基于私家车出行轨迹数据的城市间跨区域移动性预测方法及装置

    公开(公告)号:CN116052427B

    公开(公告)日:2024-05-31

    申请号:CN202310053817.4

    申请日:2023-02-03

    Abstract: 本发明公开了一种基于私家车出行轨迹数据的城市间跨区域移动性预测方法及装置,方法包括:获取城市群跨区域出行的私家车轨迹数据和驾驶状态数据,提取历史出行流量数据、时空地理数据和POI数据;基于城市群区域划分,根据提取数据构建城市群的空间邻接矩阵S、语义邻接矩阵W和建模三维图信号张量χ;采用基于时空图常微分方程网络的预测模型,根据城市群的S和W及χ预测城市群未来出行流量;基于交通流理论,从历史出行流量数据中获取出行流量初始状态,再采用基于神经常微分方程网络的预测模型,根据初始状态预测未来出行流量;最终融合两个预测模型的出行流量预测结果,保证了城市间出行流量预测结果的准确性和有效性。

    基于ICN的移动边缘计算系统视频流自主边缘缓存方法

    公开(公告)号:CN116614501A

    公开(公告)日:2023-08-18

    申请号:CN202310547090.5

    申请日:2023-05-16

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于ICN的移动边缘计算系统视频流自主边缘缓存方法,构建基于ICN的移动边缘计算网络,边缘层与用户层使用ICN架构连接,以兴趣包与数据包的形式进行通信,边缘层与云层依靠核心网的物理连接进行通信;提出用户内容请求的分发模式,以及内容缓存命中的情况建模,计算本地缓存命中率以及协作缓存命中率;将基站范围内局部流行度高的内容缓存在基站,利用基站实时学习用户的偏好,在用户端缓存个性化的内容;将基站作为智能体,采用SoftActor‑Critic算法,基于用户的长短期兴趣与视频内容流行度进行马尔可夫决策过程建模,输出缓存放置的结果。本发明可以实现边缘缓存命中率与缓存多样性的提高,降低用户请求视频内容的延迟。

    一种移动设备的相对位移精确感知与检测方法

    公开(公告)号:CN114264220B

    公开(公告)日:2022-11-22

    申请号:CN202111592651.0

    申请日:2021-12-23

    Applicant: 湖南大学

    Abstract: 本发明公开了一种移动设备的相对位移精确感知与检测方法,包括:步骤1,获取移动设备分别在初始位置和检测位置时其信号装置的信号强度,计算移动设备在检测位置相至于初始位置的综合信号强度变化率;步骤2,判断综合信号强度变化率是否超过预设的强度变化率阈值,若超过预设阈值则判断移动设备超过安全位移;所述预设的强度变化率阈值,是指安全位移阈值对应的综合信号强度变化率;其中,步骤1的计算和步骤2的判断统称为任务,采用移动云计算系统对移动设备的任务卸载和复制分配,由最优的若干其他移动设备执行任务并回传任务结果。本发明可以在室外准确检测移动设备的位移是否超过安全位移,从而提前达到预警状态。

    基于协同感知和智能边缘计算的自动驾驶路径规划方法

    公开(公告)号:CN115200586A

    公开(公告)日:2022-10-18

    申请号:CN202210830286.0

    申请日:2022-07-15

    Applicant: 湖南大学

    Abstract: 本公开实施例中提供了一种基于协同感知和智能边缘计算的自动驾驶路径规划方法,属于计算技术领域,具体包括:目标汽车发起感知任务,规划感知任务对应的兴趣区域;做出协同感知任务分配决策;为参与协同感知任务的周边车辆做出计算卸载决策;为接受卸载的路侧单元做出资源分配决策;将计算卸载决策和协同感知任务分配决策同步至路侧单元和周边车辆中,以及,将资源分配决策同步至路侧单元中;进行协同感知数据的采集与计算任务的卸载,任务处理结果通过车间通信和车路通信的链路返回至目标汽车;目标汽车将任务处理结果进行信息融合并根据融合后的结果进行轨迹预测和路径规划。通过本公开的方案,提高了路径规划的效率、精准度和适应性。

