-
公开(公告)号：CN111722925A
公开(公告)日：2020-09-29
申请号：CN202010506829.4
申请日：2020-06-05
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于边缘计算领域，具体涉及一种用于动态边缘计算的协同调度方法、系统、装置，旨在解决现有大规模动态边缘节点协同调度的问题。本系统方法包括：获取待分配的计算任务队列以及各边缘节点的配置信息，并初始化参数；随机将蚂蚁分布在各边缘节点上；获取当前待分配任务所分配的边缘节点，且将蚂蚁移动至该节点；根据当前任务分配的节点修改禁忌表，并计算局部信息素浓度；判断当前选取的蚂蚁是否为所有任务分配一个边缘节点；判断所有蚂蚁是否均完成任务分配，并计算全局信息素浓度进行更新；判断当前轮迭代是否达到最大迭代次数，并获取最佳分配方案。本发明解决了大规模动态边缘节点协同调度的问题。
-
公开(公告)号：CN111611080A
公开(公告)日：2020-09-01
申请号：CN202010443683.3
申请日：2020-05-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于边缘计算技术领域，具体涉及了一种边缘计算任务协同调度方法、系统、装置，旨在解决蚁群算法容易出现局部最优而不能很好地解决边缘环境下的资源利用率不高、虚拟机计算资源负载不均衡的问题。本发明包括：获取边缘计算任务的调度队列，并初始化相关参数；从蚁群算法中第一只蚂蚁开始，获取当前蚂蚁的可行解；若为最优可行解，则更新最优解和最短的任务最大完成时间；进行局部信息素更新，直至所有蚂蚁完成寻解；进行全局信息素更新，并迭代进行局部寻优，直至达到设定的迭代次数，获得全局最优可行解及对应的最短的任务最大完成时间。本发明进一步避免了蚁群算法过早陷入局部最优，保证了负载的均衡、任务的合理调度和资源的高效利用。
-
公开(公告)号：CN111547235A
公开(公告)日：2020-08-18
申请号：CN202010455389.4
申请日：2020-05-26
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于太阳能发电以及多轴飞行器领域，具体涉及了一种多旋翼无人机的太阳能辅助供电系统，旨在解决传统无人机电池续航能力低，而现有太阳能辅助供电无人机单位时间内转化的电量不足的问题。本发明包括：通过倾角控制机构调整太阳能板光源采集面与光源光线的角度，使其大于设定阈值，采集光能并转化为电能；蓄电池，存储电能并为无人机电源充电；控制单元，控制太阳能辅助供电系统开启或关闭，生成太阳能板倾角调整信息；通信模块，获取无人机电源电量及飞行状态参数。本发明利用太阳能辅助无人机供电，同时检测周围环境光源、调整光源采集角度、增加光照时间，延长了多旋翼无人机续航时间，可用于远距离飞行、大范围巡逻监测等领域。
-
公开(公告)号：CN111507258A
公开(公告)日：2020-08-07
申请号：CN202010303153.9
申请日：2020-04-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种聚焦关键样本的基于集成学习的道路区域检测方法、系统。本发明方法包括：获取输入图像数据并预处理后得到处理后的图像数据；基于检测网络分别获取道路区域数据和道路边缘数据；对所述道路边缘数据和/或所述道路区域数据进行形态学变换，并与所述道路区域数据和/或所述道路边缘数据交集处理，获取像素级道路区域数据；其中，所述检测网络基于CNN的图像分割网络，包括用于获取道路区域的道路区域检测网络、用于获取道路边缘的道路边缘检测网络。本发明复杂度得到有效降低，具有通用性，能够部署并应用于智能车上，并且具有较好的检测准确度和鲁棒性。
-
公开(公告)号：CN110517494A
公开(公告)日：2019-11-29
申请号：CN201910828960.X
申请日：2019-09-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能交通领域，具体涉及一种基于集成学习的交通流预测模型、预测方法、系统、装置，旨在为了解决现有集成学习无法充分地适应复杂多变的交通流特征从而导致交通流预测的准确度的问题。本发明模型包括多个不同类别的基学习器，分别用于基于第一预设采集点的采集数据计算设定检测点的交通流预测值；时空特征学习模型用于基于二维交通流矩阵获取各基学习器的权重，二维交通流矩阵通过将第二预设采集点的采集数据归一化后按时间和空间排列获取；加权预测输出模块用于基于各基学习器输出的交通流预测值，依据时空特征学习模型得到的各基学习器的权重，获取设定检测点的最终的交通流预测值。本发明交通流预测结果具有较高的精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110164149A
