公开(公告)号：CN115834247A

公开(公告)日：2023-03-21

申请号：CN202310057504.6

申请日：2023-01-18

Applicant: 北京交通大学

Inventor： 任爽 ,  韩冰

IPC: H04L9/40 ,  G06F21/57 ,  G06F9/50 ,  H04L67/10

Abstract: 本发明提供的一种基于区块链的边缘计算信任评价方法，包括如下过程：基于实时数据和历史数据，通过加入惩罚因子、局部信任度、贡献度、交易满意度、推荐因子和推荐可信度，构建边缘计算信任评价指标体系；基于边缘计算信任评价指标体系，构建边缘节点评价模型；通过边缘节点评价模型，对边缘计算网络进行计算信任评价。本发明提出了较为完善的信任评价指标体系，搭建了可靠的边缘节点信任评价模型。

公开(公告)号：CN104850943A

公开(公告)日：2015-08-19

申请号：CN201510221403.3

申请日：2015-05-04

Applicant: 中国铁路总公司 ,  北京交通大学

Inventor： 刘峰 ,  任爽 ,  许红

IPC: G06Q10/06

Abstract: 本发明实施例提供了一种基于健康管理的企业资产管理系统。该系统包括：资产数据输入模块用于输入企业资产的相关数据，并传输给资产数据输入模块；资产数据处理模块用于对企业资产的相关数据进行分析处理，将分析处理的结果传输给结果输出模块，分析处理的结果中包括资产健康管理处理结果；结果输出模块，用于输出分析处理的结果。本发明实施例通过接收输入的企业资产的相关数据，并对相关数据进行分析处理得到包括资产健康管理处理结果的分析处理的结果，可以全方位的了解企业资产状态，能够实现提高资产利用率、降低资产运行维护成本、优化企业维护资源，实现企业的安全生产，实现基于健康管理技术的企业资产管理系统。

公开(公告)号：CN111915100B

公开(公告)日：2024-04-05

申请号：CN202010825904.3

申请日：2020-08-17

Applicant: 北京交通大学

Inventor： 任爽 ,  郑平标 ,  诸葛恒英 ,  向静文 ,  宋欣悦 ,  赵玉琨 ,  韩冰 ,  李许增 ,  张宇翔 ,  张鑫云

IPC: G06Q10/04 ,  G06F18/214 ,  G06Q10/083

Abstract: 本发明提供了一种高精度的货运预测方法及货运预测系统，能够准确及时的获得货运量预测结果，对于铁路部门的决策与未来线路的规划具有最直接的作用，有利于铁路部门充分利用铁路运能资源，合理分配铁路车辆及其他设施设备，减少不必要的时间成本和其他运营成本，从而达到节约成本的作用，提高铁路部门最终的收入。与此同时，可以知道的是，更加重要的一点预测结果的准确性，如果预测结果不准确反而会对货运部门产生相应的损失，所以对传统方法的改进与创新，弥补缺点与不足或者引进新方法也是很重要的一环，因此，加强对铁路货运量预测的研究也是具有现实意义与很强的社会经济价值的。

公开(公告)号：CN116489712B

公开(公告)日：2024-02-09

申请号：CN202310455144.5

申请日：2023-04-25

Applicant: 北京交通大学

Inventor： 任爽 ,  赵丽蕊

IPC: H04W28/084 ,  H04L67/1008 ,  H04L67/101 ,  H04L67/1023 ,  H04L67/12 ,  G06F9/50 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明提供了一种基于深度强化学习的移动边缘计算任务卸载方法。该方法包括：计算出移动边缘计算环境中用户设备终端卸载计算任务并将计算任务上传到移动边缘计算MEC服务器处理过程中消耗的时延消耗和能量消耗；在最大可容忍延迟和计算能力的约束下，以最小化移动边缘计算系统的能量消耗为目标建立目标函数；基于改进的深度强化学习算法求解目标函数，得到用户设备终端的计算任务卸载决策和资源分配方案。本发明方法建立了以最小化能耗为目标的数学模型，对所求卸载决策和资源分配方案进行多次迭代，最终有效求得在时延约束下能源消耗的最优值，从而实现更小的能耗目标，提高边缘计算服务器的利用效率，提高用户体验，实现设备能量节省。

公开(公告)号：CN113127537B

公开(公告)日：2023-11-24

申请号：CN202110411099.4

申请日：2021-04-16

Applicant: 北京交通大学

Inventor： 王浩业 ,  任爽

IPC: G06Q10/04 ,  G06Q10/0875 ,  G06F16/2458 ,  G06F16/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06F18/243 ,  G06F18/214 ,  G06N5/01 ,  G06N20/20 ,  G06F123/02

Abstract: 本发明提供了一种融合时序预测模型和机器学习模型的备件需求预测方法。该方法包括：采集备件需求预测相关的元数据，将ETL处理后的元数据存入数据库中；对数据库中存储的元数据进行预处理，对预处理后的元数据进行数据特征挖掘，确定影响备件需求的各个因素，分析出各个因素对备件需求的影响程度，在备件需求预测阶段，以经过影响程度分析处理后的元数据、各个有用的影响因素以及排序后的各个影响因素对备件需求的影响程度作为源数据，将源数据输入到基于LSTM、GRU时序预测和XGBoost、Randomforest机器学习融合模型预测方法中，对未来某个月份的备件需求量进行预测分析，并输出预测结果。本发明方法能够通过供应链经济原

