一种无线信道分配方法
    11.
    发明公开

    公开(公告)号:CN111405677A

    公开(公告)日:2020-07-10

    申请号:CN202010274734.4

    申请日:2020-04-09

    摘要: 本发明公开了一种无线信道分配方法,涉及无线信道分配技术,包括:基站动作:在无线通信系统中,大规模离线节点快速移动到固定基站附近,突发请求接入基站时,基站广播BEACON消息,节点根据BEACON消息发送接入请求;基站根据密集节点群中的节点对信道的竞争情况判断竞争强度,确定信道竞争模式,并通知节点;节点动作:节点同步竞争模式,预约业务信道;预约成功后再在指定业务信道上完成通信;节点通信结束后释放所占信道;提高业务信道的利用率。本发明的方法有效解决了高速密集节点群由于节点密度大和运动速度快带来的无法及时接入业务信道的问题,固定基站拥有在CCH和SCH多信道上同时工作的能力。

    基于Transformer的扩散图注意力网络交通流预测方法

    公开(公告)号:CN116504060B

    公开(公告)日:2024-05-14

    申请号:CN202310483068.9

    申请日:2023-05-01

    IPC分类号: G08G1/01 G06N3/0464 G06N3/08

    摘要: 基于Transformer的扩散图注意力网络交通流预测方法,所述的交通流组合预测方法,T‑DGAN方法采用Transformer编码器‑解码器架构,其中编码器和解码器包含多个时空卷积网络模块(ST‑Conv Block)和扩散图注意力模块(DGA‑Block),ST‑Conv Block通过时间门控卷积网络和空间卷积网络分别捕获交通流的时间依赖性和空间相关性,DGA‑Block利用查询键值自注意力机制自适应学习每个扩散步的扩散参数,并动态更新邻接转移矩阵,以捕获交通流的动态空间相关性。此外,解码器增加了信息辅助模块,以聚合编码器和解码器之间的交通流信息。

    一种时空卷积融合概率稀疏注意力机制的交通流预测方法

    公开(公告)号:CN117290706A

    公开(公告)日:2023-12-26

    申请号:CN202311424611.4

    申请日:2023-10-31

    摘要: 一种时空卷积融合概率稀疏注意力机制的交通流预测方法,所述的交通流组合预测方法,包含时空图卷积模块(T‑GCN Block)、时空卷积模块(ST‑Conv Block)和多头概率稀疏注意力模块(ProbSSAtt Block)。其中,T‑GCN Block中的Gated TCN和GCN分别用于捕捉交通流的时间依赖性和空间相关性,堆叠多个T‑GCN Block以处理不同时间级别的空间依赖性;ST‑Conv Block用于捕获同一位置交通流的复杂时间依赖性和同一时间步长上邻近位置交通流的动态空间相关性;ProbSSAtt Block结合动态时空特征并有效地进行长期预测。

    基于图注意力机制和双向门控循环单元交通流预测方法

    公开(公告)号:CN116524710A

    公开(公告)日:2023-08-01

    申请号:CN202310136135.X

    申请日:2023-02-20

    IPC分类号: G08G1/01 G06N3/0464 G08G1/052

    摘要: 本发明公开了基于图注意力机制和双向门控循环单元交通流预测方法,本发明通过捕获空间依赖特征、捕获时间依赖特征、全连接操作、结果预测这四个步骤予以实现。本发明对于时空结合的基准模型,STGCN通过结合图卷积和一维时间卷积来提取时空信息;DCRNN以编码器‑解码器的形式将空间维度处理过的图卷积信息输入到循环神经网络中来提取时空依赖特征;在时空特征的提取上,整体的表现都优于其他基准模型,在长时交通流预测方面取得了很好的效果。本发明模型在现实路网中不同节点的交通预测结果都表现不错,能充分捕获交通路网的时空依赖特征,更加体现出本发明模型在长时交通流预测方面的有效性,可以反映出真实的车辆速度变化趋势。

