-
公开(公告)号：CN114786129B
公开(公告)日：2024-04-26
申请号：CN202210407024.3
申请日：2022-04-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于深度学习的车联网计算资源分配与优化方法，用于自适应分配车联网中的计算资源。结合车辆的移动性，综合考虑任务车辆附近可选服务车辆和RSU的计算资源和最大服务时间，然后根据任务种类对于路段的任务车辆分配计算资源。本发明是一种由任务车辆和多个服务提供方(包括服务车辆和RSU)协同执行车载任务的计算资源分配方案，具有最小化整体任务执行时间并最大化系统效用的效果。
-
公开(公告)号：CN116016514B
公开(公告)日：2024-04-19
申请号：CN202211686767.5
申请日：2022-12-28
Applicant: 北京工业大学
IPC: H04L67/10 , H04L67/60 , H04L43/0852
Abstract: 一种边缘计算服务的智能自适应编排方法属于边缘服务编排领域，是一种利用移动边缘技术、深度强化学习算法等实现移动边缘计算中边缘服务自适应联合编排的方法。该方法能实现对于某移动边缘场景下各边缘服务器中的服务单元编排，并针对不同的目标群体进一步优化编排策略以最大化群体的利益和服务质量。
-
公开(公告)号：CN116016514A
公开(公告)日：2023-04-25
申请号：CN202211686767.5
申请日：2022-12-28
Applicant: 北京工业大学
IPC: H04L67/10 , H04L67/60 , H04L43/0852
Abstract: 一种边缘计算服务的智能自适应编排方法属于边缘服务编排领域，是一种利用移动边缘技术、深度强化学习算法等实现移动边缘计算中边缘服务自适应联合编排的方法。该方法能实现对于某移动边缘场景下各边缘服务器中的服务单元编排，并针对不同的目标群体进一步优化编排策略以最大化群体的利益和服务质量。
-
Patent Agency Ranking
公开(公告)号：CN118394669A
公开(公告)日：2024-07-26
申请号：CN202410498857.4
申请日：2024-04-24
Applicant: 北京工业大学
IPC: G06F12/02 , G06F12/0813 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/042 , G06F18/20 , G06F18/25
Abstract: 本申请涉及计算机网络技术领域，特别涉及一种基于动态兴趣预测和群体聚合的边缘缓存更新方法及装置，其中，方法包括：获取用户的历史行为序列数据和历史群体关系数据；对历史行为序列数据进行预处理得到预处理后数据，基于预处理后数据训练动态兴趣实时预测模型；利用历史群体关系数据训练群体聚合优化模型，将训练完成的动态兴趣实时预测模型和群体聚合优化模型部署于边缘服务器，根据动态兴趣特征和群体聚合特征更新边缘服务器的边缘缓存策略。由此，解决了相关技术中通常依赖于静态规则或历史数据和群体进行预测，导致无法及时根据用户兴趣的动态变化来更新缓存，无法满足用户当前的实时需求，从而降低用户的使用体验等问题。
-
公开(公告)号：CN117675917A
公开(公告)日：2024-03-08
申请号：CN202311507923.1
申请日：2023-11-13
Applicant: 北京工业大学
IPC: H04L67/5682 , H04L49/90 , H04L43/0876 , H04L41/147 , H04L41/16
Abstract: 本申请涉及互联网技术领域，特别涉及一种面向边缘智能的自适应缓存更新方法、装置及边缘服务器，其中，方法包括：获取终端设备的实时流量数据；提取实时流量数据的流量特征；根据流量特征预测未来预设时间段内的数据流量趋势；根据数据流量趋势确定缓存数据的更新策略，基于更新策略更新缓存数据。由此，解决了相关技术中采用复杂的神经网络模型导致缓存资源的浪费，影响边缘计算节点的性能和资源利用效率，且无法适应多样化需求，存在预测结果不准确等问题。
-
公开(公告)号：CN114786129A
公开(公告)日：2022-07-22
申请号：CN202210407024.3
申请日：2022-04-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于深度学习的车联网计算资源分配与优化方法，用于自适应分配车联网中的计算资源。结合车辆的移动性，综合考虑任务车辆附近可选服务车辆和RSU的计算资源和最大服务时间，然后根据任务种类对于路段的任务车辆分配计算资源。本发明是一种由任务车辆和多个服务提供方(包括服务车辆和RSU)协同执行车载任务的计算资源分配方案，具有最小化整体任务执行时间并最大化系统效用的效果。
-
公开(公告)号：CN116665091A
公开(公告)日：2023-08-29
申请号：CN202310558927.6
申请日：2023-05-18
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明提供一种智慧交通场景下的实时多摄像头视频分析方法。首先提出一种轻量化的检测模型，该检测模型的训练和调整在线下云端服务器进行，而模型的执行是在线上边缘服务器进行的。随后基于检测模型的结果以及提取的特征，提出一种高效的多摄像头协同分析模型。同样，该检测模型的训练和调整在线下云端服务器进行，而执行则是在线上边缘服务器进行的。同时，由于边缘端的资源是有限的，因此设计了一种优化方法，在进行视频分析的过程中进行边缘端服务器计算和存储资源的动态分配。本发明高效地为后续的多摄像头协同分析提供高质量特征，考虑采用多目标优化算法优化实时计算资源分配以及待处理视频的分辨率设定，能够使得边缘系统的效用最大化。
-
公开(公告)号：CN118486163A
公开(公告)日：2024-08-13
申请号：CN202410582953.7
申请日：2024-05-11
Applicant: 北京工业大学
IPC: G08G1/01
Abstract: 本申请涉及移动边缘计算技术领域，特别涉及一种基于车辆路径预测的任务切分卸载与资源分配方法及装置，其中，方法包括：获取目标车辆的历史轨迹数据和目标任务；根据历史轨迹数据预测目标车辆的未来轨迹；根据目标车辆的未来轨迹将目标任务切分成多个子任务，将多个子任务上传至不同终端服务器，并根据子任务的任务参数和终端服务器的系统状态为不同终端服务器内的任务集合分配计算资源；根据不同终端服务器对于子任务的处理结果生成目标任务的处理结果。由此，解决了相关技术中依赖已知车辆信息和复杂的计算模型，导致缺乏动态适应性、计算量增大，计算效率低下，单个MEC(Mobile Edge Computing，移动边缘计算)服务器的计算资源有限导致资源利用率较差等问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
