总计892 379条记录。此外，实验重点关注了评估车辆驾驶状态的几个关键和直观的参数，包括位置、速度、航向角和加速度，这些信息对驾驶安全更为关键。
首先对BSM数据进行预处理，构建时空矩阵。然后选择75%的数据作为模型第一阶段的训练数据集。接着从剩余的数据中选取94%作为模型第二阶段的训练数据集，并将高斯噪声引入这部分数据生成异常数据样本。最后，在余下的数据中，分别提取5%和10%的数据作为测试数据集进行评估。在这个测试数据集中，为了模拟不同级别的故障数据扰动，在速度、X坐标和Y坐标值中添加了不同程度的高斯噪声。同时，本文还维护了初始测试数据集，以比较校正数据和错误数据之间的差异。
4.2 评估指标
在本文的研究中，使用以下指标来评估提出的模型性能：召回率如式（15） 所示，也称为真阳性率，它反映了模型准确识别阳性类样本的能力。F1分数如式（16） 所示，用作精度和召回率的调和平均值，旨在不牺牲精度的情况下最大限度地提高召回率。此外，实验还通过受试者工作特征（receiver operating characteristic，ROC）曲线下的面积（area under curve，AUC）来评估ProtoNet模型区分阳性和阴性类别的能力。最后，使用平均误差距离来评估AnoRectify模型对异常BSM数据校正的能力，如式（17） 所示。
式中： 为数据校正后的值； 为真实数据值； 为错误数据的数量。
4.3 实验结果与分析
在实验中，对两阶段模型分别进行300个时期的训练，并选择Adam作为优化算法。模型训练的学习率设置为0.000 03，衰减因子为0.5以优化性能。在第一阶段中，批量大小被设置为512。其中生成器的权重系数 、 ，并且梯度惩罚系数 被设置为1。在第二阶段，将训练的批量大小保持为512，将 设置为500。从图3可以看出，所提出的两阶段模型的训练损失都达到了收敛状态。
图4展示了第一阶段模型在面对由不同级别的高斯噪声模拟的异常数据时的性能。结果表明，当处理仅包含1个噪声强度（模拟扰动的大小）的模拟异常数据时，该模型表现最差，这暗示模型对于轻微异常的敏感度可能不足。然而，当噪声强度增加到2时，该模型的检测性能显著提高，这表明该模型可以更有效地区分正常和异常数据。这种性能改善可能归因于中等程度噪声所引入的与正常数据分布的明显差异，使模型能够利用这些差异进行异常识别。此外，当噪声强度提高到3时，该模型显示出最优性能，AUC值达到0.92。这进一步证实了该模型已经很好地学习了正常数据的分布特征，并且可以利用这些知识来有效地检测显著偏离该分布的异常。
此外，如图5所示，本文还测试了模型在3种不同噪声水平下的召回率和F1分数。随着噪声强度的增加，F1得分呈上升趋势，表明假阳性数量减少。尽管精度的提高并不显著，但在所有测试的噪声水平上，召回率都达到了1，这意味着该模型能够在不同的噪声水平下识别所有异常数据，而不会遗漏。在本文中，高召回率至关重要，因为遗漏任何异常都可能导致严重后果。
此外，如图6c所示，即使在高噪声强度的条件下，模型也保持了显著的校正效果，其中X坐标的平均误差减少了约99.3%，Y坐标的平均误差减少了约99.5%。这表明，AnoRectify模型在处理各种程度的异常数据时展现出了极高的敏感性和校正能力。特别是在安全敏感的车联网环境中，这种能力显得尤为关键。
综上所述，AnoRectify模型不仅能有效地校正异常数据，甚至可以达到接近初始数据的准确度，展现出了优秀的性能。这些结果强调了所提模型在车联网环境中的应用潜力，尤其对于提高数据准确性和驾驶安全性具有重要意义。
5 结论
本文提出了一个创新的两阶段学习方法，专注于车辆BSM异常数据的校正。第一阶段通过学习正常数据模式，为第二阶段的异常BSM数据校正提供了必要支持。接着，利用第二阶段的自监督学习策略将异常数据映射到正常数据的表征上，从而实现异常数据的校正。所提出的方法在应对不同噪声强度的异常数据时表现出了良好的校正能力，显著降低了数据误差。随着车辆间通信技术的不断进步，数据传输的准确性和可靠性对确保车辆网络正常运行及自动驾驶技术的推广至关重要。本文的方法能够为未来智能交通系统发展，尤其是在提升车联网环境下的数据准确性和道路安全方面作出贡献。