公开(公告)号：CN117688257B

公开(公告)日：2024-07-05

申请号：CN202410120177.9

申请日：2024-01-29

Applicant: 东北大学

Inventor： 毕远国 ,  刘羽霏 ,  刘雨衡 ,  杨凯琪 ,  黄子烜 ,  樊彦伯 ,  胡兵 ,  张天旭

IPC: G06F16/9537 ,  G06F18/23213 ,  G06F18/22 ,  G06N3/092

Abstract: 本发明属于智能交通技术领域，公开了一种面向异构用户行为模式的长期轨迹预测方法。度量轨迹中多个维度的相似性，构建可学习的距离权重矩阵，获得融合多维距离得分；构建邻接矩阵，进行轨迹聚类，聚类结果用于强化学习中优化可学习的距离权重矩阵中的参数；使用轨迹聚类每一个聚类簇中的轨迹数据训练轨迹预测模型，训练后的轨迹预测模型作为轨迹预测。本发明将具有相同行为模式的轨迹划分在一个类内差异较小的簇中，然后使用引入时间和速度信息编码的堆叠Transform结构来提取并融合多属性轨迹中的多维特征，并进一步产生长期轨迹预测结果。对于智能交通场景，面向异构用户行为模式的长期轨迹预测方法具有相当的适用价值。

公开(公告)号：CN119907048A

公开(公告)日：2025-04-29

申请号：CN202510113388.4

申请日：2025-01-24

Applicant: 东北大学

Inventor： 毕远国 ,  张天旭 ,  刘宇衡 ,  刘羽霏 ,  樊彦博

IPC: H04W28/08 ,  H04W84/06 ,  G06N3/044 ,  G06N3/0499 ,  G06N3/092

Abstract: 本发明属于空天地一体化网络技术领域，公开一种面向空天地一体化网络的无人机轨迹优化和任务卸载方法。旨在优化空天地一体化网络中的任务卸载效率，重点关注能耗和时延的优化，提出的方法综合考虑空天地一体化网络的各种情况，将解耦通信方式考虑其中，减小服务中断影响。构建优化模型，目的是最小化时延与能耗加权和。为提高空天地一体化网络中异构智能体的协同性，基于一种层次强化学习的框架，提出基于层次学习的双级Qmix算法，强化低轨卫星与无人机协同。经Pycharm平台仿真，多场景验证本发明在平均响应时延、能耗及QoS指标上优势显著，有效提升网络性能，满足用户需求。

公开(公告)号：CN117891532B

公开(公告)日：2024-07-05

申请号：CN202410298713.4

申请日：2024-03-15

Applicant: 东北大学

Inventor： 毕远国 ,  陈威 ,  郑彤 ,  樊彦伯 ,  张天旭 ,  张星

IPC: G06F9/445 ,  G06F9/50

Abstract: 本发明属于移动边缘计算网络技术领域，公开了一种基于注意力多指标排序的终端能效优化卸载方法。旨在优化移动边缘计算网络中的任务卸载效率，特别关注于时延和能耗的优化。这种方法综合考虑了任务的多个关键因素，如退出任务频率、计算工作负载、时间紧迫性以及每比特的应用完成率，以确定任务的优先级顺序。该方法采用强化学习算法和图卷积网络，以有效提取依赖性任务之间的图结构特征，并引入注意力机制来专注于重要特征的权重训练，同时使用熵奖励概念来提高训练的收敛速度和稳定性。这一方法为移动边缘计算领域提供了一种全新的优化卸载策略，有助于满足5G时代对高性能移动服务的需求。

公开(公告)号：CN117891532A

公开(公告)日：2024-04-16

申请号：CN202410298713.4

申请日：2024-03-15

Applicant: 东北大学

Inventor： 毕远国 ,  陈威 ,  郑彤 ,  樊彦伯 ,  张天旭 ,  张星

IPC: G06F9/445 ,  G06F9/50

Abstract: 本发明属于移动边缘计算网络技术领域，公开了一种基于注意力多指标排序的终端能效优化卸载方法。旨在优化移动边缘计算网络中的任务卸载效率，特别关注于时延和能耗的优化。这种方法综合考虑了任务的多个关键因素，如退出任务频率、计算工作负载、时间紧迫性以及每比特的应用完成率，以确定任务的优先级顺序。该方法采用强化学习算法和图卷积网络，以有效提取依赖性任务之间的图结构特征，并引入注意力机制来专注于重要特征的权重训练，同时使用熵奖励概念来提高训练的收敛速度和稳定性。这一方法为移动边缘计算领域提供了一种全新的优化卸载策略，有助于满足5G时代对高性能移动服务的需求。

公开(公告)号：CN117688257A

公开(公告)日：2024-03-12

申请号：CN202410120177.9

申请日：2024-01-29

Applicant: 东北大学

Inventor： 毕远国 ,  刘羽霏 ,  刘雨衡 ,  杨凯琪 ,  黄子烜 ,  樊彦伯 ,  胡兵 ,  张天旭

IPC: G06F16/9537 ,  G06F18/23213 ,  G06F18/22 ,  G06N3/092

Abstract: 本发明属于智能交通技术领域，公开了一种面向异构用户行为模式的长期轨迹预测方法。度量轨迹中多个维度的相似性，构建可学习的距离权重矩阵，获得融合多维距离得分；构建邻接矩阵，进行轨迹聚类，聚类结果用于强化学习中优化可学习的距离权重矩阵中的参数；使用轨迹聚类每一个聚类簇中的轨迹数据训练轨迹预测模型，训练后的轨迹预测模型作为轨迹预测。本发明将具有相同行为模式的轨迹划分在一个类内差异较小的簇中，然后使用引入时间和速度信息编码的堆叠Transform结构来提取并融合多属性轨迹中的多维特征，并进一步产生长期轨迹预测结果。对于智能交通场景，面向异构用户行为模式的长期轨迹预测方法具有相当的适用价值。