-
公开(公告)号：CN114332494A
公开(公告)日：2022-04-12
申请号：CN202111582151.9
申请日：2021-12-22
Applicant: 北京邮电大学
Abstract: 本发明是一种车路协同场景下基于多源融合的三维目标检测与识别方法，涉及车联网、智能汽车技术领域。本发明中，通过不同路侧设备传感器捕获不同环境信息，提取用于三维目标检测的多模态特征后传输给路侧特征融合中心，路侧特征融合中心将获得的多路多模态特征融合为多源融合特征；智能汽车将路侧提供的多源融合特征和自身感知提取的多模态特征进行校准和融合，进一步进行目标识别和检测。本发明中，点云特征提取模块采用邻域自适应的特征提取方法，特征校准和融合模块基于元学习方法对点云特征图和图像特征图进行特征层级融合。本发明极大提升了对外界环境的感知力，减轻了车路协同的通信压力和通信延迟，提高了车辆的感知能力和目标识别准确率。
-
公开(公告)号：CN107609672B
公开(公告)日：2021-03-23
申请号：CN201710687462.9
申请日：2017-08-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种支持虚拟车群体智能计算的车联网服务支撑环境，支持部署在网络边缘和网络云端，提供虚拟车和虚拟车群体两种智能计算能力的封装。其中，虚拟车向车联网服务提供对单车智能计算能力的封装，同时屏蔽了其部署位置。虚拟车群体向车联网服务提供对多车群体智能计算能力的封装，同时屏蔽了其具体参与方与控制过程。车联网服务支撑环境具体包括一个支持对车辆、驾驶员和乘客、交通环境数据进行学习和认知的交互认知计算环境，一个支持对虚拟车进行管理的虚拟车运行环境和一个支持对多个虚拟车进行群体智能计算控制的群智计算环境。支持在不涉及用户隐私的前提下，利用多虚拟车群体智能计算实现更个性化、更准确的车联网服务。
-
公开(公告)号：CN106708978B
公开(公告)日：2019-09-27
申请号：CN201611117521.0
申请日：2016-12-07
Applicant: 北京邮电大学
IPC: G06F16/9535
Abstract: 本发明实施例提供了一种基于二分图的服务推荐方法及装置，所述方法包括：采集每一个目标用户感兴趣的服务；构建每一个目标用户的初始的用户兴趣向量和每一个服务的初始的服务主题向量，其中，用户兴趣向量和服务主题向量均为概率向量；生成以目标用户和服务为顶点的二分图，根据用户兴趣向量和服务主题向量，构建基于二分图的目标函数P；求解目标函数P，以确定每一个用户兴趣向量的元素值和每一个服务主题向量的元素值；根据用户兴趣向量和服务主题向量，对目标用户进行服务推荐。应用本发明实施例，降低了基于二分图的服务推荐计算复杂度，而且模型输出的用户兴趣向量和服务主题向量均为概率向量，便于构建更多基于概率的实际应用。
-
公开(公告)号：CN107563543A
公开(公告)日：2018-01-09
申请号：CN201710686872.1
申请日：2017-08-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于群体智能的城市交通优化服务方法与系统，包括：首先，基于群体智能对局部交通态势进行模拟，并根据模拟结果和局部交通优化目标选择各车辆的行驶时间和局部交通态势达到平衡的局部调度策略。其次，基于群体智能对全局交通态势进行模拟，并根据模拟结果和全局交通优化目标，选择局部交通态势与全局交通态势达到平衡的全局调度策略。然后，根据群体智能计算的结果对各个参与车辆进行最优路线推荐，以实现城市交通优化服务。最后，根据所提出的方法实现一种基于群体智能的城市交通优化服务系统，该系统包括：车载平台、态势认知系统、群体智能决策与控制系统，目的是提高城市交通优化服务决策的可执行性和有效性。
-
公开(公告)号：CN104468728B
公开(公告)日：2017-12-08
申请号：CN201410641813.9
申请日：2014-11-06
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于信息熵和方差的服务选择方法，首先，基于信息熵理论对每个候选Web服务的N个QoS属性历史记录进行建模，求出每个候选Web服务的信息熵值；其中，N为整数；并根据信息熵值的大小筛选符合条件的Web服务；然后，基于方差理论对筛选出的Web服务计算方差值，并根据方差值的大小筛选出符合条件的Web服务；最后，利用混合整数规划模型从筛选出的Web服务中求出最优的服务组合。应用本申请公开的技术方案，能够准确地选择出最可靠的组合服务，并缩短服务选择的时间开销，同时，本发明具有较高的准确性和较强的实用性，具有很好的推广应用价值。
-
Patent Agency Ranking
公开(公告)号：CN101888381A
公开(公告)日：2010-11-17
申请号：CN201010221006.3
