1.一种基于车联网的路况信息实时共享方法，采用基于车联网的路况信息实时共享系统；

其特征在于：所述系统包括信息发送端、信息接收端和服务器；

所述信息发送端，用于实现基于位置的路况信息共享；由提供信息共享服务的车辆将需要共享的信息从信息发送端共享到服务器；

所述信息接收端，用于实现基于用户需求的路况信息筛选；需要信息共享服务的车辆将需求信息从信息接收端发送到服务器，所述服务器根据需求信息筛选出用户需求的路况信息并反馈到所述信息接收端发送；

所述方法包括以下步骤：

步骤1：路况信息采集及隐私化保护处理；

建立信息发送方的信息共享奖励机制和信息接收方个性化筛选策略；

所述信息共享奖励机制为：

其中，SURW表示发送方用户的奖励， 表示用户发布信息类型Mi的频次，其中i＝

1...n； 为信息类型Mi的权重，表示某信息的重要程度； 表示用户共享信息Mi的时间度量；用户共享信息的种类越多，信息的重要程度越高，共享的时间越长，则奖励值越大；

所述信息接收方个性化筛选策略为：

RUPf＝P(SI×RI,TI)＝P(SI,TI)+P(RI,TI)＝[P(SI)*P(TI|SI)]+[P(RI)*P(TI|RI)]   (2)其中，RUPf表示接收端的用户个性化过滤筛选计算结果，采用P(SI×RI,TI)的概率进行计算，表明系统推荐下的用户在某时刻选择信息共享项的概率，可被分解为用户在某时刻选择信息共享项的概率P(SI,TI)和推荐共享项的概率P(RI,TI)，然后进一步将其拆解为条件概率形式加以计算；SI表示用户选择信息共享项矩阵，RI表示系统推荐信息共享项矩阵，TI表示时间度量矩阵；

SI和TI构成矩阵：

其中， 为矩阵标识，S×T表明矩阵的行列关系为用户可选信息共享关系， 表示用户选择信息共享项sn时在tn时刻的时间度量；通过(3)式得出：P(TI|SI)表示时间矩阵TI下的某时刻选择信息共享项的概率，其中Bs×t表示所有信息共享项的数目， 表示用户已选信息共享项的数目，P(SI)表示可供用户选择的信息共享项的概率，S(1)和S(0)分别表示被用户选择和未被用户选择的信息共享项的数目；

RI和TI构成矩阵：

其中， 为矩阵标识，R×T表明矩阵的行列关系为用户在系统推荐的前提下，选择信息共享项的关系， 表示系统推荐信息共享项时，用户选择信息共享项rn在tn时刻的时间度量；通过(4)式得出：P(TI|RI)表示时间矩阵TI下的某时刻推荐信息共享项的概率，其中Br×t表示所有被推荐的信息共享项的数目， 表示被推荐信息共享项的数目；P(RI)表示可被推荐的信息共享(1) (0)项的概率，R 和R 分别表示被推荐和未被推荐的信息共享项的数目；

步骤2：路况信息实时传输；

步骤3：路况信息有效信息筛选；

步骤4：路况信息选择性推送。

2.根据权利要求1所述的基于车联网的路况信息实时共享方法，其特征在于：所述信息发送端共享的信息种类包括位置信息、拥塞等级信息、周边环境信息。

3.根据权利要求1或2所述的基于车联网的路况信息实时共享方法，其特征在于：所述信息发送端共享的信息，包括用户隐私信息、车辆隐私信息、敏感信息，都需要经过隐私化保护处理；所述用户隐私信息包括与用户资料相关的敏感信息；所述车辆隐私信息包括车牌、车型、汽车品牌；所述敏感信息包括与政治、军事建筑位置或内容相关的信息。

4.根据权利要求1所述的基于车联网的路况信息实时共享方法，其特征在于：所述需求信息从信息接收端发送到服务器，用户能选择需求发布的格式和需求信息的种类；所述需求发布的格式包括文本、语音和视频；所述需求信息的种类包括路线需求、时间需求和成本需求。

5.根据权利要求1所述的基于车联网的路况信息实时共享方法，其特征在于：步骤1中所述路况信息包括位置信息、拥塞等级信息、周边环境信息；

所述拥塞等级信息分为5级，1级表示畅通，其时长为车辆按照道路限速标准最大值从起点行驶至终点时所耗时长；2级表示基本畅通，其时长为1级时长的1.2-1.5倍；3级表示轻度拥塞，其时长为1级时长的1.6-1.8倍；4级表示中度拥塞，其时长为1级时长的1.9-2.2倍；

5级表示重度拥塞，其时长大于1级时长的2.2倍；

所述周边环境信息包括温度湿度、天气状况、道路平整度、周边路况、POI信息、突发事件。

6.根据权利要求1所述的基于车联网的路况信息实时共享方法，其特征在于：步骤2中，对共享信息的空间范围进行动态调整并基于空间范围阈值动态优化车联网的组网；

针对通信距离S和时间T，当通信车辆数目大于2的情形时，引入通信中继完成实时通信；通过组网中的车辆数目VN确定中继次数RN，RN＝VN-1；

公式中的下标序列分别是N1R1、R1R2、R2R3、…、RnN2，N1和N2分别表示通信网络中通信车辆的两个终端节点，发送端和接收端；R1R2R3...Rn分别表示通信终端节点间的n个中继节点；

