-
公开(公告)号：CN107491483B
公开(公告)日：2018-09-25
申请号：CN201710571050.9
申请日：2017-07-13
Applicant: 长安大学
Abstract: 本发明提出一种在车主的行驶路径基础上，选择匹配的潜在共乘群体的方法，利用字典树来处理基于矩阵处理的预测模型存在的空间复杂度高的问题，利用逃逸机制合理的处理了零频率问题；本此基础上合理的融入关联规则，增强了位置间的联系，缩小了候选位置集合的数量，提高了算法运行效率，更进一步提高了位置预测的精确度。提出的在车主最优行驶路线的基础上进行乘客选择，既重视了车主的意愿，又满足了乘客的要求。
-
公开(公告)号：CN106681796B
公开(公告)日：2017-12-01
申请号：CN201611142353.0
申请日：2016-12-12
Applicant: 长安大学
Abstract: 一种面向车联网的软件开发故障诊断方法，将故障诊断看作是在车联网软件行为模式上发现不可能路径的过程；根据车联网软件的情境感知特征，挖掘建立不同代理的行为调用序列与使用情境，以及构造港口实现不同代理之间的协同，建模车联网软件行为模式；通过提取行为的自然属性和行为条件，对行为输入、输出、操作、执行要求进行条件满足性检查，进而发现将引发故障的潜在行为集合，形成不可能路径。本发明首次引入软件行为学理论对车联网软件的自适应表现形态和情境驱动的状态演变过程进行分析，提出面向车联网的软件行为建模方法。本发明能够预先发现软件执行阶段可能出现的故障，降低执行测试成本。
-
公开(公告)号：CN106412912B
公开(公告)日：2017-11-10
申请号：CN201610460535.6
申请日：2016-06-22
Applicant: 长安大学
CPC classification number: H04W4/00
Abstract: 本发明一种面向车联网的节点信任评估方法包括，步骤1，在面向车联网中，计算发送节点i对目标节点j的直接可信程度；步骤2，计算目标节点j的间接信任度；步骤3，计算目标节点j的全局信任度；依据已获得的对目标节点j的直接信任度和间接信任度，采用C‑F模型对目标节点j的可信程度进行全面评估，获取其全局信任度。本发明所述方法基于不确定性理论，采用C‑F模型分别对车联网中车辆节点的直接信任度和推荐信任度进行计算，提高了节点信任度评估的准确性；同时为了避免摒弃恶意或自私节点的不客观反馈产生的推荐信任度失真问题，采用模糊C‑means算法对推荐信任度信息进行过滤，有效提高了节点信任度评估的准确率。
-
公开(公告)号：CN103607727B
公开(公告)日：2016-08-17
申请号：CN201310653595.6
申请日：2013-12-04
Applicant: 长安大学
IPC: H04W24/00
Abstract: 本发明提供了一种车联网车?路Zigbee无线网络性能测试方法与设备：获取被测车联网车载Zigbee无线网络设备通过测试区域的驶入时间和驶出时间，触发和终止对被测无线网络的性能测试过程；进行无线网络的性能测试，获得被测无线网络性能参数，并获取被测无线网络设备的平均行程速度；以及根据被测车联网车?路Zigbee无线网络性能参数评估被测车联网车?路Zigbee无线网络设备性能水平。本发明通过检测到被测车联网车载Zigbee无线网络设备通过测试区域的驶入时间和驶出时间，控制测试过程的启动和终止，避免盲目发送性能测试数据包，提高对被测车联网车?路Zigbee无线网络性能测试的准确度。
-
公开(公告)号：CN110443311B
公开(公告)日：2022-10-04
申请号：CN201910726647.5
申请日：2019-08-07
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于形状因素调整的交通轨迹聚类相似性计算方法，采集多辆出租车轨迹数据，并进行预处理；基于出行轨迹时间，将预处理后的轨迹数据集划分为不同集合，得到多个基于时间段的轨迹数据集；对基于时间段的轨迹数据集进行计算，得到点—段距离，并优化点—段距离；再计算段—段距离；最后计算相似性。本发明的方法更加适用于对复杂的城市路网中的轨迹进行相似度计算，有优良的通用性，在轨迹聚类领域有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN113238885A
公开(公告)日：2021-08-10
申请号：CN202110502177.1
申请日：2021-05-08
Applicant: 长安大学
Abstract: 本发明提供了一种基于图注意力网络的隐性偏差指令预测方法及设备，通过关注节点的邻居，遵循自注意力机制来计算图中每个节点的隐式结构特征，一个节点的结构特征是通过聚合其邻居节点得到的。自注意力机制可以捕捉到节点对相邻节点的不同重要性。此外，本发明应用不同类型的边来表示指令之间不同类型的关系，包括分支关系、寻址关系、逻辑关系、定义‑使用关系。针对不同类型的边，使用注意力机制来聚合邻居节点。本发明将隐性偏差脆弱指令的预测任务看作图神经网络的分类任务，因此在节点聚合之后进行节点分类，从而得出隐性偏差脆弱指令的预测结果。本发明将整个过程分为三步，分别是数据采集、图计算和节点分类。
-
公开(公告)号：CN110443311A
公开(公告)日：2019-11-12
申请号：CN201910726647.5
申请日：2019-08-07
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于形状因素调整的交通轨迹聚类相似性计算方法，采集多辆出租车轨迹数据，并进行预处理；基于出行轨迹时间，将预处理后的轨迹数据集划分为不同集合，得到多个基于时间段的轨迹数据集；对基于时间段的轨迹数据集进行计算，得到点—段距离，并优化点—段距离；再计算段—段距离；最后计算相似性。本发明的方法更加适用于对复杂的城市路网中的轨迹进行相似度计算，有优良的通用性，在轨迹聚类领域有重要的应用价值。
-
公开(公告)号：CN108877224B
公开(公告)日：2019-05-14
申请号：CN201810788337.1
申请日：2018-07-18
Applicant: 长安大学
Abstract: 本发明公开了一种可进行置信区间估计的短时交通流预测方法，在进行在线短时交通流预测时，不仅可以获得短时交通流的预测值，而且能够同时获得上述预测值的方差估计值，并利用该方差的估计值可以进一步获得短时交通流预测值的置信区间，从而实现对短时交通流预测的不确定性进行定量分析。本发明的方法适用于交通流预测，在智能交通系统中有重要的应用价值。
-
公开(公告)号：CN108256590A
公开(公告)日：2018-07-06
申请号：CN201810155791.3
申请日：2018-02-23
Applicant: 长安大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6215
Abstract: 一种基于复合元路径的相似出行者识别方法，使用时空GPS轨迹构造异构出行网络模型，提出出行元路径的定义。在出行网络模型中选取元路径集合，采用出行相似性度量算法实现用户相似性计算，预测两个用户在出行行为的上相似性。本发明提出的采用复合元路径的相似性计算方法比基于单条元路径方法的查全率与查准率高，且有直观的可理解语义性，有助于准确地发现潜在用户和相似群体，为他们提供更加精准和差异化的服务。
-
公开(公告)号：CN108053665A
公开(公告)日：2018-05-18
申请号：CN201810036829.5
申请日：2018-01-15
Applicant: 长安大学
Abstract: 本发明提供车联网环境中双信任机制的交通信息识别转发方法，1.发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；2.判断发送节点i是否为特殊车辆，3.收节点j计算发送节点i的信任值；4.接收节点j判断发送节点i是否可信；5.计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；6.判断发送节点i所发道路路况信息M内容是否可信；本发明通过计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
