-
公开(公告)号：CN108680174A
公开(公告)日：2018-10-19
申请号：CN201810443850.7
申请日：2018-05-10
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种基于机器学习方法改进地图匹配异常点的方法，获取一辆或多辆出租车匹配后的投影坐标点数据作为样本数据，然后从中筛选出匹配正常与异常的投影点；对于每个匹配异常的投影坐标点，从匹配正确的数据集中筛选出异常点的候选数据集；计算每个异常点与异常点的候选数据集中的投影点之间的时间相似度和空间相似度，得到时空相似度集合，进而根据时间相似度和空间相似度计算时空相似度的均值；比较时空相似度与时空相似度的均值的大小，获取时空相似度大于时空相似度均值的个数，并将满足条件的数据作为最终的候选数据集；在最终的候选数据集中，利用knn算法计算得到改进后的投影坐标点。本发明具有计算量较低，准确率更高的优点。
-
公开(公告)号：CN113657489A
公开(公告)日：2021-11-16
申请号：CN202110939593.8
申请日：2021-08-16
Applicant: 长安大学
IPC: G06K9/62
Abstract: 本发明一种回溯式迭代车辆性能极度不平衡数据分类方法，包括：从车辆性能测评数据获取多个训练样本，初始化所有训练样本的权重；每次迭代中，根据所属迭代次数对应的训练样本权重构建与迭代次数对应的弱分类器，采用弱分类器对训练样本进行分类，根据弱分类器的分类结果更新训练样本的权重，再基于综合相似度和KNN分类算法回溯更新所有训练样本的权重；其中，所述综合相似度是指根据相似度理论和欧几里得距离综合判断的相似度；组合所述得到的所有弱分类器，获得强分类器；采用强分类器对待分类的测试样本进行分类。本发明在车辆性能测评数据集标签分类任务上，不仅误差更小，且能在较少的迭代次数下达到较好分类的结果。
-
公开(公告)号：CN110703735A
公开(公告)日：2020-01-17
申请号：CN201911018932.8
申请日：2019-10-24
Applicant: 长安大学
IPC: G05B23/02
Abstract: 本发明提供一种基于物理不可克隆函数电路的无人车ECU安全认证方法，基于PUF的认证协议具有轻量级、低功耗和不可预测的特点，将PUF电路集成到ECU单元上，在ECU单元进行控制信息传送之前进行ECU单元间的身份认证，确认彼此的可信任身份，然后才可进行信息传输与控制，解析其发送的信息并执行相应动作。本发明为无人驾驶汽车的ECU控制系统中设备提供身份认证机制，为无人车控制提供了安全保障，可有效的防止无人车控制系统被假冒伪造身份的恶意ECU节点控制，避免造成严重的安全事故和信息泄露等后果。
-
公开(公告)号：CN109936568A
公开(公告)日：2019-06-25
申请号：CN201910126604.3
申请日：2019-02-20
Applicant: 长安大学
Abstract: 本发明提供了一种基于循环神经网络的防恶意攻击传感器数据采集方法，首先，首次提出采用多元正态分布函数实时检测恶意攻击行为所产生的异常数据，提高了数据传输的安全性；其次，当发现异常数据时，调用基于可编程逻辑门阵列设计的循环神经网络加速IP核，快速智能预测传感器的正常值；最后，动态更新循环神经网络训练数据集，提高了循环神经网络对新的传感器测量值的预测适应度，从而保证了预测数据的合理性，进一步也提高了数据传输的可靠性，并且本方案还具有计算复杂度较低和收敛速度快的特点，广泛适用于计算资源有限的物联网边缘设备。
-
公开(公告)号：CN113612750B
公开(公告)日：2023-06-27
申请号：CN202110851771.1
申请日：2021-07-27
Applicant: 长安大学
Abstract: 本发明提供一种面向移动群智感知网络的用户身份隐私保护方法，包括：步骤1，系统初始化：受信任机构初始化公共参数；步骤2，授权代理：代理者向授权者申请代理授权，授权者将授权信息发送给代理者；代理者和授权者均为感知平台的用户；步骤3，授权信息的验证：代理者对获得的授权信息进行有效性验证；步骤4，感知信息的发送：代理者验证授权信息合法后，使用从授权者处获得的授权信息代理授权者发送感知信息给感知平台；步骤5，感知信息的验证：感知平台收到代理者发送的感知信息后，对感知信息进行有效性验证，如果验证失败，则拒绝接受感知信息，否则接受感知信息。本发明能更好的保护用户的隐私信息。
