-
公开(公告)号：CN116954231A
公开(公告)日：2023-10-27
申请号：CN202311036440.8
申请日：2023-08-16
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种无人船集群的目标围捕方法及系统，其中，该方法包括初始化我方无人船集群成“人”字形编队，并确定敌方目标舰船的二维位置坐标信息，根据该信息使无人船集群向目标舰船运动；当无人船集群与目标舰船达到预设距离时，则选取预设数量的无人船作为围捕船只集群，根据预设无人船运动策略加速抵近敌方目标舰船，未被选取的无人船形成新的“人”字形编队，继续向敌方目标舰船的前进；当围捕船只集群与目标舰船之间的距离等于预设围捕半径，则围捕船只集群根据生物群体狩猎方式对目标舰船进行围捕完成合围控制，其余无人船用于应对突发情况。该方法避免了集中式控制中领导舰船损坏或无人船之间通信故障而导致算法失效的问题。
-
公开(公告)号：CN112927505A
公开(公告)日：2021-06-08
申请号：CN202110119357.1
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: G08G1/01 , G08G1/081 , G08G1/095 , G06K9/62 , G06N3/08 , G16Y10/40 , G16Y40/35 , H04W4/029 , H04W4/40
Abstract: 本发明为了解决现有强化学习算法受限于维度爆炸问题无法直接拓展到大规模真实城市路网场景、以及协作式多智能体强化学习模型的训练效率低下问题，结合车联网通信背景，提出了一种车联网环境下基于多智能体深度强化学习的信号灯自适应控制方法。本发明具体包括4个步骤：基于车联网通信架构‑‑‑设计CGB‑MATSC模型‑‑‑在模型上结合DQN算法得到CGB‑MAQL算法‑‑‑为了加速算法收敛提出了基于多线程的启发式学习机制；本发明用于优化路网范围内所有路口的信号灯控制策略，该模型为智能体规模扩展导致的空间维度爆炸提供了一个高效的解决方案，支持其他强化学习算法的拓展，且在大规模异构路网环境中具有较好的有效性和可拓展性。
-
公开(公告)号：CN111311932B
公开(公告)日：2021-05-07
申请号：CN202010136821.3
申请日：2020-03-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于车联网区块链的智能交通灯配时方法，所述交通灯上安装有路测单元，所述方法包括基于区块链实现未身份认证数据安全转发验证阶段和根据城市道路流量感知设计相位轮询交通灯配时模型阶段；所述方法基于区块链身份认证和远程证明保护车辆私人信息并维护数据转发安全，不会因为恶意节点造成交通拥堵及其更严重的后果，同时，该方法提供了非常接近现实交通的车流估计，根据红灯和绿灯下的车流变化规律，探究了整体交通对每条道路及每个交通灯的影响，使用相位轮询模型设计了一种道路交通分析方法，使得路口交通灯合理分配时间，缓解了城市交通拥堵，增加了道路车流速度。
-
公开(公告)号：CN108199100B
公开(公告)日：2021-12-24
申请号：CN201810015735.X
申请日：2018-01-08
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种智能交通中电动汽车长途运行充电规划方法。包括路径寻找和充电方案。在路径寻找中，将出发点、目的点和充电站视为路径中所有的经过点，采取两段式寻找，提取出所有可能路径，给出到达目的地的方案。给出路径后，求出每条路径的充电时间和行驶时间。在充电方案中，通过排队论预计出各个充电站的等待车辆数和预计排队时间和电动汽车到达充电站时的新增排队时间，预计出在可达充电站的排队时间，将其和寻找路径中的时间合并，得出充电时间和行程时间，通过协调曲线法规划出合理的路线。本发明可在无充电需求时提供最优的路径选择，也可以在有充电需求时提供路径选择方案和充电规划方案。
-
公开(公告)号：CN109640369A
公开(公告)日：2019-04-16
申请号：CN201811446460.1
申请日：2018-11-29
Applicant: 哈尔滨工程大学
CPC classification number: H04W40/02 , H04W40/14 , H04W40/22 , H04W40/248
Abstract: 本发明公开了一种基于自适应功率的车载网可靠通信方法，属于数字通信领域。传统的路由协议中车辆采用固定的传输范围，但是由于车辆的高速移动导致车载自组织网络中的车辆密度快速变化，为了配合不同时当车辆选择不同的传输范围和传输功率，本发明提出基于自适应功率的车载网可靠通信方法。本发明提供的方法在道路段和道路交叉口根据车辆的速度的方向计算车辆间通信链路的通信时间，综合节点的链路的可靠性，地理前进距离及竞争窗口的大小等设置邻居节点的定时器，做出路由决策，更高优先级的节点具有更小的等待时间，在所有邻居节点中的拥有最高优先级的节点将最先发送数据包，保证车辆之间通信时的数据包投递的成功率。
