1.一种车联网链路选择和资源分配方法，其特征在于：该方法包括以下步骤：S1：基于空间相关度理论检测恶意路侧单元RSU节点，并确定车辆与RSU的最优匹配；

S2：确定车辆与资源块的匹配；

S3：车辆进行最优链路选择；

S4：采用拉格朗日乘数法、次梯度法求出最优传输功率；

具体为：K个蜂窝链路K＝{1,...,k,...,K}，分别对应资源块K＝{1,...,k,...,K}，将I个传输车辆 和接收车辆 一一配对，形成传输车辆到接收车辆TX‑RX的链路Φ＝{1,...,i,...,I}，记为Vi；设I≤K，Vi复用一个蜂窝链路的资源块，且每个资源块只能被分配给一条Vi；ρ为所有Vi资源块分配的二进制矩阵，ρi,k＝1表示资源块k分配给Vi；ρi,k＝0表示资源块k未分配给Vi；

传输车辆 与接收车辆 有以下两种传输方式：直接传输模式V2V和中继传输模式V2I；在V2V传输模式中，传输车辆 直接与接收车辆 通信；在V2I传输模式中，通信被分为两个传输过程，传输车辆 到中继RSU，表示为V‑I，中继RSU到接收车辆 表示为I‑V；

使用基于空间相关度的Geary’C理论，通过统计方法来计算RSUn与周围RSU的关联性；

车联网中基于恶意RSU识别的车辆链路选择和资源分配方法包括以下4个步骤：恶意RSU识别，车辆与RSU匹配；车辆与资源块匹配；最优链路选择更新；车辆传输功率优化；具体技术方案如下：

假设在车联网中，传输车辆初始化模式决策向量X，X＝{x1,...,xi,...,xI}，xi＝1表示Vi选择V2V传输模式；xi＝0表示Vi选择V2I传输模式；初始化的传输车辆都选择V2I传输模式；假设 的传输功率为 RSUn的传输功率 的传输功率相等；备选的中继RSU集合为R＝{R1,...,Rn,...,RN}，其中，恶意RSU节点的数量为M；

Vi采用直接传输模式V2V和中继传输模式V2I；当Vi采用V2V传输模式，Vi复用资源块k时，其信噪比表示为：

计算出Vi在V2V传输模式的传输速率为：Vi在V2V传输模式的能效为：

当Vi采用V2I传输模式，传输车辆 与传输中继RSUn的信噪比表示为：中继RSUn与接收车辆 之间的信噪比表示为：在V2I传输模式中，Vi以RSUn为中继的信噪比表示为：Vi在V2I传输模式的能效为：

比较 和 选择最优传输模式；当 Vi选择V2V传输模式，否则，选择V2I传输模式；

车联网总能效表示为：

最大化网络总能效，优化问题表示为：s.t.(1)

(2)

(3)xi∈{0,1},ρi,k∈{0,1},约束条件(1)为蜂窝链路和V2V、V2I链路的最低SINR需求；约束条件(2)为传输车辆的最大传输功率限制；约束条件(3)表明传输链路和RB选择参数为0,1变量；

为降低问题求解复杂度，将原优化问题分解成两个等价的子优化问题：1.恶意RSU检测；2.最优资源分配，包括资源块、最优链路选择及功率分配；

1.恶意RSU检测

恶意RSU检测包含以下步骤：

Step1：传输车辆i向LSC发送请求，LSC建立传输车辆i的备选RSU集合，设RSU有相同的初始信任值，信任值集合为C＝{C1,...,Cn,...,CN}；RSUn接收到LSC的请求后，将其到传输车辆i的SINR发送给LSC，LSC建立车辆i与RSUn的SINR矩阵A：其中SINRi,n表示RUSn向LSC上报的接收到的 SINR值；

Step2：LSC将低于SINR和信任度门限值的RSU从备选集合中移除；并基于空间相关度的Geary’C理论，通过统计方法来计算RSUn与其周围RSU的SINR信息关联性；

通过分析Geary’C的空间相关度特性，RSU与RSU集合成员的特征信息相似度越高，相应的空间相关度越小；可靠RSU之间的空间相关度小于可疑RSU与可靠RSU之间的空间相关度；

Vi的备选RSUn的空间相关度Ci,n由下式计算：其中，N表示Vi备选集合中RSU的个数，SINRi,n和SINRi,m分别表示RSUn和RSUm上报的接收到Vi的SINR值， 是备选集合中RSU接收到Vi的SINR平均值， 是RSUn和RSUm空间相关度权重因子；dnm是RSUn到m间的距离；集合中可疑RSU所占百分比会影响Ci,n的取值；可疑用户由如下准则判断：

