1.一种具有隐私保护的模糊Skyline实时停车推荐方法，其特征在于：所述推荐方法包括如下步骤：步骤1：路边单元收集实时的停车场和交通模糊信息：

路边单元RSU是指部署在路边的智能交通设施，停车场向最近的路边单元RSU周期性地发送模糊信息，所述模糊信息包括停车位获得可能性、收费价格和实时交通状况；

步骤2：用户向RSU发出停车查询请求并建立返回路径

行驶在路上的用户通过车内终端向RSU发出停车查询请求，用户默认有三种要求，分别是找到车位的可能性，到达停车场的时间，以及收费标准，查询消息被逐跳发送到设定距离范围内的所有RSU，在此过程中，并建立以用户为根节点，RSU为转发节点的查询结果返回传输路径；

步骤3：RSU进行skyline信息融合并返回结果给用户

每个RSU进行Skyline信息融合，并把Skyline融合结果传输给其父RSU节点，直到用户端收到所有的Skyline融合结果，最后一次Skyline融合后即为停车推荐结果。

2.如权利要求1所述的一种具有隐私保护的模糊Skyline实时停车推荐方法，其特征在于：所述步骤1中，路边单元收集实时的停车场和交通模糊信息过程如下：

1.1、每个停车场基于模糊集方法将其实时的剩余车位占比数据进行模糊化表示，方法为：根据模糊集隶属度函数定义方法，论域X为剩余车位数Nremain和总车位数Ntotal比，取值范围为[0,1]，即Nremain/Ntotal，定义5个关于“获得车位的可能性”的模糊集，分别为“很小的”、“较小的”、“一般的”、“较大的”、“很大的”，它们的隶属度函数 分别如下：其中A1、A2、A3、A4和A5的取值根据具体的车位总数和剩余车位数据分布设定，使得用户偏好如“非常充足的”形容的停车场数量较少；然后，定义5个语言变量a、b、c、d和e来分别对应“获得车位的可能性”的5个模糊集，即分别对应“很大的”“较大的”“一般的”“较小的”“很小的”；如果分别设AiAj为 和 的交点(i,j＝1,…5)，那么上述语言变量a、b、i 1 2 1 2 2 3 2 3 3 4 3 4

c、d和e分别对应论域划分subR (i＝1,…,5)：[x,AA)，[A A ,AA)，[A A ,A A)，[A A ,A4A5)和[A4A5, )；

1.2、每个停车场基于模糊集方法将其当前的收费标准数据进行模糊化表示，方法为：

根据模糊集隶属度函数定义方法，论域x为收费标准(元/小时)Pcharge，定义5个关于“收费标准”的模糊集，“很便宜的”、“便宜的”、“适中的”、“较贵的”、“很贵的”，它们的隶属度函数分别被同样地设为步骤1.1中式(1)、式(2)、式(3)、式(4)和式(5)，其中A1、A2、A3、A4和A5的取值根据具体的收费标准数据分布设定，使得用户偏好如“非常便宜的”形容的停车场数量较少；同样地，也定义5个自然语言变量a、b、c、d和e来分别对应上述的5个“收费标准”模糊集；

1.3、每个停车场将其模糊集“获得车位的可能性”和“收费标准”的模糊语言变量周期性地发送给其最近的RSU，为体现实时性，发送的周期间隔可设置为较短时间，停车场标识ID也一起被发送。

3.如权利要求1或2所述的一种具有隐私保护的模糊Skyline实时停车推荐方法，其特征在于：所述步骤2中，用户向RSU发出停车查询请求并建立返回路径的步骤如下：

2.1、用户通过车内终端向RSU发出停车查询请求，用户的查询请求默认有三种要求，分别是获得车位的可能性，到达停车场的时间，以及收费标准，查询消息被逐跳发送到指定范围内的所有RSU；

2.2、在2.1过程中，建立以用户为根节点，RSU为转发节点的查询结果返回传输路径。

4.如权利要求1或2所述的一种具有隐私保护的模糊Skyline实时停车推荐方法，其特征在于：所述步骤3中，路边单元进行skyline信息融合并返回结果给用户包括如下过程：

3.1、在RSU-Tree中，每个收到用户停车查询请求的非叶子节点RSU，根据其监测的路况信息，估算用户到达该RSU的时间，作为用户到达其周边停车场的平均时间，基于模糊集方法将到达估算时间进行模糊化表示，论域X为到达估算时间Tarrive，定义5个关于“到达时间”的模糊集：“很快的”、“较快的”、“一般的”、“较慢的”和“很慢的”，它们的隶属度函数分别被同样地设为步骤1.1中式(1)、式(2)、式(3)、式(4)和式(5)，

1 2 3 4 5

其中A 、A、A、A 和A的取值根据具体的到达时间数据分布设定，使得用户偏好如“很快的”描述的停车场数量较少；同样地，也定义5个自然语言变量a、b、c、d和e来分别对应上述的5个“到达时间”模糊集；

3.2、基于模糊方法中的s-norm运算，我们定义模糊语言变量比较运算操作符：设u和v为2个模糊语言变量LV，u对应的论域划分区间subRu比v对应的论域划分区间subRv更靠近用户关注的论域端，那么定义运算Θ(U,V)＝V，即u>v，表示u比v大，或者v比u小，该比较运算符将用于后来步骤3.3中的模糊Skyline融合；

3.3、在RSU-Tree结构中，非叶子RSU进行“获得车位的可能性”和“收费标准”二维模糊语言变量上的Skyline信息融合，即上述两个维度不同时比其他停车场“小”的停车场模糊信息即为skyline融合结果，该RSU把Skyline融合结果及到达时时间的模糊语言变量一起传输给其父RSU节点，此时如果用户指定了某种偏好要求，则根据用户要求将相应的skyline融合结果的语言变量发生给其父节点；

3.4、在RSU-Tree中，每个非叶子节点在收到其所有子RSU节点发送的数据包后，进行默认三个维度上的Skyline模糊融合，一个三维模糊Skyline融合例子如表1所示，直到用户端收到所有的模糊Skyline融合结果，在用户端进行最后一次的Skyline融合结果对应的停车场标识ID即为停车推荐结果；

表1

表1显示了步骤3.4中每个非叶子RSU在收到其所有子RSU节点发送的数据包后，进行默认三个维度上的Skyline模糊融合过程的一个例子，表1中，p4(e,c,d)每维上的模糊语言变量都不比p31(a,c,d)“大”，利用步骤3.2模糊语言变量比较运算符，所以p4会在Skyline融合过程中被过滤，也就是p4不会是最后的推荐结果，p31,p11,p26是模糊Skyline融合结果，如果这个融合发生在用户端，则它们就是最后推荐的3个停车场。