-
Patent Agency Ranking
公开(公告)号：CN109640369B
公开(公告)日：2022-10-28
申请号：CN201811446460.1
申请日：2018-11-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于自适应功率的车载网可靠通信方法，属于数字通信领域。传统的路由协议中车辆采用固定的传输范围，但是由于车辆的高速移动导致车载自组织网络中的车辆密度快速变化，为了配合不同时当车辆选择不同的传输范围和传输功率，本发明提出基于自适应功率的车载网可靠通信方法。本发明提供的方法在道路段和道路交叉口根据车辆的速度的方向计算车辆间通信链路的通信时间，综合节点的链路的可靠性，地理前进距离及竞争窗口的大小等设置邻居节点的定时器，做出路由决策，更高优先级的节点具有更小的等待时间，在所有邻居节点中的拥有最高优先级的节点将最先发送数据包，保证车辆之间通信时的数据包投递的成功率。
-
公开(公告)号：CN112927505B
公开(公告)日：2022-08-02
申请号：CN202110119357.1
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: G08G1/01 , G08G1/081 , G08G1/095 , G06K9/62 , G06N3/08 , G16Y10/40 , G16Y40/35 , H04W4/029 , H04W4/40
Abstract: 本发明为了解决现有强化学习算法受限于维度爆炸问题无法直接拓展到大规模真实城市路网场景、以及协作式多智能体强化学习模型的训练效率低下问题，结合车联网通信背景，提出了一种车联网环境下基于多智能体深度强化学习的信号灯自适应控制方法。本发明具体包括4个步骤：基于车联网通信架构—设计CGB‑MATSC模型—在模型上结合DQN算法得到CGB‑MAQL算法—为了加速算法收敛提出了基于多线程的启发式学习机制；本发明用于优化路网范围内所有路口的信号灯控制策略，该模型为智能体规模扩展导致的空间维度爆炸提供了一个高效的解决方案，支持其他强化学习算法的拓展，且在大规模异构路网环境中具有较好的有效性和可拓展性。
-
公开(公告)号：CN111311932A
公开(公告)日：2020-06-19
申请号：CN202010136821.3
申请日：2020-03-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于车联网区块链的智能交通灯配时方法，所述交通灯上安装有路测单元，所述方法包括基于区块链实现未身份认证数据安全转发验证阶段和根据城市道路流量感知设计相位轮询交通灯配时模型阶段；所述方法基于区块链身份认证和远程证明保护车辆私人信息并维护数据转发安全，不会因为恶意节点造成交通拥堵及其更严重的后果，同时，该方法提供了非常接近现实交通的车流估计，根据红灯和绿灯下的车流变化规律，探究了整体交通对每条道路及每个交通灯的影响，使用相位轮询模型设计了一种道路交通分析方法，使得路口交通灯合理分配时间，缓解了城市交通拥堵，增加了道路车流速度。
-
公开(公告)号：CN112163720A
公开(公告)日：2021-01-01
申请号：CN202011140076.6
申请日：2020-10-22
Applicant: 哈尔滨工程大学
Abstract: 一种基于车联网的多智能体电动汽车换电调度方法，其中，车路协同业务被部署在MEC平台上，借助Uu接口或PC5接口及VANET、4G或者5G等通信方式实现“人‑车‑路”协同交互；根据有换电服务需要的电动汽车周边的地图，路侧单元将潜在合作匹配度高的换电站集群划分为一个整体，聚集成一个换电区域，将服务能力概率最大的换电区域同时共享多个有换电服务需求的电动汽车；以各换电站的服务率作为考核目标，主要考核每个换电站节点的自身服务能力、自身服务质量、坐落信息，以及有换电需求的电动汽车当前的自身状态；提供全局电动汽车的最佳联合行动，以保持各换电站总体服务均衡，提高车联网的长期性能。根据本发明，电动汽车可尽快换电，各换电站可以保持业务均衡。
-
公开(公告)号：CN108528233A
公开(公告)日：2018-09-14
申请号：CN201810165809.8
申请日：2018-02-28
Applicant: 哈尔滨工程大学
IPC: B60L11/18
Abstract: 本发明公开了一种智能交通中考虑能量信息的电动汽车多因素充电方法，属于电动汽车充电调度领域；其步骤如下，步骤一：车辆在行驶过程中向其通信半径内的RSU发送查询请求获取充电站状态信息。步骤二：RSU接收到电动汽车的查询请求后发布其缓存的充电站状态信息。步骤三：通过上述方法获取充电站选择的各相关因素后，根据多因素最优充电站选择策略选择最优充电站。步骤四：在车辆节点驶向所选充电站的过程中利用新获取的信息决定是否更新其预约。提出基于行程持续时间、能量和距离等多个因素下的最优充电站选择方法。对缓解里程焦虑等问题有一定实际意义。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