-
Patent Agency Ranking
公开(公告)号：CN113380025A
公开(公告)日：2021-09-10
申请号：CN202110590338.7
申请日：2021-05-28
Applicant: 长安大学
Abstract: 本发明公开了一种车辆出行量预测的模型构建方法及预测方法和系统。所公开方案构建路段出行量OD次数关系图，路段出行量局部关系图、路段出行量全局关系图共同作为空间特征，进行路段车辆出行量预测，并且也考虑外部因素影响，同时采用GCN和TCN混合的深度预测模型进行模型构建与未来出行量的预测。所公开方案提升了车辆出行量预测的准确度，可用于区域内规模车辆出行量的预测。
-
公开(公告)号：CN111723108A
公开(公告)日：2020-09-29
申请号：CN202010467869.2
申请日：2020-05-28
Applicant: 长安大学
IPC: G06F16/245 , G06F16/29 , G06F16/9537
Abstract: 本发明属于地图匹配领域，公开了一种基于GeoHash编码的候选路段选取方法及系统。本发明对于路网数据和轨迹数据进行首次GeoHash编码后，即便更换其他的路网数据和轨迹数据，仍可以重复使用。因此GeoHash编码移植性强。根据对GeoHash编码码长的设置可以调整GeoHash网格大小适应不同粒度的候选路段选取要求，因此本发明对于具体环境的适应性强，提高了搜索速度。本发明利用跨越GeoHash网格的轨迹上相邻两点之间N点插补法填补不连续GeoHash网格。最终得出轨迹数据对应的GeoHash网格为连续相邻网格，符合实际轨迹数据，保证候选路段不间断。
-
公开(公告)号：CN110060471B
公开(公告)日：2020-09-08
申请号：CN201910257476.6
申请日：2019-04-01
Applicant: 长安大学
Abstract: 本发明公开了一种车辆OD流预测模型构建方法及车辆OD流预测方法。本发明的方法采用网格和路段嵌套的多粒度空间划分方法，用于表示区域和道路节点级别的车辆OD数据，同时提取OD间的出行次数和出行时间，采用CNN和LSTM混合的深度预测模型LSTM_traf_deepCNN，并联合OD出行时间对OD流进行预测。与传统的OD流预测方法相比，本发明的方法充分考虑了行程时间与OD流的隐关系，联合OD间的行程时间和出行次数对深度网络进行训练，所得模型具有更准确的预测能力。本发明属于交通运输信息工程技术领域，可用于城市规模出租车OD流的预测。
-
公开(公告)号：CN110703735B
公开(公告)日：2021-04-13
申请号：CN201911018932.8
申请日：2019-10-24
Applicant: 长安大学
IPC: G05B23/02
Abstract: 本发明提供一种基于物理不可克隆函数电路的无人车ECU安全认证方法，基于PUF的认证协议具有轻量级、低功耗和不可预测的特点，将PUF电路集成到ECU单元上，在ECU单元进行控制信息传送之前进行ECU单元间的身份认证，确认彼此的可信任身份，然后才可进行信息传输与控制，解析其发送的信息并执行相应动作。本发明为无人驾驶汽车的ECU控制系统中设备提供身份认证机制，为无人车控制提供了安全保障，可有效的防止无人车控制系统被假冒伪造身份的恶意ECU节点控制，避免造成严重的安全事故和信息泄露等后果。
-
公开(公告)号：CN110060471A
公开(公告)日：2019-07-26
申请号：CN201910257476.6
申请日：2019-04-01
Applicant: 长安大学
Abstract: 本发明公开了一种车辆OD流预测模型构建方法及车辆OD流预测方法。本发明的方法采用网格和路段嵌套的多粒度空间划分方法，用于表示区域和道路节点级别的车辆OD数据，同时提取OD间的出行次数和出行时间，采用CNN和LSTM混合的深度预测模型LSTM_traf_deepCNN，并联合OD出行时间对OD流进行预测。与传统的OD流预测方法相比，本发明的方法充分考虑了行程时间与OD流的隐关系，联合OD间的行程时间和出行次数对深度网络进行训练，所得模型具有更准确的预测能力。本发明属于交通运输信息工程技术领域，可用于城市规模出租车OD流的预测。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