公开(公告)日：2019-08-23
申请号：CN201910510455.0
申请日：2019-06-13
Applicant: 中国科学院自动化研究所
IPC: G08G1/07
Abstract: 本发明属于智能交通控制管理领域，具体涉及了一种基于直流信号的交通信号灯控制装置及方法，旨在解决现有交通信号灯控制成本高以及存在安全隐患的问题。本发明装置包括：主控装置,用于运行交通信号控制算法，进行状态运算产生控制信号作为第一控制信号以及接收灯控装置传递的第二反馈信号；接口装置，用于信号的转换及传递；灯控装置，用于将接口板传递过来的第二控制信号转换为信号灯直流驱动信号，用于控制信号灯；将检测电路获取的信号灯状态信号传递至接口装置。本发明采用全直流方式传输，一方面提高了系统的稳定性、安全性和可靠性，另一方面，省去现有交通信号控制器中每个信号灯都需要具有的交流转直流电路，节约了成本。
-
公开(公告)号：CN108469358A
公开(公告)日：2018-08-31
申请号：CN201810438925.2
申请日：2018-05-09
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
Abstract: 本发明公开一种用于不同深度水体采样的无人机系统及其采样方法，该用于不同深度水体采样的无人机系统包括采样模块、机载遥控模块、摄像拍照模块、地面站模块和控制模块；控制模块分别连接采样模块、机载遥控模块、摄像拍照模块和地面站模块；采样模块用于对不同深度的水体进行采样工作；地面站模块用于设定无人机的飞行线路和采样模块需采样的水体所在的水域深度；摄像拍照模块用于将采样点周围环境拍摄成图片，并将拍摄的图片信息发送至控制模块；控制模块根据地面站模块发送的需采样水体所在的水域深度信息和摄像拍照模块发送的图片信息，结合深度学习或SVM方法，对现场采样的图片进行图像识别，判断出采样点所在环境是否存在障碍物。
-
公开(公告)号：CN108446814A
公开(公告)日：2018-08-24
申请号：CN201810064713.2
申请日：2018-01-23
Applicant: 中国科学院自动化研究所
CPC classification number: G06Q10/06316 , G06N20/00
Abstract: 本发明属于流水线车间调度领域，具体涉及一种同顺序流水线车间调度的树搜索方法及装置。旨在解决同顺序流水线车间的优化调度问题。首先采用NEH算法求得初始解，然后结合树搜索方法将正向搜索和逆向搜索作为一个父结点的两个分支，分别寻优，并与父节点比较，得到正向最优解和逆向最优解，即为生成的两个子结点。通过上述方式构建树形结构，实现同顺序流水车间的优化调度。与现有技术相比，本发明缩短了最大完工时间，且该算法为确定性算法，求解结果为确定稳定解。
-
公开(公告)号：CN108171961A
公开(公告)日：2018-06-15
申请号：CN201711242069.5
申请日：2017-11-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于车辆调度领域，具体涉及一种网约车和出租车的综合调度系统及方法。旨在解决网约车和出租车调度系统相互隔离，不能统一调度的问题。本发明的网约车和出租车的综合调度系统包括中心平台系统、车辆终端设备、用户终端设备。中心平台系统实时接收车辆终端设备发送的车辆位置信息和车辆运营状态信息、以及用户终端设备发送的用车请求信息，依据车辆位置信息、车辆运营状态信息、用车请求信息生成并发送用车订单。通过本发明解决了网约车和出租车调度隔离的现状，进而将网约车和出租车纳入到统一的管理范围，使二者竞争有序、互为补充、共同发展。
-
公开(公告)号：CN104751492B
公开(公告)日：2017-10-27
申请号：CN201510182218.8
申请日：2015-04-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于动态耦合条件随机场的目标区域跟踪方法，包括：提取待跟踪目标区域的密集光流信息和像素颜色信息，建立光流和颜色的混合高斯模型，获得待跟踪目标区域的运动和外观模型；建立分别对应于跟踪和分割的动态条件随机场并进行耦合从而得到动态耦合条件随机场，获取观测特征并结合图像序列中的时空上下文信息，建立图模型的能量函数；进行图模型参数学习，通过求解动态耦合条件随机场的最小化能量函数并进行匹配确定当前的目标区域。本发明所述目标区域跟踪方法具有较高的准确性和鲁棒性，可应用于智能视频监控领域。
-
-
-
-
-
-
-
-
-
Search Results
475
records
(took 0.073 seconds)
