-
公开(公告)号：CN111625360B
公开(公告)日：2023-09-05
申请号：CN202010455826.2
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种基于平面分离的车辆大数据边缘计算卸载方法，包括步骤如下：利用边缘节点之间的D2D链路来交换共享每个边缘访问点状态的控制数据，以估计每个边缘访问点处理队列中每个任务所受的延迟，并判断边缘节点是否卸载数据到边缘访问点；将每个边缘访问点中等待时间的控制平面数据用作数据平面的输入，对每个边缘节点设备使用双深度Q学习来最大化其控制策略的长期效用，联盟学习迭代地选择随机的车联网设备组，以估计最佳卸载执行部分；根据上述最佳卸载执行部分，被选择的边缘节点和边缘访问点进行数据计算及通信返回。本发明通过将控制平面和数据平面分离，将计算任务部分卸载到两个平面进行计算执行，以降低执行时间优势。
-
公开(公告)号：CN115065683A
公开(公告)日：2022-09-16
申请号：CN202210888963.4
申请日：2022-07-27
Applicant: 多伦科技股份有限公司
IPC: H04L67/10 , H04L67/1042 , H04L67/1074 , H04L67/12 , H04W4/46 , G06K9/62
Abstract: 本发明公开一种基于车辆聚类的车辆边缘网络任务分配卸载方法，主要包括：实时接收RSU覆盖范围内车辆终端的位置信息和其所携带的任务属性信息，计算任务卸载概率，定义车辆终端的任务优先级；采用K‑means用户聚类方法将车辆终端划分为H个聚类集群，并得到各聚类集群的任务优先级；将任务优先级最高的聚类集群分配至边缘计算，最低的聚类集群分配至本地计算；对其它聚类集群，通过深度神经网络学习算法迭代训练获得最优分布式计算卸载策略；发送所述策略至各车辆集群。本发明为MEC服务器的计算资源调度过程提供更合理的依据，不仅提高了车辆终端计算任务的卸载执行成功率，还提高了计算任务执行成功率和卸载决策正确率，有效减小了计算任务执行时延。
-
公开(公告)号：CN111626352A
公开(公告)日：2020-09-04
申请号：CN202010455346.6
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种基于模糊C均值的自适应能耗最优车辆聚类方法，步骤如下：将车辆接入自组织网络中；通过车辆的角度邻居检测确定车辆的邻居列表；根据自适应能耗最优模型来确定车辆聚类簇数；采用模糊C均值算法对车辆划分成簇；以车辆移动方向、加权移动性值、熵作为加权聚类算法的衡量标准来选择簇头车辆，优化簇头的选举过程来获得稳定的网络。本发明的方法提高了车载自组网的稳定性、均衡功耗、降低网络开销。
-
公开(公告)号：CN111586568A
公开(公告)日：2020-08-25
申请号：CN202010456289.3
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种基于边缘计算的车载通信紧急消息传输优化方法，该方法应用在车辆自组织网络中；方法包括：当某一车辆产生了紧急消息，该车辆考虑到消息的紧急程度，将紧急消息传输到附近的RSU，RSU利用上述提出的边缘计算车辆选取策略，选取出合适的边缘计算车辆，接着边缘计算车辆与RSU协同处理紧急消息，最后根据通过周期性HELLO消息获得的本地网络的拓扑结构，边缘计算车辆将紧急消息广播给其通信范围内的车辆；当边缘计算车辆通过HELLO消息感知到其他车辆时，边缘计算车辆会根据消息传输方向与车辆移动方向相同或相反、接收消息车辆在消息传输方向上更近或更远和边缘计算车辆与接收车辆的距离三个因素来判段优先将消息传输给哪个车辆。
-
Patent Agency Ranking
公开(公告)号：CN111625360A
公开(公告)日：2020-09-04
申请号：CN202010455826.2
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种基于平面分离的车辆大数据边缘计算卸载方法，包括步骤如下：利用边缘节点之间的D2D链路来交换共享每个边缘访问点状态的控制数据，以估计每个边缘访问点处理队列中每个任务所受的延迟，并判断边缘节点是否卸载数据到边缘访问点；将每个边缘访问点中等待时间的控制平面数据用作数据平面的输入，对每个边缘节点设备使用双深度Q学习来最大化其控制策略的长期效用，联盟学习迭代地选择随机的车联网设备组，以估计最佳卸载执行部分；根据上述最佳卸载执行部分，被选择的边缘节点和边缘访问点进行数据计算及通信返回。本发明通过将控制平面和数据平面分离，将计算任务部分卸载到两个平面进行计算执行，以降低执行时间优势。
-
公开(公告)号：CN111626354A
公开(公告)日：2020-09-04
申请号：CN202010457853.3
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种应用于车联网中的基于任务依赖性的聚类方法，包括步骤如下：构建车联网络中的任务到达模型以及有向无环图任务处理模型；对任务到达模型中各车辆产生的任务集的样本与任务到达模型中各车辆的特征进行相关性学习；将来自源任务的相关特征加入到目标任务的集群中；对不同的任务集进行聚类处理。本发明的方法能够提高车辆网中任务处理的效率，从而使在车载异构网络的环境下，处理时延及能耗能够得到降低。
-
公开(公告)号：CN111565375A
公开(公告)日：2020-08-21
申请号：CN202010457092.1
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种车载自组网中基于车载雾计算的蚁群优化方法，步骤如下：建立车载雾计算模型；于上述模型中输入数据进行模糊化处理；制定模糊规则得到模糊集合；去模糊化处理后得到候选中继节点；对候选中继节点进行优化，使得中继节点数量的最小化及覆盖节点数量的最大化。本发明提高了网络资源利用率，有效避免了拥塞，缓解了云端的计算和数据处理的压力，为车辆的数据处理与分析提供了更加可靠，高效的环境。
-
公开(公告)号：CN111626354B
公开(公告)日：2023-09-15
申请号：CN202010457853.3
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
IPC: G06F18/2321 , G06F17/16 , G06F9/50
Abstract: 本发明公开了一种应用于车联网中的基于任务依赖性的聚类方法，包括步骤如下：构建车联网络中的任务到达模型以及有向无环图任务处理模型；对任务到达模型中各车辆产生的任务集的样本与任务到达模型中各车辆的特征进行相关性学习；将来自源任务的相关特征加入到目标任务的集群中；对不同的任务集进行聚类处理。本发明的方法能够提高车辆网中任务处理的效率，从而使在车载异构网络的环境下，处理时延及能耗能够得到降低。
-
公开(公告)号：CN111565375B
公开(公告)日：2023-08-08
申请号：CN202010457092.1
申请日：2020-05-26
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种车载自组网中基于车载雾计算的蚁群优化方法，步骤如下：建立车载雾计算模型；于上述模型中输入数据进行模糊化处理；制定模糊规则得到模糊集合；去模糊化处理后得到候选中继节点；对候选中继节点进行优化，使得中继节点数量的最小化及覆盖节点数量的最大化。本发明提高了网络资源利用率，有效避免了拥塞，缓解了云端的计算和数据处理的压力，为车辆的数据处理与分析提供了更加可靠，高效的环境。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