申请日：2010-06-29
Applicant: 北京邮电大学
Abstract: 一种跨网络、跨运营商的实现终端切换的通信系统和方法，面向融合网络，可跨电信网、互联网或广电网等不同网络或跨多个不同运营商实现终端切换。该系统设有：基于IMS的切换终端应用服务器和三类终端：移动设备、计算机或装有机顶盒的电视机，切换终端应用服务器和终端之间利用SIP协议建立或拆除通话，并传递切换终端所需的信令。其中切换请求发起方不受终端所在网络的限制，切换方式非常灵活：可在异(同)网同号终端之间或异(同)网异号终端之间实现切换，切换操作可在呼叫的任一方(主叫、被叫或多方呼叫中的某一方)进行，既支持音频或视频的两方通话，也支持由媒体服务器控制的多方音频或视频通话时的终端切换。
-
公开(公告)号：CN115100866A
公开(公告)日：2022-09-23
申请号：CN202210842831.8
申请日：2022-07-18
Applicant: 北京邮电大学
IPC: G08G1/01 , G08G1/042 , G08G1/048 , G08G1/0967
Abstract: 本发明公开一种基于分层强化学习的车路协同自动驾驶决策方法，基于强化学习设计了一种分层通信的车路协同方法，包括：通信消息生成器与解码器，基于通行子目标的协同规划以及基于通行子目标的单车决策。在车辆—边缘设备通信阶段，一个自编码器会被学习在车端用于生成消息并在边缘节点解码消息；边缘计算节点整合来自全部车辆的消息，并进行共识的形成。共识的表示方式是为每个车辆设定短期的通行任务，并将该任务分发给相应的车辆。车辆依赖车载智能对车辆的驾驶动作进行控制，完成接收自边缘计算节点的短期通行目标。在该分层结构下，本发明多车的协同驾驶决策具有更好的解释性，协同效率更高效。
-
公开(公告)号：CN114283607B
公开(公告)日：2022-09-20
申请号：CN202111563958.8
申请日：2021-12-20
Applicant: 北京邮电大学
IPC: G08G1/0968 , G08G1/0967 , G08G1/01 , H04W4/44 , H04W4/46 , G06Q10/04 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于群智学习的多车协同规划方法，属于多车路协同决策技术领域。本发明中，利用边缘服务器减轻了车辆计算能力与通信能力的要求；利用演化博弈来建模路由规划中车辆之间不断博弈的过程，当博弈状态形成一个稳定局面时，每辆车得到自身利益最大化的路由决策；在每辆车上部署路口通行驾驶决策模块，将车辆看成一个独立决策的个体，利用深度强化学习强大的策略学习能力建模多车在路口的协同驾驶行为；在路侧边缘计算部署交通态势预测模块，利用多车路的通信能力来扩大车辆有限视野下对交通态势的感知。本发明优化了道路资源的不同方面，优化了路口的时空利用，优化了路口周围道路资源的时空利用，增大路口的吞吐量。
-
公开(公告)号：CN107959708B
公开(公告)日：2020-10-13
申请号：CN201711003327.4
申请日：2017-10-24
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本发明公开的是一种基于云端‑边缘端‑车端的车联网服务协同计算方法与系统，属于云计算和智能驾驶领域。该计算系统和计算方法首先车载终端响应车联网终端应用系统提出的车联网服务请求。云计算平台实现与车载终端和边缘计算平台的协同交互计算，通过云端车联网服务环境模块提供服务计算资源或云端服务请求。边缘计算平台通过边缘协同计算代理模块实现与车载终端和云计算平台的协同交互计算，并负责整合委托计算控制环境模块和开放计算控制环境模块的反馈结果。本发明解决单方面的车端计算能力不足、边缘端计算资源受限和云端的数据延迟较大的问题，提高了计算效率、优化用户体验。
-
公开(公告)号：CN107959708A
公开(公告)日：2018-04-24
申请号：CN201711003327.4
申请日：2017-10-24
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本发明公开的是一种基于云端-边缘端-车端的车联网服务协同计算方法与系统，属于云计算和智能驾驶领域。该计算系统和计算方法首先车载终端响应车联网终端应用系统提出的车联网服务请求。云计算平台实现与车载终端和边缘计算平台的协同交互计算，通过云端车联网服务环境模块提供服务计算资源或云端服务请求。边缘计算平台通过边缘协同计算代理模块实现与车载终端和云计算平台的协同交互计算，并负责整合委托计算控制环境模块和开放计算控制环境模块的反馈结果。本发明解决单方面的车端计算能力不足、边缘端计算资源受限和云端的数据延迟较大的问题，提高了计算效率、优化用户体验。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
