1.一种基于车联网的声誉更新方法，其特征在于，所述方法包括：

路侧单元收到来自不同车辆上传的交互信息，对所述交互信息进行验证，并存储验证成功的车辆信息；

按照是否含有初次进入车辆信任管理系统的车辆，对当前车辆所对应的所有交互车辆进行分类；即获取某车辆在路侧单元上的所有交互信息，并将这些交互信息对应的车辆作为该某车辆的第一分类集合，判断所述第一分类集合中的车辆是否为初次进入车辆信任管理系统，将初次进入车辆信任管理系统的车辆作为第二分类集合；

分别利用三值主观逻辑算法对第一分类集合和第二分类集合的车辆计算声誉值，得到车辆在经过每一个周期交互之后所得到的所有交互意见期望值，并更新每辆车的声誉值；

其中，所述车辆在经过每一个周期交互之后所得到的所有交互意见期望值包括利用车辆在上一周期的声誉值以及该车辆与其他车辆之间在本周期的交互频率，结合该车辆与其他车辆之间的信任期望得到第一分类集合或/和第二分类集合车辆的声誉值；第一分类集合中的车辆声誉值的计算方式表示为：第二分类集合中的车辆声誉值的计算方式表示为：

其中， 表示第t个周期内x车的声誉值，N表示第一分类集合；P表示第二分类集合；γ1是上一周期交互频率所占的权重因子，γ2是上一周期声誉值所占的权重因子； 是第t个周期内i车与x车交互的次数； 表示第t‑1个周期结束时i车的声誉值；E(ωix)表示i车与x车之间的信任期望；

车辆与其他车辆之间的信任期望的计算方式表示为 其中，E

(ωij)表示i车对j车之间的信任期望；ωij表示i车对j车的信任意见；bij表示i车对j车的可信概率；aij表示i车对j车的固有信任；nij表示i车对j车的后验不确定概率；eij表示i车对j车的先验不确定概率。

2.根据权利要求1所述的一种基于车联网的声誉更新方法，其特征在于，所述车辆上传的交互信息包括车辆之间在每次V2V通信之后，将通信结果封装成固定格式的数据包并利用V2I通信上传到附近的路侧单元上，作为该车辆在本周期内的声誉值更新的依据；车辆上传的数据包包括该车辆所交互车辆的身份信息Certi，时间戳timestamp，以及交互结果。

3.根据权利要求1所述的一种基于车联网的声誉更新方法，其特征在于，所述方法还包括采用动态衰减因子对计算出的当前周期内车辆的声誉值与上一周期内车辆的声誉值进行加权求和，并将加权求和后的声誉值作为新的当前周期内车辆的声誉值输出，其中，所述动态衰减因子λ的计算公式表示为 α表示第一调节因子，β表示第二调节因子，δ表示第三调节因子； 表示第t个周期内x车的声誉值； 表示第t‑1个周期内x车的声誉值。

4.一种基于车联网的信任度计算方法，其特征在于，所述方法包括：

基于如权利要求1～3任一所述的一种基于车联网的声誉更新方法所得到的每辆车的声誉值，利用信任路径搜索算法即基于深度优先搜索的算法思想来搜索车辆与目标车辆之间的信任路径，计算出两车之间从上一周期截止时刻到当前时刻的信任意见，对求得的两车之间信任意见求期望，然后结合目标车辆在上一周期截止时刻的声誉值，计算得到车辆与目标车辆之间的信任关系，进而得到车辆与目标车辆之间的信任度。

5.根据权利要求4所述的一种基于车联网的信任度计算方法，其特征在于，利用信任路径搜索算法计算出车辆与目标车辆之间的信任路径包括在串联信任路径时，采用信任衰减规则更新车辆与目标车辆之间的信任路径；在并联信任路径时，采用信任融合规则更新车辆与目标车辆之间的信任路径。

6.根据权利要求4所述的一种基于车联网的信任度计算方法，其特征在于，利用信任路径搜索算法计算出车辆与目标车辆之间的信任路径还包括基于车辆在上一周期结束时声誉值以及该车辆在上一周期结束时刻到当前时刻与目标车辆的交互关系，计算出车辆与目标车辆之间的信任关系，并形成信任关系矩阵；从所述信任关系矩阵中搜索从源车辆到目标车辆之间的信任路径；判断声誉值是否小于其阈值，若等于或大于则去除该节点，更新信任关系矩阵；若小于则继续判断信任关系长度是否小于最大信任路径长度，若等于或大于最大信任路径长度则重新搜索从源车辆到目标车辆之间的信任路径，否则判断是否找到目标车辆，若未找到目标车辆，则继续重新搜索从源车辆到目标车辆之间的信任路径；若找到目标车辆则令信任路径加1。