    基于SARIMA-GA-Elman组合模型的短时交通流量预测系统

    公开(公告)号:CN112767692A

    公开(公告)日:2021-05-07

    申请号:CN202011612835.4

    申请日:2020-12-30

    摘要: 本发明公开了基于SARIMA‑GA‑Elman组合模型的短时交通流量预测系统,属于智能交通系统车流量预测技术领域。本发明通过SARIMA模型的建模、Elman‑RNN预测、SARIMA‑GA‑Elman组合预测、线性预测和非线性预测这五个步骤来实现。本发明训练神经网络往往要耗费大量时间成本,本发明提出了一种新颖的优化方法来解决这个问题。首先,基于GA训练Elman‑RNN的权值和阈值得到最优解的区间临近值,然后使用Elman‑RNN的梯度下降算法继续训练得到最终的权值和阈值。这种优化方式和迁移学习非常相似,可以提高模型的训练效率。本发明利用经过SARIMA预测后的预测误差构建Elman‑RNN非线性模型。预测误差排除了线性因素和日周期因素的干扰,包含交通流的非线性特征。两个模型充分考虑了交通流的周期性,线性和非线性特征。

    一种TDMA-OFDM联合的安全信息传输信道资源块分配方法

    公开(公告)号:CN112566067A

    公开(公告)日:2021-03-26

    申请号:CN202011408168.8

    申请日:2020-12-04

    摘要: 本发明公开了一种TDMA‑OFDM联合的安全信息传输信道资源块分配方法,属于车联网中的无线信道分配技术领域。本发明通过控制信道传输安全信息周期内的资源块划分和按照优先次序把资源块分给节点进行分配。本发明在频率上对信道资源进行区分,从而克服了信道资源不足的问题。本发明把划分的信道资源固定分配给网络中的节点,消除了因为竞争带来的冲突问题。采用本发明中的方法,避免了大量节点竞争信道时采用CSMA/CA带来的退等时间延迟。本发明的方法有效解决了高速密集节点群由于节点密度大和运动速度快带来的无法及时接入信道传输安全信息的问题。

    一种紧急通信场景中的毫米波多用户资源分配方法

    公开(公告)号:CN112423275A

    公开(公告)日:2021-02-26

    申请号:CN202011297288.5

    申请日:2020-11-19

    摘要: 一种紧急通信场景中的毫米波多用户资源分配方法,该方法给出了毫米波基站射频链路分配机制,借助D2D通信技术满足用户紧急通信,可减轻基站负载,增加用户接入率。实现包括:利用拍卖模型将基站射频链路进行分配,使用户分为蜂窝通信及D2D通信两种;在保证用户服务质量的条件下,利用线性规划方法选择D2D用户的可复用蜂窝用户,并提出了基于拉格朗日算法的最优功率分配方案,通过控制D2D用户发射功率,获得使系统吞吐量最大的用户发射功率。本发明能增加多用户毫米波通信系统中的用户接入率并有效缓解基站射频链路紧张状况,显著提升系统吞吐量,解决紧急场景中的用户通信问题,实现信息的高效传输。

    一种智能垃圾回收系统
    20.
    发明公开

    公开(公告)号:CN111924375A

    公开(公告)日:2020-11-13

    申请号:CN202010795292.8

    申请日:2020-08-10

    IPC分类号: B65F1/14 B65F1/16

    摘要: 本发明公开了一种智能垃圾回收系统,包括:超声波传感器,安装在垃圾桶的桶盖上,用于实时监测垃圾桶内垃圾距离桶盖的高度,当超过垃圾桶高度80%时,通知清洁人员进行清理;JHBL悬臂式传感器,安装在垃圾桶内底部,用于实现垃圾桶内垃圾的称重,并将采集的重量信息换算成对应的积分数值;红外传感器和单片机,用于实现垃圾桶的桶盖的自动启闭;配套微信小程序,用于实现所投放垃圾的选择、垃圾桶满溢情况的查看、用户积分值的查看和兑换。本发明可以精确的计算每次垃圾回收量返送用户积分,用户积分可以兑换精美小礼品,同时具有语音报警功能,提示垃圾是否溢出,手机app在线交互,操作简单,方便,快捷,增强趣味性和用户体验。