1.车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，包括以下步骤：步骤1)，在车载社交网络中，基于节点Vj的历史通信行为计算节点的直接信任和间接信任，加权得到节点的通信信任；

步骤2)，判断节点Vi与节点Vj是否在同一个社区；

步骤3)，根据节点Vi与节点Vj是否在同一个社区，计算节点Vj的社交信任：3.1若节点Vi与节点Vj在同一个社区，通过计算节点Vi与节点Vj的相似性和亲密度，得到节点Vj的社交信任：节点Vi和节点Vj之间的相似性表示节点Vi和节点Vj的社区内共同邻居节点占两个节点所有的邻居节点的比例与节点Vi、节点Vj相似距离之和；在时刻τ，节点Vi和节点Vj之间的相似性 表示为：的值越大，表示节点Vi和节点Vj之间的共同邻居越多，越相似，它们之间的信任程度越高； 表示节点Vi在τ时刻的邻居节点集合，即节点Vi通信范围内可以连接的节点集合， 表示节点Vi在τ时刻的邻居节点集合，即节点Vj通信范围内可以连接的节点集合，L表示节点Vi与节点Vj的相似距离；

节点Vi和节点Vj的亲密度 指在一段时间t内，节点Vi和节点Vj的连接总次数占节点Vi在时间t内与所有节点连接总次数的比例；亲密度 计算公式如下：表示节点Vi和节点Vj的亲密度， 表示节点Vi和节点Vj在时间t内的连接总次数， 表示在时间t内节点Vi与所在社区其他节点建立连接的总次数，N为节点Vi所在社区节点总数；

节点Vj的社交信任值S(Vi,Vj)计算公式如下：

α2、β2为权重系数，α2+β2＝1；

3.2若节点Vi与节点Vj不在同一个社区，用节点的社区中心性来量化节点的社交关系大小；计算节点Vj在社区的中心性，得到节点Vj的社交信任；

步骤4)，计算节点Vj在车载社交网络的总信任度，节点Vj的总信任度由通信信任与社交信任加权得到，T(Vi,Vj)表示节点Vj的通信信任，S(Vi,Vj)表示节点Vj的社交信任，则节点Vj的总信任度计算如下：α4,β4是权重因子，α4+β4＝1。

2.根据权利要求1所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，步骤1)中，

1.1、计算节点Vj的直接信任：

设节点Vi与节点Vj总共进行了K次交互，其中第k次交互的交互行为权重为wk(Vi,Vj),评价值为Ek(Vi,Vj)，Vi对Vj的直接信任度D(Vi,Vj)计算如下：

1.2计算节点Vj的间接信任

节点Vi对节点Vj的间接信任由Vj的推荐用户对Vj的直接信任得到，推荐信任是所有与Vj有过交互的节点对Vj做出的综合评价，表现了节点Vj在网络中的总体可信度，节点Vi对节点Vj推荐信任I(Vi,Vj)计算如下：是节点Vi对推荐用户Vm的可信度，G为所有可信推荐用户的集合，λ为推荐阈值，只有当推荐用户的可信度 节点Vi才会接受其推荐信息；

1.3计算节点Vj的通信信任：

采用加权平均的方法计算节点Vi对Vj的通信信任值T(Vi,Vj)，计算公式如下：T(Vi,Vj)＝α1D(Vi,Vj)+β1I(Vi,Vj)                   (3)α1+β1＝1,α1为直接信任的权重，β1为间接信任的权重。

3.根据权利要求1所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，步骤2)中，对于已获取的节点偏好习惯数据，每个节点兴趣内容随机分布，将节点多兴趣表示为I{m1,m2,m3,mi···,mn}，其中元素mi为任意兴趣具有二值属性，mi取值0或1，当mi＝1表示对该类信息感兴趣，mi＝0表示对该类兴趣排斥，定义节点Vi与节点Vj的相似距离：当两个节点的相似距离不大于1时，认为两个节点属于同一社区；否则，认为两个节点不属于同一社区。

4.根据权利要求1所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，步骤3.2中，在时刻τ，节点度中心性计算公式如下：表示节点Vj在τ时刻的度中心性， 是计算节点Vj与其他N-1个节点之间的直接连接的数量，如果节点Vj和节点Vr之间有连接，则 N为节点Vj所属社区的节点总数。

5.根据权利要求4所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，在时刻τ，节点中介中心性计算公式如下：表示节点Vj在τ时刻的中介中心性，gu,v表示所有节点间最短路径的总数，gu,v(Vj)表示所有节点间包含节点Vj的最短路径总数，N为节点Vj所属社区的节点总数。

6.根据权利要求5所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，在时刻τ，节点的社区中心性计算公式如下：表示节点Vj在τ时刻的社区中心性，α3、β3为权重系数，α3+β3＝1。

7.根据权利要求6所述的车载社交网络中融合社交属性的车辆节点信任评估方法，其特征在于，步骤3)中，节点Vj的社交信任计算如下：