-
公开(公告)号：CN119047618A
公开(公告)日：2024-11-29
申请号：CN202411043207.7
申请日：2024-07-31
Applicant: 河南大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/049 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/048 , G06F18/23213 , G06F18/25 , G06F18/22 , G06N3/084 , G08G1/01
Abstract: 本发明提出了一种基于动态因果分析和时空自适应融合图学习的交通预测方法，步骤包括：S1：利用传感器进行交通数据样本的特征，并对交通数据样本的特征进行预处理，得到交通特征数据集；S2：对交通网络进行拓扑结构，并对交通预测任务进行定义；S3：基于交通预测任务定义，通过门控扩张时间卷积模块捕获历史交通数据长范围的时间依赖特征；S4：基于交通特征数据集，利用混合图学习模块进行空间特征融合；S5：基于时间与空间特征，利用时空自适应模块捕获节点级的时空自适应趋势，得到STAM模块的输出；S6：通过跳跃连接以将STAM模块的输出连接到输出层生成预测结果。本发明更好地捕捉了交通节点之间的深层时空特征，提高了模型的可解释性和准确性。
-
公开(公告)号：CN118573422A
公开(公告)日：2024-08-30
申请号：CN202410626033.0
申请日：2024-05-20
Applicant: 河南大学
Abstract: 本发明提出了一种基于先验信息的量子安全联邦学习客户端选择方法，包括从客户端的先验信息中采用因果推理筛选出客户端的重要先验信息，采用LSTM网络预测客户端未知信息；基于获取的客户端信息以及自身的参与意愿设计双向选择机制，把服务器和客户端之间的双向选择建模为双方效用最大化问题，设计主从博弈算法找到最优的客户端选择策略以及奖励分发策略，引入量子密钥分发技术并设计动态密钥管理策略。本发明能根据客户端的先验信息预测其未知信息，有效降低预测复杂度，充分考虑到客户端的自主性以及奖励机制在客户端选择中的作用，从而有效找到客户端选择策略以及服务器定价策略，缩短模型训练时间，提高模型训练精度，并具有更好的适用性，还引入量子密钥分发技术保证本地模型参数传输过程中的安全性。
-
公开(公告)号：CN118518123A
公开(公告)日：2024-08-20
申请号：CN202410366426.2
申请日：2024-03-28
Applicant: 河南大学
IPC: G01C21/34 , G01C21/00 , G01C21/20 , G01D21/02 , G01S19/42 , G06Q10/047 , G06Q10/0835 , G06N3/006 , G06N3/126
Abstract: 本发明提出了一种考虑V2V充电的电动物流车双层路径规划方法，具体步骤包括：S1：建立考虑V2V充电的电动物流车双层路径规划模型，确定客户节点信息，加载电动物流车的初始信息；S2：建立上层电动物流车路径规划需求的综合优化目标，基于强化学习的白鲸优化算法规划出配送总成本最低的行驶路径；S3：建立下层模型优化目标，根据电动物流车到达每个客户节点的实时电量选择满足小型电动汽车的V2V充电需求；S4：分别计算对电动物流车考虑V2V充电前后的配送总成本，最终选择配送总成本最低的配送方案。本申请考虑V2V充电的电动物流车双层路径规划模型可以有效结合电动物流车的配送路径问题与行驶过程中随机产生的小型电动汽车电量需求问题。
-
公开(公告)号：CN118338414A
公开(公告)日：2024-07-12
申请号：CN202410461139.X
申请日：2024-04-17
Applicant: 河南大学
IPC: H04W64/00 , H04W84/18 , H04W12/121 , H04L9/40
Abstract: 本发明提出了一种欺骗攻击下的移动传感器网络分布式协同定位方法，步骤如下：根据无线传感器网络的拓扑结构构建无线传感器网络的有向图，确定所有非锚节点相对于三角测量集的矩阵向量形式；通过重心坐标表示非锚节点的水平位置，通过分布式迭代定位算法迭代得到非锚节点的最终位置估计；考虑距离测量过程和数据包发送过程中被攻击，建立虚假信息注入攻击模型；验证虚假信息注入攻击模型的收敛性，进行虚假信息注入攻击检测；对虚假信息注入攻击模型中攻击后的距离测量值进行均值滤波，作为当前测量值；利用虚假信息注入攻击模型的距离度量更新策略估计非锚节点坐标。本发明结合重心坐标的数据融合方法，可以在欺骗攻击存在的情况下实现精确的节点自定位，具有收敛速度快、计算复杂度低的优点。
-
公开(公告)号：CN118158661A
公开(公告)日：2024-06-07
申请号：CN202410393839.X
申请日：2024-04-02
Applicant: 河南大学
Abstract: 本发明提出了一种基于一致性的动态传感器网络隐私保护数据聚合方法，其步骤如下：S1、构建动态无线传感器网络模型：根据无线传感器网络中节点间的网络拓扑结构构建时变有向图，设置节点的初始状态，计算所有节点的初始状态的加权聚合数据；S2、通过隐私保护平均一致算法实现基于一致性的数据聚合：更新节点状态，当所有节点更新的真实状态和虚拟状态的比率和等于所有节点的加权聚合数据时，停止迭代，实现动态传感器数据聚合。本发明可以应用到动态传感器网络，允许任意改变传感器网络拓扑结构，在有限迭代次数中，只需保持并拓扑图的强连通性，有利于无线传感器网络的自适应性和鲁棒性，更适合复杂的传感器网络环境，且本发明具有良好的隐私保护性能。
