-
公开(公告)号：CN108513364A
公开(公告)日：2018-09-07
申请号：CN201810346717.X
申请日：2018-04-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多信道协同合作的需求感知MAC协议优化方法，方法应用于车辆自组织网络中，车辆自组织网络包括RSU和在对应RSU信号覆盖范围内的车辆，方法包括：RSU根据当前覆盖范围的车辆数量，RSU根据车辆数量初始化MAC帧的时隙，并且在DA时隙向所有车辆发送一个查询数据包；若有新车辆进入RSU的覆盖范围，每一个新进车辆在DA时隙给RSU发送报道信号，RSU根据接收到的报道信号动态维护覆盖范围内的车辆总数信息；RSU根据每个车辆给RSU反馈回的RES信号准备与当前时隙同步的下一个LI包，发送至RSU覆盖范围内的所有车辆；所有RSU覆盖范围内的车辆根据LI包中包含的信息通过多信道进行无碰撞的数据传输操作；本发明动态为车辆划分时隙，降低了分组碰撞的概率。
-
公开(公告)号：CN109995860A
公开(公告)日：2019-07-09
申请号：CN201910246261.4
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 一种VANET中基于边缘计算的深度学习任务分配算法，所述分配算法包括离线分配算法和在线分配算法，所述离线分配算法主要针对事先已知一段时间内到来的深度学习任务序列的情况，所述在线分配算法主要针对事先不知道需要处理的深度学习任务序列的情况；该算法根据深度学习任务产生的计算开销，带宽需求来综合考虑确定云服务器分配到边缘服务器中的神经网络的层数，从而更有效地利用边缘服务器的计算资源，提高深度学习任务的处理效率。本发明提出的深度学习任务分配算法最大化边缘服务器中运行的深度学习任务的数量，不仅减少了从车联网终端设备传输到云服务器的网络流量，也减少了因为信息的传输带来的传输时延。
-
公开(公告)号：CN109558969A
公开(公告)日：2019-04-02
申请号：CN201811319617.4
申请日：2018-11-07
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于AdaBoost-SO(trichotomy Adaboost with SMOTE and One-Hot encoding，使用SMOTE算法和一位有效编码的三分自适应提升算法)的VANETs(Vehicular Ad Hoc Networks,车载点对点网络)车辆事故风险预测模型。本发明能够为ITS(Intelligent Transportation System,智能交通系统)和驾驶安全辅助提供理论基础。本发明中，首先填充研究数据集，用SMOTE(Synthetic Minority Oversampling Technique，合成少数类过采样)算法来平衡数据集中的样本，并将每个样本特征用One-Hot编码，然后用trichotomy Adaboost-SO算法训练研究数据集获得系统模型，最后通过VANETs导入时交通数据，获得车辆事故概率。
-
Patent Agency Ranking
公开(公告)号：CN109544913A
公开(公告)日：2019-03-29
申请号：CN201811319626.3
申请日：2018-11-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度Q网络学习的交通灯动态配时算法，方法中交通控制中心首先统计所有交通灯智能体，存入集合中。交通控制中心对所有智能体的深度Q网络的权重进行初始化，并且根据路网上交通灯发送的动作控制请求进行动态配时，之后执行该配时动作。交通控制中心实时检测各智能体所选动作是否结束，对所选动作执行完毕的智能体根据实时反馈的交通信息来输入深度Q网络并根据网络的输出判断下次交通配时的具体时间，判断未终止时，控制中心重新根据交通灯发送的动作控制请求进行动态配时。最终达到合理对交通灯进行配时，减轻交通拥堵的效果。
-
公开(公告)号：CN109347738A
公开(公告)日：2019-02-15
申请号：CN201811320644.3
申请日：2018-11-07
Applicant: 南京邮电大学
IPC: H04L12/721 , H04L12/801 , H04L12/911 , H04L29/08 , H04L12/26 , H04L1/16
CPC classification number: H04L47/12 , H04L1/1607 , H04L43/0888 , H04L45/124 , H04L47/70 , H04L67/2842
Abstract: 本发明提出了一种车载异构网络的多径传输调度优化方法，本发明解决其技术问题所采取的技术方案是：如果预测到缓冲区阻塞现象，通过吞吐量预测和可用带宽的路径选择算法发现性能较差的子流，并停止通过这些子流进行传输。本发明达到的有益效果为：通过提前预测所需缓冲区大小，有效解决多路径传输控制协议传输中，接收缓冲区阻塞的问题，通过改进多路径传输控制协议传输中路径选择，提高了车载异构网络系统的吞吐量及网络利用率。
-
公开(公告)号：CN109995860B
公开(公告)日：2022-03-04
申请号：CN201910246261.4
申请日：2019-03-29
Applicant: 南京邮电大学
IPC: H04L67/10 , H04L67/60 , G06N3/08 , G06N3/04 , H04L67/1012 , H04L67/101 , H04L67/1008
Abstract: 一种VANET中基于边缘计算的深度学习任务分配算法，所述分配算法包括离线分配算法和在线分配算法，所述离线分配算法主要针对事先已知一段时间内到来的深度学习任务序列的情况，所述在线分配算法主要针对事先不知道需要处理的深度学习任务序列的情况；该算法根据深度学习任务产生的计算开销，带宽需求来综合考虑确定云服务器分配到边缘服务器中的神经网络的层数，从而更有效地利用边缘服务器的计算资源，提高深度学习任务的处理效率。本发明提出的深度学习任务分配算法最大化边缘服务器中运行的深度学习任务的数量，不仅减少了从车联网终端设备传输到云服务器的网络流量，也减少了因为信息的传输带来的传输时延。
-
公开(公告)号：CN109347738B
公开(公告)日：2021-01-08
申请号：CN201811320644.3
申请日：2018-11-07
Applicant: 南京邮电大学
IPC: H04L12/721 , H04L12/801 , H04L12/911 , H04L29/08 , H04L12/26 , H04L1/16
Abstract: 本发明提出了一种车载异构网络的多径传输调度优化方法，本发明解决其技术问题所采取的技术方案是：如果预测到缓冲区阻塞现象，通过吞吐量预测和可用带宽的路径选择算法发现性能较差的子流，并停止通过这些子流进行传输。本发明达到的有益效果为：通过提前预测所需缓冲区大小，有效解决多路径传输控制协议传输中，接收缓冲区阻塞的问题，通过改进多路径传输控制协议传输中路径选择，提高了车载异构网络系统的吞吐量及网络利用率。
-
公开(公告)号：CN111629218A
公开(公告)日：2020-09-04
申请号：CN202010356468.X
申请日：2020-04-29
Applicant: 南京邮电大学
IPC: H04N21/2183 , H04N21/222 , H04N21/258 , G06N20/00
Abstract: 本发明公开了一种VANET中基于时变线性的加速强化学习边缘缓存方法，首先，构建动态的时变线性预测模型，通过考虑每个文件的动态老化，并根据历史内容请求来预测未来的内容请求；然后，构建文件缓存替换函数，并对该函数进行调整；最后，优化缓存策略函数，通过合成假设样本来增加每个时隙的样本数，以达到Q函数的快速收敛，并相应地替换缓存的内容，最大化总的缓存效益。本发明具有更高的缓存命中率和长期效益；通过线性时变预测模型，可以对车辆请求进行实时预测，同时实时的替换边缘服务器中的缓存文件，保证缓存文件的有效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