公开(公告)号：CN116489637B

公开(公告)日：2023-11-03

申请号：CN202310455138.X

申请日：2023-04-25

Applicant: 北京交通大学

Inventor： 任爽 ,  程春旭

IPC: H04W12/02 ,  H04W12/106 ,  H04L9/08 ,  H04L9/00 ,  H04L9/32 ,  H04L9/30 ,  H04W28/084 ,  H04L67/10 ,  G06N20/00

Abstract: 本发明提供了一种面向元宇宙的基于隐私保护的移动边缘计算方法。该方法包括：对元宇宙网络中的用户终端和边缘节点的合法性和数据完整性进行验证；用户终端从区块链上下载当前轮的全局参数和固定序列，以秘密共享的形式将训练得到的本地模型参数上传给用户终端至所在区域的边缘节点；边缘节点对有用户终端的本地模型参数进行验证，将合法用户终端的本地模型参数上传给区块链；区块链通过双线性聚合签名算法将所有边缘节点上传的合法用户终端的本地模型参数进行全局聚合，得到更新后的全局参数、固定序列和合法用户终端列表。本发明方法优化学习效率和增强隐私性，在保护用户终端模型参数隐私性的同时，也保证了模型的准确性和隐私计算的效率。

公开(公告)号：CN115756873B

公开(公告)日：2023-10-13

申请号：CN202211619600.7

申请日：2022-12-15

Applicant: 北京交通大学

Inventor： 张鑫云 ,  任爽

IPC: G06F9/50 ,  G06N3/08 ,  G06N3/098 ,  G06N3/084

Abstract: 本发明提供一种基于联邦强化学习的移动边缘计算卸载方法和平台，在MEC系统目前的分布式DRL架构上引入联邦学习架构，使得卸载策略计算具备高度智能化、鲁棒性、数据安全等特性。在移动边缘计算场景中，使用该发明训练得到的智能体可以实时感知移动设备和边缘服务器的计算资源和通信资源状况，实现对这些资源的统一调度，MEC系统在调度决策的基础上可以处理移动设备的计算卸载请求。本发明提供的方法和平台考虑了在现有的分布式DRL架构下引入联邦学习策略，在指导MEC系统进行智能化的计算卸载的同时，提升模型的鲁棒性并保护数据隐私，在提升QoE的同时获得最大的系统收益。

公开(公告)号：CN116489711A

公开(公告)日：2023-07-25

申请号：CN202310455141.1

申请日：2023-04-25

Applicant: 北京交通大学

Inventor： 任爽 ,  郭心语

IPC: H04W28/084 ,  H04L67/1008 ,  H04L67/101 ,  H04L67/1023 ,  H04L67/12 ,  G06N3/092 ,  G06F9/50

Abstract: 本发明提供了一种基于深度强化学习的边缘计算网络的任务迁移方法。该方法包括：当用户终端本地计算任务的时间大于最大容许延迟，用户终端发送携带任务数据的任务迁移请求给MEC服务器；根据将用户终端的任务迁移到MEC服务器执行过程中的总延迟和总能耗得到任务迁移过程的总成本；以最小化所有用户终端的任务的迁移总成本为优化目标建立目标函数，使用基于深度强化学习的边缘计算迁移算法求解目标函数，得到最优的任务迁移策略；用户终端根据最优的迁移策略向指定的MEC服务器上传任务数据，MEC服务器将任务的执行结果返回给用户终端。本发明方法基于深度强化学习的边缘计算迁移策略实现任务完成时间和能耗加权和最小化问题，有效减少了延迟和能耗处。

公开(公告)号：CN116405978A

公开(公告)日：2023-07-07

申请号：CN202310455153.4

申请日：2023-04-25

Applicant: 北京交通大学

Inventor： 任爽 ,  郭心语

IPC: H04W28/08

Abstract: 本发明提供了一种移动边缘计算环境中用户设备的任务卸载和资源调度方法。该方法包括：计算出移动边缘计算环境中用户设备卸载计算任务，并将计算任务上传到MEC服务器处理过程中消耗的时间成本；根据所述时间成本计算出用户设备需要支付给MEC服务器的传输服务费用，根据MEC服务器的收益和成本建立MEC服务器的效用函数，以最大化MEC服务器的效用函数为目标建立目标函数；利用生成对抗网络求解所述目标函数，生成用户设备的任务卸载及资源调度策略。本发明提供了基于移动边缘计算的用户任务卸载策略，以及考虑用户及系统效益的资源管理技术，满足用户需求的同时，提高任务卸载所在网络的资源利用率。

公开(公告)号：CN107832867A

公开(公告)日：2018-03-23

申请号：CN201710935443.3

申请日：2017-10-10

Applicant: 北京交通大学

Inventor： 任爽 ,  刘峰 ,  冯帆 ,  钟丽君 ,  韩冰 ,  刘笑佟 ,  周佳棋

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/00

CPC classification number: G06Q10/04 ,  G06Q10/0639 ,  G06Q10/20

Abstract: 本发明提供了一种基于故障预测技术的铁路设备健康管理系统。该系统包括：设备健康数据输入模块输入铁路设备健康的相关数据，该相关数据包括铁路设备的设计数据、制造数据、使用数据、故障数据和维修数据，将设备健康的相关数据传输给设备健康数据处理模块；设备健康数据处理模块对设备健康的相关数据进行分析处理，得到铁路设备的健康管理结果，将铁路设备的健康管理结果传输给设备健康结果输出模块；设备健康结果输出模块输出设备健康数据处理模块传输过来的铁路设备的健康管理结果。本发明的系统可以提高设备健康评估准确率、提升设备维修效率、降低设备运行维护成本，实现设备的安全生产。