-
Patent Agency Ranking
公开(公告)号：CN117116048A
公开(公告)日：2023-11-24
申请号：CN202311088919.6
申请日：2023-08-28
Applicant: 河南大学
IPC: G08G1/01 , G06F18/213 , G06F18/15 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q10/04 , G06Q50/26
Abstract: 本发明提出了一种基于知识表示模型和图神经网络的知识驱动交通预测方法，步骤为：对采集到的交通数据进行预处理，根据传感器节点的位置构建交通路网拓扑图；将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过门控特征融合模块根据外部因素的重要性自适应且动态地将外部因素与交通特征进行融合并更新；将更新后的交通特征和邻接矩阵输入图卷积GCN；通过时空联合捕捉模块的扩张因果卷积对时间级与空间级上的交通特征联合捕捉生成预测速度；根据损失函数训练交通预测模型，进行测试得到预测的交通速度。本发明根据外部因素的重要性，自适应地对交通特征进行融合并动态更新，从而更好地反映交通特征的变化，提高了预测模型的准确性。
-
公开(公告)号：CN117095546A
公开(公告)日：2023-11-21
申请号：CN202311053702.1
申请日：2023-08-21
Applicant: 河南大学
IPC: G08G1/081 , G06F30/27 , G06N3/0499 , G06N3/042 , G06N3/084 , G06N3/092 , G06Q10/0639
Abstract: 本发明提出了一种基于图变换网络的多路口交通信号控制方法，S1：构建交通路网环境，并构建道路网络图；S2：读取道路网络图信息，建立车辆状态集合，获取各个路口观测的原始数据；S3：对原始数据进行初始化编码，得到路口当前的状态信息；S4：将路口当前的状态信息输入图变换网络层中，利用图变换网络层捕捉道路网络图的空间相关性，更新路口状态信息并输出；S5：将更新后的路口状态信息输入到深度强化学习模型中优化的深度Q网络中，确定最优的信号控制策略，得到交通信号控制模型；S6：将训练完毕的交通信号控制模型进行测试，并选取评估指标评估交通信号控制模型的性能。本发明实现路口交通信号的自适应控制，能够实时高效响应动态交通场景。
-
公开(公告)号：CN114371728B
公开(公告)日：2023-06-30
申请号：CN202111525070.5
申请日：2021-12-14
Applicant: 河南大学
IPC: G05D1/10
Abstract: 本发明的目的是提供一种基于多智能体协同优化的无人机资源调度方法，优化多无人机系统的协同调度能力，首先以任务环境中智能体状态st作为多智能体系统输入，然后通过策略网络输出动作at并由评价网络评估，最后输出由连续动作组成的调度策略π；针对连续覆盖和持续性服务两个目标，提出了特殊状态空间和动作空间，通过动作评估机制确定最优调度策略，构造了合理的动作奖励函数rt，使低能耗和连续覆盖的策略成为多智能体系统更好的选择，在算法中设置的经验回放单元随状态和动作空间的更新而改变，通过误差和损失函数L(θQ)来训练输出高评估值动作at，并以此方式共同更新其他智能体，对任务环境中其他智能体的策略进行联合评估，提高多无人机系统的协同调度能力。
-
公开(公告)号：CN113076599A
公开(公告)日：2021-07-06
申请号：CN202110406570.0
申请日：2021-04-15
Applicant: 河南大学
Abstract: 本发明的目的是提供一种基于长短时记忆网络的多模态车辆轨迹预测方法，用于增强无人驾驶车辆的决策能力，优化无人驾驶车辆的主动安全能力，首先通过提取目标车辆和周围车辆的历史轨迹信息，然后将每个车辆的轨迹信息通过LSTM对其运动状态进行编码将其组合成为编码序列，提出社会池化，通过将被预测的车辆周围所有车辆的LSTM状态池化为一个社会张量，社会张量应用两个卷积层和一个池化层，获得社会池的位置关系信息，另外，预测车辆的LSTM状态通过全连通层，获得车辆动力学编码，将两种编码串联起来形成完整的轨迹编码，再通过LSTM解码器和混合密度网络，对未来的轨迹信息进行多模态预测，提高无人驾驶车辆的主动安全能力。
-
公开(公告)号：CN112650256A
公开(公告)日：2021-04-13
申请号：CN202011609932.8
申请日：2020-12-30
Applicant: 河南大学 , 鹰驾科技(深圳)有限公司
IPC: G05D1/02
Abstract: 本发明的目的是提供一种基于改进双向RRT机器人路径规划方法，针对RRT算法的不足，提出了一种中心圆采样策略，降低了双向RRT算法采样随机性；融入了障碍物膨胀策略，使得规划的路径和障碍物保持一定的间距，更加符合实际机器人运行路径；引入了目标偏向策略，提升算法的搜索效率；最后将规划的路径进行样条插值，使得规划的路径更加的平稳与光滑；最后将本文算法与其它算法相比较，验证了本文提出算法的有效性，本文提出的CC_BRRT算法，一定程度上减少了采样的盲目性，缩短了路径长度，减少了采样节点的数量，提升了路径的光滑性。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.029 seconds)
