-
公开(公告)号:CN119211996B
公开(公告)日:2025-04-29
申请号:CN202411733913.4
申请日:2024-11-29
Applicant: 电子科技大学
IPC: H04W28/02 , H04W28/084 , H04W28/08
Abstract: 本发明公开了一种基于位置预测的边缘服务预部署方法,属于基于移动边缘计算的服务部署领域。本发明利用用户轨迹的形状信息和时空信息判断轨迹相似性,从用户的历史数据中筛选出符合相似性标准的路径集合,建立转移概率矩阵以预测用户下一时间点的位置,在保证服务时间的前提下显著增加了用户位置预测准确性;同时,以用户为中心,建立用户与移动边缘计算MEC服务器之间的偏好列表,在预测位置实现用户和MEC服务器之间的双边稳定匹配,并将服务预部署问题建模为平均场博弈模型,在增加用户数据传输速率的同时降低了服务预部署时延,提升用户体验。
-
公开(公告)号:CN109257724B
公开(公告)日:2020-01-10
申请号:CN201811357697.2
申请日:2018-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种车联网环境中安全可靠车辆雾的构建方法,其包括获取任一路段中所有车辆的当前车辆信息;根据所有车辆的当前车辆信息中车辆类型和雾首因子,选取车辆雾的雾首;当存在入雾车辆申请加入车辆雾时,基于椭圆加密和密钥分享方案,对入雾车辆和雾首进行安全认证;当入雾车辆和雾首均通过安全认证,则允许入雾车辆加入车辆雾;接收车辆雾中所有雾内车辆上传的当前车辆信息;根据雾内车辆的当前车辆信息,采用BP神经网络模型和随机森林二分类模型剔除车辆雾中已发生变异的车辆。
-
公开(公告)号:CN115051998B
公开(公告)日:2023-06-20
申请号:CN202210650235.X
申请日:2022-06-09
Applicant: 电子科技大学
IPC: H04L67/1014 , H04L67/1012 , H04L67/61 , G06F9/445 , G06F9/48 , G06F9/50
Abstract: 本发明公开了一种自适应边缘计算卸载方法、装置及计算机可读存储介质,所述自适应计算卸载方法包括:S101:获取用户任务请求;S102:判断用户任务请求中的服务特征是否存在于MEC服务器中,若是,进入步骤S103,否则,执行可卸载对象预处理方案并进入步骤S103;S103:执行卸载方案并输出计算卸载结果。本发明能够减少边缘服务的缓存空间、降低边缘服务器上的能耗的同时降低任务卸载的决策时间和决策复杂度。
-
公开(公告)号:CN119211996A
公开(公告)日:2024-12-27
申请号:CN202411733913.4
申请日:2024-11-29
Applicant: 电子科技大学
IPC: H04W28/02 , H04W28/084 , H04W28/08
Abstract: 本发明公开了一种基于位置预测的边缘服务预部署方法,属于基于移动边缘计算的服务部署领域。本发明利用用户轨迹的形状信息和时空信息判断轨迹相似性,从用户的历史数据中筛选出符合相似性标准的路径集合,建立转移概率矩阵以预测用户下一时间点的位置,在保证服务时间的前提下显著增加了用户位置预测准确性;同时,以用户为中心,建立用户与移动边缘计算MEC服务器之间的偏好列表,在预测位置实现用户和MEC服务器之间的双边稳定匹配,并将服务预部署问题建模为平均场博弈模型,在增加用户数据传输速率的同时降低了服务预部署时延,提升用户体验。
-
公开(公告)号:CN115051998A
公开(公告)日:2022-09-13
申请号:CN202210650235.X
申请日:2022-06-09
Applicant: 电子科技大学
IPC: H04L67/1014 , H04L67/1012 , H04L67/61 , G06F9/445 , G06F9/48 , G06F9/50
Abstract: 本发明公开了一种自适应边缘计算卸载方法、装置及计算机可读存储介质,所述自适应计算卸载方法包括:S101:获取用户任务请求;S102:判断用户任务请求中的服务特征是否存在于MEC服务器中,若是,进入步骤S103,否则,执行可卸载对象预处理方案并进入步骤S103;S103:执行卸载方案并输出计算卸载结果。本发明能够减少边缘服务的缓存空间、降低边缘服务器上的能耗的同时降低任务卸载的决策时间和决策复杂度。
-
公开(公告)号:CN109257724A
公开(公告)日:2019-01-22
申请号:CN201811357697.2
申请日:2018-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种车联网环境中安全可靠车辆雾的构建方法,其包括获取任一路段中所有车辆的当前车辆信息;根据所有车辆的当前车辆信息中车辆类型和雾首因子,选取车辆雾的雾首;当存在入雾车辆申请加入车辆雾时,基于椭圆加密和密钥分享方案,对入雾车辆和雾首进行安全认证;当入雾车辆和雾首均通过安全认证,则允许入雾车辆加入车辆雾;接收车辆雾中所有雾内车辆上传的当前车辆信息;根据雾内车辆的当前车辆信息,采用BP神经网络模型和随机森林二分类模型剔除车辆雾中已发生变异的车辆。
-
-
-
-
-