1.一种基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，包括以下步骤：步骤1：从所有待云推送的用户中确定信任用户，在信任用户的数据包前附加信任因子；

步骤2：在当前时间单元内，从所有待云推送的用户中选择满足李雅普诺夫漂移-惩罚项最小的用户的数据包向云端服务器进行推送；

步骤3：计算当前时间单元内最佳业务推送数；

步骤4：根据最佳业务推送数判断该时间单元内信任用户是否向云端服务器推送数据成功，若不成功，则更新信任因子和数据积压量，返回步骤2，直至该时间单元内信任用户向云端服务器推送数据成功，取消对信任用户的标记，更新数据积压量，进入下一时间单元，重复步骤1-4，直至所有时间单元内数据包推送成功。

2.根据权利要求1所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述步骤1中，信任用户的确定方法为：代理服务器向用户终端发送询问信号；

用户终端接收到询问信号后发送应答信号；

代理服务器将接收到的应答信号所对应的用户终端标记为信任用户。

3.根据权利要求1所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述步骤2中，李雅普诺夫漂移-惩罚项的获取方法：建立时间单元内用户在相应的信道中数据积压量及用户总能耗关系表达式；

引入信任因子，结合数据积压量的关系表达式建立李雅普诺夫信任函数；

在李雅普诺夫信任函数的表达式两端引入惩罚函数，得到该时间单元内的李雅普诺夫漂移-惩罚项。

4.根据权利要求3所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述建立时间单元内用户在相应的信道中数据积压量和用户总能耗关系表达式的步骤包括：给定用户在当前时间单元内信道上的业务量、数据积压量和信道状态；

根据信道状态计算用户在该信道的传输速率和信道的时隙，将信道的传输速率和时隙相乘，得到信道的服务速率；

基于用户在该时间单元内信道上的业务量、数据积压量和信道的服务速率，建立用户在相应的车联网信道中数据积压量关系表达式；

给定在该时间单元内信道的数据传输速率，将在该单元时间内信道的数据传输速率与信道的时隙相乘并求和，得到在该信道上的用户总能耗关系表达式。

5.根据权利要求3所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述李雅普诺夫信任函数的建立方法为：基于数据积压量关系表达式Lk(Ti+1)，建立李雅普诺夫函数C1(Ti)；

引入信任因子X(j)，将信任因子与数据积压量关系表达式相结合，得到新的数据积压量的关系表达式基于新的数据积压量的关系表达式 建立新的李雅普诺夫函数C(Ti)；

对李雅普诺夫函数进行对数C(Ti)运算，得到李雅普诺夫信任函数ΔT(Ti)。

6.根据权利要求1所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述步骤1中，李雅普诺夫漂移-惩罚项的表达式为：其中，Y为控制阈值，YE{E(Ti)|Lj(Ti)}为与控制阈值Y有关的惩罚函数；

Ck(Ti)为在时间单元Ti内用户k信任数据积压量；Vk(Ti)为时间单位Ti内信道的服务速率；C(Ti)为新的李雅普诺夫函数。

7.根据权利要求1所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，所述步骤3中，根据最佳业务推送数判断该时间单元内信任用户是否向云端服务器推送数据成功的步骤包括：若该时间单元内的最佳业务推送数与信任用户的数据包数量相同，则信任用户向云端服务器推送数据成功，取消对信任用户的标记；否则，不成功，更新信任因子和数据积压量。

8.根据权利要求1所述的基于李雅普诺夫信任优化的车联网数据云推送方法，其特征是，步骤3中，当前时间单元内最佳业务推送数的计算公式为：式中，nbest为时间单位Ti内最佳业务推送数；X(n)为信任数据包数据量；Ck(Ti)为在时间单位Ti内用户k信任数据积压量；θk(T-i)为到达信道的数据量服从均值为α的泊松分布；YE(Ti)为该时间单元Ti部分期望惩罚；α为泊松分布的均值；N为时间单元数。

9.一种基于李雅普诺夫信任优化的车联网数据云推送装置，其特征是，包括代理服务器，所述代理服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：从所有云待推送的用户中确定信任用户，在信任用户的数据包前附加信任因子；

在当前时间单元内，从所有待云推送的用户中选择满足李雅普诺夫漂移-惩罚项最小的用户的数据包向云端服务器进行推送；

计算当前时间单元内最佳业务推送数；

根据最佳业务推送数判断该时间单元内信任用户是否向云端服务器推送数据成功，若不成功，则更新信任因子，依次循环，直至该时间单元内信任用户向云端服务器推送数据成功，取消对信任用户的标记，更新数据积压量，进入下一时间单元，直至所有时间单元内数据包推送成功。