表示车辆N1与中继车辆R1的通信距离， 表示中继车辆R1与中继车辆R2间的通信距离，以此类推可得到车辆N1与车辆N2间的通信距离为S；

因中继车辆的增加会延长车辆N1与车辆N2间的通信时间，故车辆间的通信时间为：其中， 分别表示通信链路上端节点车辆N1和中继车辆R1的通信时间，中继车辆R1和中继车辆R2的通信时间，中继车辆Rn和端节点车辆N2的通信时间；Δti表示第i个中继节点的车辆内部信息通信时间；0＜μ＜1为中继车辆在车联网中的中继权重；当通信内容为即时转发时，在中继车辆上耗时较短，因此中继权重趋向于0；若中继车辆同样需要读取并处理共享信息，则中继权重趋向于1。

7.根据权利要求1所述的基于车联网的路况信息实时共享方法，其特征在于：步骤3中，集成与筛选共享信息；具体包括以下子步骤：步骤3.1：针对不同类型的格式采用不同的信息标签；

步骤3.2：针对不同类别的信息加注信息标识标签；

步骤3.3：各类信息向文本信息转换；

步骤3.3.1：将发送端感知的视频信息Iv按照时间帧间隔和信道拆解为图像信息Ip、音频信息Ia和文本信息It三类，将此三类信息分别加上时间和空间序列标记，其中空间序列标记采用经纬度和位置名称加以标注；

步骤3.4：将各类信息标签建立文本索引；

步骤3.5：构建感知信息转换与场景信息库。

8.根据权利要求7所述的基于车联网的路况信息实时共享方法，其特征在于，步骤3.5中所述构建感知信息转换与场景信息库，具体包括以下子步骤：步骤3.5.1：情境构建；

所述情境为上文中的场景，通过对共享信息按维度分解，对情境进行构建；设情境为C，维度按标签类别不同分为车辆维度V、时间维度T、位置维度L、事件维度E和诱因维度W；由此可得：C＝(V,T,L,E,W)   (8)

其中，车辆维度V、时间维度T、位置维度L、事件维度E和诱因维度W分别由车联网矩阵Mv、时间序列矩阵MT、位置序列矩阵ML、事件关联矩阵ME和诱因关联矩阵MW构造而成；

其中，MV为车联网矩阵名称，Vx和Vy分别表示两个不同的车联网，其网络成员分别为x＝{x1,x2,...xn}和y＝{y1,y2,...ym}；该矩阵的取值1或0，表示车联网Vx和Vy间是否存在通信行为，若 表明车联网Vx和Vy中的成员xi和yj间存在通信行为，否则表明成员间不存在通信行为，其中i＝1,2...,n,j＝1,2,...,m；

其中，MT为车联网中车辆通信时间矩阵的名称，Tx和Ty分别表示两个不同的车联网Vx和Vy中各成员的通信时间标识；该矩阵的取值 表示车联网Vx和Vy成员间的通信时长；

其中，ML为车联网中车辆通信时间矩阵的名称，Lx和Ly分别表示两个不同的车联网Vx和Vy中各成员的通信位置标识；该矩阵的取值 表示车联网Vx和Vy成员间的通信距离；

其中，ME为车联网中车辆通信事件矩阵的名称，Ex和Ey分别表示两个不同的车联网Vx和Vy中各成员的事件名称标识；该矩阵的取值 表示车联网Vx和Vy成员间的事件关联概率，介于0-1之间；

其中，MW为车联网中车辆通信事件诱因矩阵的名称，Wx和Wy分别表示两个不同的车联网Vx和Vy中各成员事件诱因的名称标识；该矩阵的取值 表示车联网Vx和Vy成员间不同事件诱因间的关联概率，介于0-1之间；

步骤3.5.2：情境查询；

情境查询采用状态激活机制进行，用户能根据需求选择相应的查询维度进行激活；情境查询的状态激活函数为：其中， 表示预测情境中的状态查询激活函数标识，

和 分别表示预测情境中的车辆信息查询激活函数、时间信息查询激活函数、位置信息查询激活函数、事件信息查询激活函数和诱因信息查询激活函数；

当(14)式中的某一维度被激活时，该维度对应的矩阵则相应被激活；

步骤3.5.3：情境验证；

用于验证实际发生的情境和预测情境间的差异性；基于(8)式中的预测情境，用(15)表征实际发生的情境及其各维度；

C'＝(V',T',L',E',W')   (15)

其中，C'表示实际情境中的状态查询函数，V'、T'、L’、E’和W’分别表示实际情境中的车辆信息查询函数、时间信息查询函数、位置信息查询函数、事件信息查询函数和诱因信息查询函数；

通过情境间的差异性度量并验证情境预测的准确性；情境间的差异性计算使用差异性概率进行计算，如(16)所示：Pdif＝Max[Pdif(V,V'),Pdif(T,T'),Pdif(L,L'),Pdif(E,E'),Pdif(W,W')]    (16)其中，其中，Pdif差异性概率计算函数标识，Pdif(V,V')，Pdif(T,T')，Pdif(L,L')，Pdif(E,E')和Pdif(W,W')分别表示车辆信息查询的差异性概率，时间信息查询的差异性概率，位置信息查询的差异性概率，事件信息查询的差异性概率，诱因信息查询的差异性概率，Max表示上述五类差异性概率计算中的最大值；V,V'、T,T'、L,L'、E,E'和W,W'分别表示预测情境和实际情境两种不同情境下的车辆、时间、位置、事件和诱因五类信息函数；其中以矩阵形式：车辆信息实际与预测查询矩阵分别为MV'与MV、时间信息实际与预测查询矩阵MT'与MT、位置信息实际与预测查询矩阵ML'与ML、事件信息实际与预测查询矩阵ME'与ME、诱因信息实际与预测查询矩阵MW'与MW分别表示这五类信息函数；

步骤3.5.4：情境反馈与校正；

当情境验证环节发生情境预测与实际情境间的差异性变化，即(16)式中Pdif≠0时，需要对情境预测函数和相应的方法进行反馈和校正，从而达到适应实际情境的目的。