公开(公告)号：CN117939185A

公开(公告)日：2024-04-26

申请号：CN202311700219.8

申请日：2023-12-12

Applicant: 重庆邮电大学

Inventor： 邹洋 ,  黄镜澈 ,  丁舒驰 ,  熊能 ,  蒋溢

IPC: H04N21/231 ,  H04N21/25 ,  H04N21/262

Abstract: 本发明公开了一种面向MEC的基于全景视频视口预测的缓存方案及系统。该方案包括以下步骤：S1、云存储服务器CS、边缘服务器ES、数据请求者US构建缓存系统并进行初始化；S2、CS提取视频中感兴趣区域的内容特征，并利用训练好的回归模型提取用户观看特征；S3、利用神经网络预测视口融合和用户视口位置，并选择高概率的视频瓦片进行主动缓存；S4、通过ES上的缓存机制提供请求的视频瓦片。该方案利用MEC资源环境，降低全景视频传输和缓存的能耗和时延，综合利用视频内容流行度进行主动缓存，并设计了缓存替换机制。该方案保证了缓存命中率、视口位置预测的准确性和稳定性，提供低延迟的观看体验和最优的观看质量。

公开(公告)号：CN118283711A

公开(公告)日：2024-07-02

申请号：CN202410365291.8

申请日：2024-03-28

Applicant: 重庆邮电大学

Inventor： 邹洋 ,  丁舒驰 ,  熊能

IPC: H04W28/084 ,  H04W28/08 ,  H04L67/10 ,  G06F9/50 ,  G06N3/092

Abstract: 本发明公开了一种基于PPO的端边云协同计算卸载方法，涉及多服务器多用户场景的边缘计算领域。其特征在于包括以下步骤：S1、构建多服务器多用户场景的端边云协同计算系统，系统包括用户设备、边缘服务器、与边缘服务器相连的能量收集设备和云中心；S2、基于用户设备的移动性和随机任务需求，以及边缘服务器可再生能源利用情况，建立能量收集模型、通信和计算模型，将时延、能耗和云中心使用成本加权作为系统开销；S3、将系统开销最小化问题转化为任务卸载决策和计算资源分配问题，并描述为马尔科夫决策过程；S4、采用基于策略梯度改进的PPO算法，进行任务的卸载和边缘服务器计算资源的分配，实现最小化长期平均系统开销。本发明与基于DDPG的卸载方法等现有方案相比，可以在保持任务执行成功率的同时降低系统开销。

公开(公告)号：CN117591297A

公开(公告)日：2024-02-23

申请号：CN202311706001.3

申请日：2023-12-12

Applicant: 重庆邮电大学

Inventor： 邹洋 ,  丁舒驰 ,  黄镜澈 ,  熊能 ,  蒋溢

IPC: G06F9/50 ,  G06Q30/0283 ,  G06Q50/26

Abstract: 本发明公开了一种面向智慧社区的基于DDPG的边缘计算卸载方法，具体涉及智慧社区场景下的边缘计算领域。其特征在于包括以下步骤：S1、在云‑边‑端三层架构的边缘计算网络模型下，面向社区场景增加部署社区服务器和能量收集设备；S2、根据终端设备的任务卸载时延、终端设备能耗、边缘服务器电网成本和云计算成本，构建任务卸载成本目标函数；S3、社区服务器获取全局信息，对DDPG算法网络进行训练，训练好的网络模型根据全局信息和目标函数，得到任务的卸载决策；S4、通过S3所述决策进行任务卸载，以实现社区边缘计算网络的长期平均成本最小化。本发明遵循智慧社区绿色可持续的导向，提升智能化的同时兼顾节能环保，有利于智慧社区的发展。

公开(公告)号：CN118283707A

公开(公告)日：2024-07-02

申请号：CN202410365305.6

申请日：2024-03-28

Applicant: 重庆邮电大学

Inventor： 邹洋 ,  熊能

IPC: H04W28/08 ,  H04W4/46

Abstract: 本发明公开了一种车载网络环境下的基于V2V的QoS感知任务卸载策略，具体涉及车联网场景下的边缘计算领域。其特征在于包括以下步骤：S1、在路边单元(RSU)间歇性可用的车载网络环境下，建立连接模型、卸载能力模型和到达时间模型；S2、利用层次分析法构建基于优先级的层次结构模型，确定各任务优先级评价指标的权重值；S3、基于S2得到的权重值，通过流量分类、过载控制和准入控制三个方面提出服务质量保障机制；S4、基于S3得到的服务质量保障机制，将整个V2V任务卸载过程分成任务卸载请求、卸载请求处理和卸载策略执行三个阶段，得到任务的卸载策略；本发明所述策略能有效提升高优先级任务的卸载效率，确保了重要信息能够快速传递，提高系统的整体收益。

公开(公告)号：CN117858165A

公开(公告)日：2024-04-09

申请号：CN202311712133.7

申请日：2023-12-13

Applicant: 重庆邮电大学

Inventor： 邹洋 ,  熊能 ,  蒋溢

IPC: H04W28/08 ,  H04W4/40

Abstract: 本发明公开了一种车载网络环境下基于V2V的车辆成组协同计算卸载策略，属于边缘计算技术领域。它包括以下步骤：1)在车辆成组的车载网络中，将不同类型任务按照大小划分为若干子任务，并根据任务局部延迟查找组内服务车辆；2)根据车辆历史数据，构建状态转移矩阵，建立基于马尔科夫链的车辆离群率预测模型；3)根据每辆车的计算需求、离群率预测、任务大小以及通信链路的带宽等，构建车辆任务卸载的时延模型并建立目标函数；4)利用贪心算法对步骤S3的目标函数求解，得到子任务预卸载策略；再采用基于MAB模型的学习式计算卸载算法动态调整得到最优任务卸载决策；本发明所述的协同计算卸载策略，能够有效提高车载环境中V2V计算卸载效率，优化计算资源的使用。