-
公开(公告)号：CN118301626B
公开(公告)日：2025-03-14
申请号：CN202410387823.8
申请日：2024-04-01
Applicant: 北京交通大学
Abstract: 本发明提供了一种智慧交通系统中多目标优化的路侧单元组网部署方法。该方法包括：获取目标区域的路网数据；根据所述目标区域的路网数据对目标区域中的路侧单元RSU的通信性能进行分析，获取RSU覆盖距离数据；根据目标区域中的RSU覆盖距离数据构建基于成本和覆盖车辆总时间的基于MOP的RSU部署问题模型，采用NSGA‑II算法求解所述基于MOP的RSU部署问题模型，得到目标区域中的RSU组网部署策略。本发明设计了基于NSGA‑II算法的多目标RSU组网部署策略，可以以尽可能小的部署成本投入达到更高的车辆总覆盖时间，为RSU组网部署工程提供一系列满足要求的部署方案，以供选择和依据实际情况动态调整。
-
公开(公告)号：CN119583675A
公开(公告)日：2025-03-07
申请号：CN202411520980.8
申请日：2024-10-29
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
Abstract: 本申请提供一种面向工业互联网场景的数据协同传输方法及相关设备，基于产生时间和增长因子，构建目标传感器为服务传感器时，在目标工作周期中与目标工作时隙对应的第一非线性信息年龄模型，并基于产生时间和增长因子，构建目标传感器为请求传感器时，在目标工作周期中与目标工作时隙对应的第二非线性信息年龄模型，再基于此构建平均非线性信息年龄模型，通过基于近端策略优化算法的双向选择机制对该平均非线性信息年龄模型进行处理，能够兼顾未被调度的传感器感知信息的时效性，使按照得到的数据协同传输策略可以控制被调度的传感器与未被调度的传感器的双向选择完成协同传输，进而提高感知信息的时效性。
-
公开(公告)号：CN119520007A
公开(公告)日：2025-02-25
申请号：CN202411221459.4
申请日：2024-09-02
Applicant: 北京交通大学
Abstract: 本申请提供一种智能电网细粒度数据的安全传输方法及相关设备，所述方法包括获取多个数据，基于预定参数，对所述多个数据进行处理，得到处理数据；对所述处理数据中的整数位的数值进行进制转换，得到第一转换数据；随机生成所述第一转换数据对应的概率，基于所述概率，对所述第一转换数据按照预定规则进行扰动，得到第二转换数据；将所述第二转换数据和所述处理数据中的小数位的数值进行合并，得到目标数据；将所述目标数据发送至数据接收端，解决了现有技术中对数据进行隐私处理后影响数据的准确性的技术问题，达到了确保传输数据的准确性和安全性的目的。
-
公开(公告)号：CN118351411B
公开(公告)日：2025-02-07
申请号：CN202410505446.3
申请日：2024-04-25
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06V10/80 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V20/54 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本申请提供一种图像的识别方法、装置、电子设备及存储介质，所述方法包括获取图像，并将所述图像输入至预先构建的识别模型，通过所述识别模型确定所述图像对应的初始特征；对所述初始特征按照预定通道维度进行分组，并对每组初始特征进行特征提取，得到每组初始特征对应的中间特征，将全部中间特征进行融合，得到最终特征；基于所述最终特征，通过所述识别模型输出所述图像对应的识别结果，解决了现有技术中对图像的识别并不准确的技术问题，达到了准确识别图像的目的。
-
公开(公告)号：CN118885231A
公开(公告)日：2024-11-01
申请号：CN202410945282.6
申请日：2024-07-15
Applicant: 北京交通大学
Abstract: 本发明涉及智能交通控制技术领域，公开了一种基于多式联运参与者场景下的可靠反向卸载方法，包括以下步骤：构建多式联运反向卸载系统模型，获取交通参与者与边缘计算服务器的反向卸载；基于多式联运反向卸载系统模型，获取交通参与者的诚实度、协同性、任务达标率以及计算资源与时间可用性，计算交通参与者的可靠性；根据交通参与者的可靠性，计算交通参与者的效率性；基于贪婪法，根据交通参与者的可靠性与效率性，评估交通参与者的可靠性与计算能力，实现选取最优的交通参与者进行反向卸载；该方法促进了多模式交通工具之间的资源协同，显著提升了系统的多样性与整体性，能够分担负载和降低延迟，以便快速和全面地评估各交通参与者节点的性能。
-
Patent Agency Ranking
公开(公告)号：CN116017481B
公开(公告)日：2024-08-06
申请号：CN202211685149.9
申请日：2022-12-27