其中，Di,n＝1，为负面评分，表示RSUn被判定为可疑RSU，反之Di,n＝0，为正面评分，表示可信RSU；ε0为可疑RSU判定门限，通过遍历搜索算法得到；

Step3：由于同一时刻内RSU会收到多个传输车辆的接入请求，并将接收到的SINR发送给LSC；LSC基于Geary’C理论进行判断后，将生成判决矩阵B：其中，若超过一半车辆都将RSUn判断为可疑RSU，则LSC判定RSUn为恶意RSU节点并从本次备选集合中移除；

Step4：识别出恶意RSU节点后，LSC根据判决矩阵信息，更新集合中RSU的信任值；对于RSUn有多个传输车辆请求连接，不同车辆对RSUn的评分不同；对于RSUn，LSC收到7个正面评分，3个负面评分；前者是多数评分，后者是少数评分；计算RSUn的信任值变化量θn，如下所示：

其中θn∈[‑1,1]，m和n分别是正面和负面评分的数量；两类评分的权重由θ1和θ2进行控制：

其中F(·)控制对于少数评分的敏感度，不同F(·)影响着θn的变化趋势，进而影响着θn3

对少数评分的敏感程度；采用F(x)＝x ，小比例的负面评分对于θn计算结果影响较小，更能符合多数车辆的判断结果；

Step5：若RSUn的信任值低于信任值门限，则在下一时刻，RSUn将被从备选RSU集合中移除；

2.最优资源分配

Vi得可信RSU集合，将RSU接收到Vi的SINR降序排列，并求出Vi的匹配度Mi，即集合中备选RSU个数；然后通过匹配度对Vi和RSU进行最优匹配：Vi与RSU匹配后，进行资源块分配，Vi复用对其干扰最小的蜂窝链路资源块，得出资源块匹配关系ρi,k；比较不同传输模式下网络的能效值，得车辆的最优传输模式决策向量X；当时，选择V2V传输模式；否则，选择V2I传输模式；

原优化问题转化为最优功率分配问题，如下所示：s.t.(1)

(2)

该问题是一个凸优化问题，定义拉格朗日函数，对应限制条件定义拉格朗日乘数，解出最优的

车联网中基于恶意RSU识别的车辆链路选择和资源分配方法具体步骤如下：

201：传输车辆产生传输需求；

202：初始化模式决策向量X，车辆传输功率；

203：传输车辆向LSC发送连接RSU的请求；

204：LSC为传输车辆设定RSU备选集合，集合中的RSU向LSC上报接收到各个车辆的SINR；

205：通过Geary’C空间相关特性，得出RSUn的空间相关度Ci,n；

206：判断Ci,n是否是可疑用户；

207：若Ci,n＞ε0，则判断RSU为可疑RSU；

208：若Ci,n≤ε0，则判断RSU为可信RSU；

209：超过一半车辆情况下将RSUn判断为可疑RSU，则LSC将RSUn判定为恶意RSU节点，并将其从本次备选集合中移除；

210：根据判决矩阵更新RSU信任值；

211：传输车辆在备选可信RSU集合中选择SINR最大的RSU接入，并复用对其干扰最小的资源块；

212：利用拉格朗日乘数、次梯度更新法求出最优传输车辆功率

213：算法结束。

2.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S1中，假设传输车辆最初时选择汽车‑基础设施V2I传输模式；首先，传输车辆向本地轻量化服务中心LSC发送请求；然后，传输车辆通过LSC建立备选RSU集合，初始化RSU信任值；最后，RSU将接收到传输车辆的SINR发送给LSC，LSC建立车辆与RSU的信号与干扰加噪声比SINR集合。

3.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S1中，将低于SINR门限值和信任度的RSU将从传输车辆的RSU备选集合中去除；并且由于车联网中存在恶意RSU节点，会播报虚假的SINR信息给LSC；因此，基于空间相关度的Geary’C理论，通过统计方法来计算某RSU与其周围RSU的关联性，生成判决矩阵，以识别恶意RSU节点；最后，传输车辆选择接入可信任RSU集合中最大SINR的RSU。

4.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S1中，LSC根据判决矩阵信息，更新集合中RSU的信任值；若RSU信任值低于信任值门限，则将该RSU从备选RSU集合中移去。

5.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S2中，假设LTE eNB已预先分配好资源块，传输车辆到接收车辆间的链路复用蜂窝链路资源块，将信道质量最好的RB与对应车辆进行匹配。

6.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S3中，车辆根据不同链路能效值进行模式选择，即若汽车‑汽车V2V能效值更大，则选择V2V传输模式；否则，选择汽车‑基础设施V2I传输模式；更新模式决策向量X，直到系统中所有车辆都确定传输模式。

7.根据权利要求1所述的一种车联网链路选择和资源分配方法，其特征在于：在所述步骤S4中，采用拉格朗日乘数法、次梯度更新的方法求出最优的传输车辆功率