基于信任共享机制的车联网场景下的路径预测方法及系统

    公开(公告)号:CN116911480A

    公开(公告)日:2023-10-20

    申请号:CN202310916825.7

    申请日:2023-07-25

    Abstract: 本发明提供一种基于信任共享机制的车联网场景下的路径预测方法及系统,属于基于车联网的路径预测技术领域,获取交通状况信息;利用预先训练好的行驶方向预测模型对获取的交通状况信息进行处理,得到下一步行驶方向预测结果;判断预测结果与簇首车辆的当前行驶方向是否一致,若一致,则继续保持当前簇结构,否则,簇成员车辆依靠路侧单元辅助完成信任信息共享。本发明采用部分可观察马尔可夫决策过程对车联网中的信任共享问题进行建模,更有效的匹配实际交通网络环境;基于深度强化学习的分布式路径预测算法,保证局部道路网络中车辆信任信息的一致性和透明性;考虑多种道路因素的综合奖励函数,使车辆能够根据预期需求选择合适的行驶方向。

    基于工业互联网三层通信架构的加密通信方法及相关设备

    公开(公告)号:CN116614320A

    公开(公告)日:2023-08-18

    申请号:CN202310892228.5

    申请日:2023-07-20

    Abstract: 本申请提供一种基于工业互联网三层通信架构的加密通信方法及相关设备,所述方法包括利用集成控制器确定集成控制器的系统参数,并上链存储系统参数中的系统公钥;利用集成控制器和服务器将服务器注册至二层区块链系统,以生成并上链存储服务器的第一会话公钥,利用服务器和设备将设备注册至二层区块链系统,以生成并上链存储设备的第二会话公钥;响应于确定产生待传输数据时,分别确定待传输数据的发送方和接收方的链上存储的参数;利用接收方对发送方进行身份验证,响应于确定身份验证通过,接收方和发送方进行安全通信,解决了现有技术中制造工厂中的集成控制器与设备间直接通信的通信架构并不健全的技术问题,完善了制造工厂中的通信架构。

    基于自学习的车辆边缘计算和网络的可靠卸载优化方法

    公开(公告)号:CN119012281B

    公开(公告)日:2025-04-08

    申请号:CN202411015350.5

    申请日:2024-07-26

    Abstract: 本发明涉及智能交通控制技术领域,公开了基于自学习的车辆边缘计算和网络的可靠卸载优化方法,包括以下步骤:构建包含物理网络层、卸载边缘层以及区块链网络层的车辆边缘计算和网络的三层卸载模型;利用物理网络层中的车辆生成任务,并根据任务中的安全相关系数,设计两类任务的卸载方法,得到卸载矩阵,用于实现任务卸载;定义新指标cEDP为基于总能耗、总延迟以及隐私暴露风险的卸载可靠性度量指标并进行优化,得到优化的新指标cEDP;对设计的两类任务的卸载方法进行优化,构建分散卸载优化问题;采用基于自主学习的可靠隐私保护卸载的博弈论与自学习方法对构建的分散卸载优化问题进行求解,得到最佳的卸载矩阵;该方法保证与提高了卸载可靠性。

    基于自学习的车辆边缘计算和网络的可靠卸载优化方法

    公开(公告)号:CN119012281A

    公开(公告)日:2024-11-22

    申请号:CN202411015350.5

    申请日:2024-07-26

    Abstract: 本发明涉及智能交通控制技术领域,公开了基于自学习的车辆边缘计算和网络的可靠卸载优化方法,包括以下步骤:构建包含物理网络层、卸载边缘层以及区块链网络层的车辆边缘计算和网络的三层卸载模型;利用物理网络层中的车辆生成任务,并根据任务中的安全相关系数,设计两类任务的卸载方法,得到卸载矩阵,用于实现任务卸载;定义新指标cEDP为基于总能耗、总延迟以及隐私暴露风险的卸载可靠性度量指标并进行优化,得到优化的新指标cEDP;对设计的两类任务的卸载方法进行优化,构建分散卸载优化问题;采用基于自主学习的可靠隐私保护卸载的博弈论与自学习方法对构建的分散卸载优化问题进行求解,得到最佳的卸载矩阵;该方法保证与提高了卸载可靠性。

    一种基于强化学习的车联网边缘节点动态调整方法

    公开(公告)号:CN118714533A

    公开(公告)日:2024-09-27

    申请号:CN202410860567.X

    申请日:2024-06-28

    Abstract: 本发明涉及车联网技术领域,公开了一种基于强化学习的车联网边缘节点动态调整方法,包括以下步骤:建立车辆边缘计算网络;分析车辆边缘计算网络的可靠性,建立车辆边缘计算网络的可靠性模型;对车辆边缘计算网络的能耗进行分析,建立车辆边缘计算网络的能耗模型;构建车辆边缘计算网络的约束条件,获取以最大化可靠性与最小化能耗为目标的双目标优化函数;采用多目标决策分析法将双目标转化为单目标,得到以最大化部署效果为目标的单目标优化函数并将其建模为马尔可夫决策过程,采用异步优势演员评论家方法进行多线程求解,得到车辆边缘节点的部署方案;该方法提高了车辆边缘计算网络的可靠性并缩短时延,同时能够实现高可靠性低能耗的目标优化。

    任务卸载方法、电子设备及存储介质

    公开(公告)号:CN117580101A

    公开(公告)日:2024-02-20

    申请号:CN202311310881.2

    申请日:2023-10-11

    Abstract: 本申请提供一种任务卸载方法、电子设备及存储介质,所述方法,通过根据任务信息、第一通信信息、第二通信信息、第一服务性能和第二服务性能,构建待卸载任务的任务卸载优化模型;对任务卸载优化模型进行求解,以获取待卸载任务的卸载方案,根据卸载方案,将待卸载任务卸载至其他终端设备或边缘计算设备;通过将目标终端设备的待卸载任务根据卸载方案卸载至其他终端设备或边缘计算设备,减少目标终端设备的计算量,同时考虑任务传输量,以最小的任务传输成本构建任务卸载优化模型,求解任务卸载优化模型,即可得到最小传输任务量的卸载方案,从而实现以最小传输成本将待卸载任务进行卸载,同时实现了任务卸载的个性化需求的同时,最小化传输成本。

Patent Agency Ranking