    基于动态图卷积网络的联邦学习私家车速度预测方法

    公开(公告)号:CN114492995A

    公开(公告)日:2022-05-13

    申请号:CN202210092001.8

    申请日:2022-01-26

    Applicant: 湖南大学

    Abstract: 本发明提供了一种基于动态图卷积网络的联邦学习私家车速度预测方法,包括:步骤1,采集城市中私家车的GPS数据和OBD数据,并基于GPS数据和OBD数据提取私家车的速度数据、平均速度和最大速度;步骤2,设计基于动态图卷积神经网络的跨节点联邦学习框架,基于私家车速度数据、平均速度和最大速度对私家车未来十二个步长内的速度进行预测。本发明在联邦学习设置中使用动态图卷积网络,弥补了复杂时空数据建模和去中心化数据处理之间的差距,在真实世界的数据集上进行的交通流预测实验,用于为驾驶员提供在接下来几个时间步中的车辆速度。

    基于边缘计算环境的位置服务隐私保护方法、装置及介质

    公开(公告)号:CN114025310A

    公开(公告)日:2022-02-08

    申请号:CN202111280871.X

    申请日:2021-11-01

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于边缘计算环境的位置服务隐私保护方法、装置及介质,方法:接收用户注册,接收用户基于位置的服务需求生成真实的位置服务请求,并进行隐私保护处理,得到k个位置服务请求发送给边缘服务器,以获取对应匹配的位置查询结果;对得到的位置查询结果进行评估,若评估结果达到阈值,则将边缘服务器匹配的位置查询结果反馈给用户;否则将k个位置服务请求发送给云服务器,以从云服务器获取匹配的位置查询结果;对从云服务器和边缘服务器得到的所有位置查询结果中,择优反馈给用户。本发明合理的利用边缘服务器和云服务器,在保障基于位置服务的质量的条件下,实现用户的位置隐私保护。

    一种不确定性条件下移动云计算任务卸载与资源分配方法和系统

    公开(公告)号:CN114006816A

    公开(公告)日:2022-02-01

    申请号:CN202111318254.4

    申请日:2021-11-09

    Applicant: 湖南大学

    Abstract: 本发明公开了一种不确定性条件下移动云计算任务卸载与资源分配方法和系统,方法包括:搭建移动云卸载模型,将各移动用户终端的任务表示为任务大小和计算周期数;基于任务大小、计算周期数期望值及任务执行主体的参数,构建任务分别在移动用户终端本地、计算接入点和远程云中心执行的能耗和时延模型,加权求和确定任务的期望成本函数表达式;参照任务的期望成本函数表达式,确定基于计算周期波动值的波动成本函数表达式;结合期望和波动的成本函数表达式建立目标函数;求解最小化目标函数,得到N个移动用户终端任务的卸载与资源分配方案。本发明在多接入点不确定计算条件下,对任务进行卸载和资源分配,提高在保持期望的成本效率水平的稳健性。

    一种基于无人机的地面终端设备的计算任务迁移方法

    公开(公告)号:CN112579290A

    公开(公告)日:2021-03-30

    申请号:CN202011519984.6

    申请日:2020-12-21

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于无人机的地面终端设备的计算任务迁移方法,所述地面终端设备基于优化分配方案将自身的部分计算任务卸载到无人机搭载的边缘服务器,地面终端设备本地执行自身的部分计算任务,同时无人机搭载的边缘服务器执行所有地面终端设备卸载的计算任务;其中,通过构建优化问题并求解得到所述优化分配方案,所述优化问题为:以无人机和所有地面终端设备的计算任务总量最大化为目标,以每个地面终端设备的能量限制、无人机的能量限制、带宽资源限制为约束条件。本发明通过联合优化带宽分配、无人机轨迹以及卸载时间和本地计算分配,使整个系统的总计算量最大化。

    一种针对目的地预测的可量化隐私保护方法、设备及介质

    公开(公告)号:CN112182645A

    公开(公告)日:2021-01-05

    申请号:CN202010967393.9

    申请日:2020-09-15

    Applicant: 湖南大学

    Abstract: 本发明公开了一种针对目的地预测的可量化隐私保护方法、设备及介质,其中方法为:利用拉普拉斯机制,向多组相同的历史轨迹数据集注入不同半径的噪声以获得对应轨迹数据集;对每组轨迹数据集进行目的地预测,并根据预测结果计算对应的隐私保护程度进而构建训练样本,以噪声半径等级作为训练样本的标签值;以所有训练样本及其标签值,训练基于多重线性回归的隐私量化保护模型;当接收到隐私保护程度需求和待保护的轨迹时,将隐私保护程度需求输入至隐私量化保护模型;利用拉普拉斯机制,按照隐私量化保护模型输出的噪声半径等级,向待保护的轨迹注入噪声。本发明能够充分满足用户的隐私需求,给用户提供精确和稳定的轨迹隐私保护。

Patent Agency Ranking