-
公开(公告)号：CN114025350A
公开(公告)日：2022-02-08
申请号：CN202111500384.X
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于密码和频偏的双重认证方法，包括：步骤1，待认证设备将带特定SSID的probe request帧信号发送给通用软件无线电外设，通用软件无线电外设与主机相连；步骤2，根据通用软件无线电外设接收到的信号运行GNU radio对接收到的信号进行信号处理，得到待认证设备的载波频偏特征；步骤3，通过最近邻的模式匹配算法将待认证设备的载波频偏特征与已存储的所有授权用户的载波频偏特征进行相似度计算。本发明通过通用软件无线电外设提取出无线智能设备的频偏指纹特征，并利用频偏对智能设备进行识别，通过通过密码和频偏双重认证模式，增强了无线网络识别机制，避免了非法设备的接入，网络安全性提高。
-
公开(公告)号：CN112906948B
公开(公告)日：2023-12-22
申请号：CN202110142859.6
申请日：2021-02-02
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/0639 , G06N7/01 , H04W4/029 , H04W4/40
Abstract: 本发明公开了一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质，方法为：获取城市大规模私家车的轨迹数据，从中提取每个时段私家车停留点信息并预处理；基于分布拟合模型，计算每个时段内私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。本发明可以对城市区域未来时段内的吸引力
-
公开(公告)号：CN112906948A
公开(公告)日：2021-06-04
申请号：CN202110142859.6
申请日：2021-02-02
Applicant: 湖南大学
Abstract: 本发明公开了一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质，方法为：获取城市大规模私家车的轨迹数据，从中提取每个时段私家车停留点信息并预处理；基于分布拟合模型，计算每个时段内私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。本发明可以对城市区域未来时段内的吸引力提供有效准确的预测。
-
Patent Agency Ranking
公开(公告)号：CN114170264B
公开(公告)日：2024-10-01
申请号：CN202111501811.6
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于智能可穿戴设备的驾驶状态监测方法，包括：步骤1，驾驶员在驾驶状态下佩戴内置IMU惯性传感单元的智能耳机，通过IMU惯性传感单元实时采集驾驶状态下驾驶员头部的运动数据；步骤2，基于采集的驾驶员头部的运动数据进行预处理，得到预处理后的驾驶员头部的运动数据；步骤3，基于预处理后的驾驶员头部的运动数据进行动作分割提取；步骤4，对分割提取后的驾驶员头部的运动数据进行校正。本发明可以准确识别驾驶员在驾驶状态下头部的运动状态，实现对驾驶状态下驾驶员的行为监测。
-
公开(公告)号：CN112862177B
公开(公告)日：2024-01-19
申请号：CN202110142862.8
申请日：2021-02-02
Applicant: 湖南大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0985 , G06N3/047
Abstract: 本发明公开了一种基于深度神经网络的城市区域聚集度预测方法、设备及介质，其中方法为：从城市的私家车轨迹中提取节假日每个时段的停留数据，所述停留数据包括该时段内所有停留点的位置和停留时长；根据每个时段内所有停留点的位置和停留时长，分别计算该时段内有关停留点的空间概率密度分布和时间概率密度分布；使用节假日连续时段对应构成的空间概率密度分布序列和时间概率密度分布序列分别构建训练集和预测标签集，训练预搭建的神经网络模型，得到聚集度预测模型；使用聚集度预测模型对目标预测时段的聚集度进行滚动预测。本发明适用于节假日期间对城市聚集度进行预测。
-
公开(公告)号：CN114025350B
公开(公告)日：2023-09-19
申请号：CN202111500384.X
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于密码和频偏的双重认证方法，包括：步骤1，待认证设备将带特定SSID的probe request帧信号发送给通用软件无线电外设，通用软件无线电外设与主机相连；步骤2，根据通用软件无线电外设接收到的信号运行GNU radio对接收到的信号进行信号处理，得到待认证设备的载波频偏特征；步骤3，通过最近邻的模式匹配算法将待认证设备的载波频偏特征与已存储的所有授权用户的载波频偏特征进行相似度计算。本发明通过通用软件无线电外设提取出无线智能设备的频偏指纹特征，并利用频偏对智能设备进行识别，通过通过密码和频偏双重认证模式，增强了无线网络识别机制，避免了非法设备的接入，网络安全性提高。
-
公开(公告)号：CN114170264A
公开(公告)日：2022-03-11
申请号：CN202111501811.6
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于智能可穿戴设备的驾驶状态监测方法，包括：步骤1，驾驶员在驾驶状态下佩戴内置IMU惯性传感单元的智能耳机，通过IMU惯性传感单元实时采集驾驶状态下驾驶员头部的运动数据；步骤2，基于采集的驾驶员头部的运动数据进行预处理，得到预处理后的驾驶员头部的运动数据；步骤3，基于预处理后的驾驶员头部的运动数据进行动作分割提取；步骤4，对分割提取后的驾驶员头部的运动数据进行校正。本发明可以准确识别驾驶员在驾驶状态下头部的运动状态，实现对驾驶状态下驾驶员的行为监测。
-
公开(公告)号：CN112862177A
公开(公告)日：2021-05-28
申请号：CN202110142862.8
申请日：2021-02-02
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度神经网络的城市区域聚集度预测方法、设备及介质，其中方法为：从城市的私家车轨迹中提取节假日每个时段的停留数据，所述停留数据包括该时段内所有停留点的位置和停留时长；根据每个时段内所有停留点的位置和停留时长，分别计算该时段内有关停留点的空间概率密度分布和时间概率密度分布；使用节假日连续时段对应构成的空间概率密度分布序列和时间概率密度分布序列分别构建训练集和预测标签集，训练预搭建的神经网络模型，得到聚集度预测模型；使用聚集度预测模型对目标预测时段的聚集度进行滚动预测。本发明适用于节假日期间对城市聚集度进行预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
