-
公开(公告)号：CN104320858A
公开(公告)日：2015-01-28
申请号：CN201410620812.6
申请日：2014-11-06
Applicant: 南通大学
CPC classification number: Y02D70/00 , H04W74/0808 , H04W84/18
Abstract: 本发明公开了一种基于混合MAC协议的优化访问无线传感器网络信道的方法，所述混合MAC协议是基于CSMA/CA协议与TDMA协议的混合，所述优化访问无线传感器网络信道的方法包括:1)将高负载的无线传感器网络中的传感器节点分为多个组；2)所述多个组基于所述混合MAC协议访问所述信道；其中，2.1)每个组内的传感器节点采用CSMA/CA协议的竞争方式单独访问所述信道；2.2)各组间的传感器节点采用TDMA协议的调度方式共享访问所述信道。另外本发明还公开了一种基于混合MAC协议的优化访问无线传感器网络信道的系统。根据本发明的方法和系统充分使用信道来发送数据，能够改善网络的时延性能，提高网络的吞吐量，降低传感器节点能耗，提高访问的公平性，增强访问的扩展性。
-
公开(公告)号：CN108629503B
公开(公告)日：2020-11-03
申请号：CN201810409411.4
申请日：2018-04-28
Applicant: 南通大学
Abstract: 本发明的基于深度学习的出租车上车需求量的预测方法，包括：步骤1）对出租车原始数据进行预处理,并分析出租车的基本运营指标；步骤2）构建时间横纵分析模型：从时间的横向和纵向两个角度分析不同区域和时间差异对上车客流量趋势的影响，利用Spark并行计算通过深度神经网络DNN对时间横纵分析模型进行训练，拟合出各区域上车需求量的趋势曲线；构建特征相关性分析模型：通过长短期记忆网络LSTM对特征相关性分析模型进行训练。有益效果：两种模型均可实现上车量的预测，对于管理者而言，两种模型协同操作，使得预测拟合更精准，与传统的交通信息系统不同之处在于系统内部集成了两种预测模型，模型可扩展、可训练、可预测，真正将深度学习应用到了实际案例中。
-
Patent Agency Ranking
公开(公告)号：CN108647360A
公开(公告)日：2018-10-12
申请号：CN201810480023.5
申请日：2018-05-18
Applicant: 南通大学
Abstract: 本发明的多线程的出租车大数据存取及处理的方法，包括如下步骤：步骤1）将经纬度进行坐标转换，将WGS-84国际经纬度坐标标准系经过GCJ-02和BD-09两次转换，得到可在百度地图上准确显示的坐标，通过Hadoop并行计算框架下的Spark将每一条经纬度数据通过弹性分布式数据集的Map操作执行坐标转换操作；步骤2）对数据进行清洗、指标计算、区域划分和数据转换的操作，每一步操作内部均采用Spark对每一条数据进行多线程的并行计算，步骤3）将数据存入分布式文件系统HDFS。有益效果：以出租车大数据为背景，除了利用Spark结合HDFS的现有数据处理工具，为了使得处理效率更加提升，还加入了多线程并行处理机制，利用Python高级特性装饰器和多线程模块，完善了多处理过程的同步进行工作。
-
公开(公告)号：CN108647360B
公开(公告)日：2020-04-28
申请号：CN201810480023.5
申请日：2018-05-18
Applicant: 南通大学
IPC: G06F16/182 , G06F16/2458 , G06Q10/06 , G06Q50/30
Abstract: 本发明的多线程的出租车大数据存取及处理的方法，包括如下步骤：步骤1）将经纬度进行坐标转换，将WGS‑84国际经纬度坐标标准系经过GCJ‑02和BD‑09两次转换，得到可在百度地图上准确显示的坐标，通过Hadoop并行计算框架下的Spark将每一条经纬度数据通过弹性分布式数据集的Map操作执行坐标转换操作；步骤2）对数据进行清洗、指标计算、区域划分和数据转换的操作，每一步操作内部均采用Spark对每一条数据进行多线程的并行计算，步骤3）将数据存入分布式文件系统HDFS。有益效果：以出租车大数据为背景，除了利用Spark结合HDFS的现有数据处理工具，为了使得处理效率更加提升，还加入了多线程并行处理机制，利用Python高级特性装饰器和多线程模块，完善了多处理过程的同步进行工作。
-
公开(公告)号：CN108629503A
公开(公告)日：2018-10-09
申请号：CN201810409411.4
申请日：2018-04-28
Applicant: 南通大学
CPC classification number: G06Q10/06315 , G06Q50/30
Abstract: 本发明的基于深度学习的出租车上车需求量的预测方法，包括：步骤1）对出租车原始数据进行预处理,并分析出租车的基本运营指标；步骤2）构建时间横纵分析模型：从时间的横向和纵向两个角度分析不同区域和时间差异对上车客流量趋势的影响，利用Spark并行计算通过深度神经网络DNN对时间横纵分析模型进行训练，拟合出各区域上车需求量的趋势曲线；构建特征相关性分析模型：通过长短期记忆网络LSTM对特征相关性分析模型进行训练。有益效果：两种模型均可实现上车量的预测，对于管理者而言，两种模型协同操作，使得预测拟合更精准，与传统的交通信息系统不同之处在于系统内部集成了两种预测模型，模型可扩展、可训练、可预测，真正将深度学习应用到了实际案例中。
-
公开(公告)号：CN104320858B
公开(公告)日：2017-10-20
申请号：CN201410620812.6
申请日：2014-11-06
Applicant: 南通大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于混合MAC协议的优化访问无线传感器网络信道的方法，所述混合MAC协议是基于CSMA/CA协议与TDMA协议的混合，所述优化访问无线传感器网络信道的方法包括:1)将高负载的无线传感器网络中的传感器节点分为多个组；2)所述多个组基于所述混合MAC协议访问所述信道；其中，2.1)每个组内的传感器节点采用CSMA/CA协议的竞争方式单独访问所述信道；2.2)各组间的传感器节点采用TDMA协议的调度方式共享访问所述信道。另外本发明还公开了一种基于混合MAC协议的优化访问无线传感器网络信道的系统。根据本发明的方法和系统充分使用信道来发送数据，能够改善网络的时延性能，提高网络的吞吐量，降低传感器节点能耗，提高访问的公平性，增强访问的扩展性。
-
公开(公告)号：CN204650257U
公开(公告)日：2015-09-16
申请号：CN201520333804.3
申请日：2015-05-22
Applicant: 南通大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本实用新型公开了一种基于物联网感知技术的水产养殖监控系统，包括数据采集模块、上位机模块、嵌入式Web主控模块、设备控制模块和执行设备模块；数据采集模块包括无线传感器网络和传感器；嵌入式Web主控模块通过嵌入式Web服务器的方式连接无线传感器网络和Internet，用于接收并处理数据采集模块发送来各传感器的数据，并将实时处理后的数据发送至上位机模块，嵌入式Web主控模块还与终端设备进行通信，发出控制信号给设备控制模块；上位机模块通过串口与嵌入式Web主控模块连接，对数据进行处理并存储于网络数据库；设备控制模块用于接收控制信号控制执行设备模块动作。可以实时监控水质状况，采取措施调控水质，节能环保。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
