-
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：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：CN114925949B
公开(公告)日：2024-09-24
申请号：CN202210235418.5
申请日：2022-03-11
Applicant: 北京交通大学
IPC: G06Q10/0639 , G06Q50/50
Abstract: 本申请提供一种工业互联网可信能力评估方法及相关设备，所述方法包括：获取工业互联网中的一对节点基于传送基本安全信息的传送时间，其中，一对节点代指发送节点和接收节点；采用分段函数基于所述接收时间计算所述工业互联网的信息新鲜度；基于所述接收时间和所述信息新鲜度构建坐标系；在所述坐标系中绘制信息新鲜度曲线；计算所述信息新鲜度曲线与所述接收时间在所述坐标系中形成的区域的面积；基于所述面积计算所述工业互联网的可信能力评估指标集，完成所述工业互联网的可信能力评估。提高了工业互联网可信能力评估指标的全面性，进而，提升了评估指标对于工业互联网性能优化的指导价值。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119342009A
公开(公告)日：2025-01-21
申请号：CN202411284280.3
申请日：2024-09-13
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: H04L47/762 , H04L47/783
Abstract: 本申请提供一种面向工业互联网场景的动态资源分配方法及相关设备，考虑到工业互联网场景存在时变地理位置的移动位置生产设备，因此针对该场景分析了其总时延和总能耗，并基于总时延和总能耗通过资源消耗算法进行处理，得到实际总资源消耗，再根据预测总资源能耗与实际总资源能耗之间的误差指导目标边缘服务器在通信范围内是否执行资源重新分配，然后基于此利用近端策略优化算法来自适应求解所考虑场景中的最优资源分配方案作为目标资源分配策略，并按照该目标资源分配策略进行资源分配，可以满足应对工业互联网场景的生产需求变化的同时，自适应优化资源分配策略，提高系统的整体效率和可靠性。
-
公开(公告)号：CN118714533B
公开(公告)日：2024-12-10
申请号：CN202410860567.X
申请日：2024-06-28
Applicant: 北京交通大学
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。
-
公开(公告)号：CN116680091B
公开(公告)日：2023-10-03
申请号：CN202310969486.9
申请日：2023-08-03
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06F9/50 , H04L67/1021
Abstract: 本申请提供一种服务器的部署方法、装置、电子设备及存储介质，所述方法包括获取待部署区域的总面积；基于待部署区域的总面积和多个设备的数量，确定待部署服务器的候选数量集合；对候选数量集合中的每个元素按从小到大的顺序进行遍历，直至确定元素对应的待部署服务器满足第一预设条件为止，将满足第一预设条件的待部署服务器作为目标服务器，并获取目标服务器的初始位置信息，其中，目标服务器的数量与元素的数值相同；基于初始位置信息，确定目标位置信息，并将目标服务器部署在目标位置信息对应的目标位置，解决了现有技术中部署服务器不合理的技术问题，达到了部署后的服务器的服务质量最佳且部署成本最小的目的。
-
公开(公告)号：CN116680091A
公开(公告)日：2023-09-01
申请号：CN202310969486.9
申请日：2023-08-03
Applicant: 北京交通大学 , 赣州市智能产业创新研究院
IPC: G06F9/50 , H04L67/1021
Abstract: 本申请提供一种服务器的部署方法、装置、电子设备及存储介质，所述方法包括获取待部署区域的总面积；基于待部署区域的总面积和多个设备的数量，确定待部署服务器的候选数量集合；对候选数量集合中的每个元素按从小到大的顺序进行遍历，直至确定元素对应的待部署服务器满足第一预设条件为止，将满足第一预设条件的待部署服务器作为目标服务器，并获取目标服务器的初始位置信息，其中，目标服务器的数量与元素的数值相同；基于初始位置信息，确定目标位置信息，并将目标服务器部署在目标位置信息对应的目标位置，解决了现有技术中部署服务器不合理的技术问题，达到了部署后的服务器的服务质量最佳且部署成本最小的目的。
-
公开(公告)号：CN116017481A
公开(公告)日：2023-04-25
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