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于网络切片的车联网分簇网络可信性保障方法。该方法包括：将车联网网络中的车辆分为若干簇，将每个簇中的车辆分为簇首车辆CHV和簇成员车辆CMV；根据不同簇的服务质量要求基于车辆网络域内的资源集合给每个车辆分配网络切片，所述网络切片包括簇切片、汽车与汽车V2V切片和汽车与基础设施V2I切片，每个车辆利用网络切片通过V2V链路和V2I链路进行数据通信；利用改进的AoI模型分别从安全关键和交通效率交通方面分析所述车联网网络的可信性。本发明方法建立了具有网络切片的车联网分簇简化模型，通过网络切片可以从车联网网络的专用硬件虚拟化不同的资源，而不会出现任何互操作性和兼容性问题，从而增强了物联网系统的灵活性和可编程性。
-
公开(公告)号：CN118351411A
公开(公告)日：2024-07-16
申请号：CN202410505446.3
申请日：2024-04-25
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06V10/80 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V20/54 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本申请提供一种图像的识别方法、装置、电子设备及存储介质，所述方法包括获取图像，并将所述图像输入至预先构建的识别模型，通过所述识别模型确定所述图像对应的初始特征；对所述初始特征按照预定通道维度进行分组，并对每组初始特征进行特征提取，得到每组初始特征对应的中间特征，将全部中间特征进行融合，得到最终特征；基于所述最终特征，通过所述识别模型输出所述图像对应的识别结果，解决了现有技术中对图像的识别并不准确的技术问题，达到了准确识别图像的目的。
-
公开(公告)号：CN117081867B
公开(公告)日：2024-01-23
申请号：CN202311340781.4
申请日：2023-10-17
Applicant: 北京交通大学
IPC: H04L9/40
Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备，通过长期考查协作者的认证性能，构建印象形成体系，充分考虑了协作者的可靠性，通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰，使认证权重可以更准确地反映协作者的真实可信性。所以，通过为协作认证过程动态分配认证权重，可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后，根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能，利用重新分配后的认证权重进行新的全局认证性能计算，可以保证整个协作物理层认证方案的全局认证性能的稳定性。
-
公开(公告)号：CN117081867A
公开(公告)日：2023-11-17
申请号：CN202311340781.4
申请日：2023-10-17
Applicant: 北京交通大学
IPC: H04L9/40
Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备，通过长期考查协作者的认证性能，构建印象形成体系，充分考虑了协作者的可靠性，通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰，使认证权重可以更准确地反映协作者的真实可信性。所以，通过为协作认证过程动态分配认证权重，可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后，根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能，利用重新分配后的认证权重进行新的全局认证性能计算，可以保证整个协作物理层认证方案的全局认证性能的稳定性。
-
公开(公告)号：CN116361642A
公开(公告)日：2023-06-30
申请号：CN202310118884.X
申请日：2023-01-31
Applicant: 北京交通大学
IPC: G06F18/214 , G06F18/24 , G06N3/0475 , G06N3/098
Abstract: 本申请提供一种全局模型的训练方法、装置及电子设备，应用于联邦学习系统，所述联邦学习系统包括服务器和多个分布式设备，在所述服务器中部署全局模型，分别在每个分布式设备中部署局部模型，所述全局模型和每个局部模型均设置有特征提取器、鉴别器和分类器，所述特征提取器和所述鉴别器组成生成对抗网络；所述方法包括利用所述服务器对所述全局模型进行参数初始化；利用所述服务器和所述多个分布式设备对经过所述参数初始化的全局模型进行多轮迭代训练，直至所述全局模型满足收敛条件为止，得到训练完成的全局模型，解决了现有技术中联邦学习的不同分布式设备的数据具有异质性的技术问题，提升了联邦学习的性能目的。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.038 seconds)
