-
Patent Agency Ranking
公开(公告)号：CN114372116B
公开(公告)日：2023-03-21
申请号：CN202111659088.4
申请日：2021-12-30
Applicant: 华南理工大学
IPC: G06F16/29 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06N3/049
Abstract: 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
公开(公告)号：CN115116213B
公开(公告)日：2023-08-22
申请号：CN202210549002.0
申请日：2022-05-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进全连接神经网络的车联网信任管理方法，首先使用交通仿真模拟平台收集路况信息生成训练数据集，并将数据集中的特征信息划分为数据信任和实体信任两类训练特征，然后将训练完成的网络模型部署到车载单元中，车载单元可对进行交互的节点进行判断，并根据判断结果改变对方的信任值，当信任值低于设定阈值后，节点将无法正常通信，从而实现了车联网的信任管理。本发明基于改进全连接神经网络进行车联网信任管理，尽可能真实地模拟车辆在路网环境中的移动和通信情况，能够提取车辆交互的消息中提取出车辆特征，具有广阔的应用场景。
-
公开(公告)号：CN114372116A
公开(公告)日：2022-04-19
申请号：CN202111659088.4
申请日：2021-12-30
Applicant: 华南理工大学
IPC: G06F16/29 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于LSTM和时空注意力机制的车辆轨迹预测方法，是基于LSTM编码模块、LSTM解码模块、空间注意力机制和时序注意力机制进行车辆轨迹的精准预测，首先对路网进行栅格化处理，并划分输入到LSTM编码模块中的历史轨迹数据段，然后提取车辆自身移动特征和全局空间特征，LSTM编码模块和LSTM解码模块主要用于实现对历史时间内的特征向量进行学习，并预测车辆未来一段时间的轨迹。本发明基于LSTM和时空注意力机制进行车辆轨迹预测，能够提取车辆移动中的局部和全局特征，尽可能真实的模拟车辆在路网环境中的移动情况，提高了车辆轨迹预测的准确性。
-
公开(公告)号：CN118945615A
公开(公告)日：2024-11-12
申请号：CN202411096857.8
申请日：2024-08-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进Transformer的车联网信任管理方法，首先，使用使用交通仿真模拟器SUMO和离散事件仿真平台OMNet++进行城市交通仿真，收集仿真过程中路况信息，生成训练集和验证集；然后，利用训练集和验证集对改进Transformer网络进行训练和验证；最后，将性能最优的神经网络部署到车辆上，使车辆能够对交互节点进行判断，并根据判断结果调整对方的信任值，当信任值低于设定阈值时，该节点将无法正常通信，从而实现车联网的信任管理。本发明基于改进Transformer神经网络进行车联网信任管理，能够尽可能真实地模拟车辆在路网环境中的移动和通信情况，提取车辆交互消息中的特征，具有广阔的应用前景。
-
公开(公告)号：CN115116213A
公开(公告)日：2022-09-27
申请号：CN202210549002.0
申请日：2022-05-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进全连接神经网络的车联网信任管理方法，首先使用交通仿真模拟平台收集路况信息生成训练数据集，并将数据集中的特征信息划分为数据信任和实体信任两类训练特征，然后将训练完成的网络模型部署到车载单元中，车载单元可对进行交互的节点进行判断，并根据判断结果改变对方的信任值，当信任值低于设定阈值后，节点将无法正常通信，从而实现了车联网的信任管理。本发明基于改进全连接神经网络进行车联网信任管理，尽可能真实地模拟车辆在路网环境中的移动和通信情况，能够提取车辆交互的消息中提取出车辆特征，具有广阔的应用场景。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
