一种基于驾驶员监测与识别的座舱协同控制系统和方法

    公开(公告)号:CN114889542B

    公开(公告)日:2024-07-26

    申请号:CN202210621298.2

    申请日:2022-06-01

    Abstract: 本发明涉及一种基于驾驶员监测与识别的座舱协同控制系统和方法,属于人工智能领域。该系统包括座舱控制器、座椅、后视镜、车载摄像头和车载状态传感器,座舱控制器包括激活模块、驾驶员识别模块、信息获取模块、座椅调节模块、后视镜调节模块、信息存储模块和身份判断模块,各模块间相互协同,采用尺寸检测算法和视角定位检测算法实现座椅和后视镜的协同调节,并根据所识别的驾驶员身份信息结合车辆状态,将车辆状态为正常行驶时,座舱的座椅和后视镜设备的协同调节信息与身份信息结合进行记忆存储。提高座舱环境调节的准确性,增加体验感,实现最优化、最舒适和最安全的驾驶体验。

    一种基于模糊逻辑的车联网中继节点选择方法

    公开(公告)号:CN110139245B

    公开(公告)日:2022-09-02

    申请号:CN201910419688.X

    申请日:2019-05-20

    Abstract: 本发明涉及一种基于模糊逻辑的车联网中继节点选择方法,属于车载自组织网络(Vehicular Ad‑hoc Network,VANET)中信息通信领域。车载自组织网络中紧急安全消息在车辆之间依靠广播技术来进行传输,其中的关键在于中继节点的选择。本发明的核心思想是基于模糊逻辑来综合考虑车辆的覆盖范围、信道忙闲比以及移动因素,通过建立合适的模糊推理规则来得到车辆作为中继节点的转发优先级,车辆将转发优先级最大的邻居车辆节点作为下一跳的中继节点,有效降低了中继节点的数目。本发明是为了解决多个车辆节点参与消息广播中带来的广播消息延迟与冗余的问题。

    一种车联网中基于移动边缘计算的任务卸载方法

    公开(公告)号:CN114640966A

    公开(公告)日:2022-06-17

    申请号:CN202210242936.X

    申请日:2022-03-11

    Abstract: 本发明属于移动通信技术领域,具体涉及一种车联网中基于移动边缘计算的任务卸载方法,该方法包括:构建多边缘服务器联合卸载模型;获取车辆的卸载任务,并根据车辆的卸载任务构建卸载基站选择向量;根据卸载基站选择向量采用基于等价最大容忍时延的资源分配方法计算进行任务卸载的负载和能耗;以能耗作为适应性函数,并采用遗传算法对车辆的卸载任务进行迭代优化,得到卸载基站选择方案;根据卸载基站选择方案使用强化学习对任务卸载策略进行优化,得到任务卸载比率和卸载功率;根据选定的卸载基站、制定的卸载比率和卸载功率完成任务卸载;本发明有效的降低了系统总能耗开销,实现了车联网任务卸载和资源分配的有效性。

    车联网中连接时间约束下的基于资源重分配的任务卸载方法

    公开(公告)号:CN114599014A

    公开(公告)日:2022-06-07

    申请号:CN202210261412.5

    申请日:2022-03-16

    Abstract: 本发明涉及一种车联网中连接时间约束下的基于资源重分配的任务卸载方法,属于移动通信技术领域,包括以下步骤:S1:建立交通流模型,根据车辆的位置信息推导行驶速度,基于等效转换,计算车辆间的连接时间;S2:基于贪婪思想对车辆进行匹配;S3:将卸载决策、信道资源分配、新产生任务和正在计算的任务的资源分配统筹表示为方案矩阵,对迭代过程中不同的卸载决策提出概率变异策略和针对变异产生问题的修正算法,对部分卸载决策和资源分配进行归一化处理来满足约束条件;S4:基于同化变异算法和小生境改进的平衡优化器优化算法对方案矩阵进行迭代寻优。本方法提高了车辆间连接稳定性和任务卸载成功率,降低了超时率和系统成本。

    一种蜂窝与D2D混合通信网络中干扰消除的方法

    公开(公告)号:CN112689270A

    公开(公告)日:2021-04-20

    申请号:CN202011516821.2

    申请日:2020-12-21

    Inventor: 林峰 王训训 王洋

    Abstract: 本发明涉及一种蜂窝与D2D混合通信网络中干扰消除的方法,属于通信技术领域。混合网络中蜂窝基站覆盖范围内存在若干与其共享下行频谱资源的D2D通信对,移动终端均有多根天线,通过对D2D发射机终端采用预编码技术,将D2D链路对蜂窝用户的干扰约束在零空间内。使用这种传输方案,在D2D链路复用蜂窝用户下行频率资源的时候,可以消除复用带给蜂窝用户的同频干扰,可以提升系统内被复用蜂窝用户的传输速率,同时可以解决D2D终端和被复用蜂窝用户之间位置的限制,有效提高D2D终端的接入率。

    一种新的车联网MAC层的媒体接入机制和信道协作方法

    公开(公告)号:CN106255225B

    公开(公告)日:2019-04-30

    申请号:CN201610843515.7

    申请日:2016-09-22

    Abstract: 本发明涉及一种新的车联网MAC层的媒体接入机制和信道协作方法,属于车联网技术领域。该方法包括对RSU路测单元的重新定位以到达能够让网络统筹调度,合理分配资源;新的时隙区域划分,拥有更好的适应性的同时满足性能要求,即使车辆节点密度趋于饱和,也能够在一定程度上保证安全消息的传输;非及时异步的预约通信方式,更加节省信道资源,同时避免不同消息的干扰和碰撞;同时提出一种主动补偿的策略来进一步加强安全消息传输的可靠性。本发明通过控制单元将整个WBSS网络资源和信息进行统一管理,相比于传统的IEEE1609.4信道协作模式,能在很大程度上提升安全性能,避免数据碰撞的基础上,进一步利用空闲信道资源。

    一种基于注意力的长短时空图神经网络的交通流预测方法

    公开(公告)号:CN120012828A

    公开(公告)日:2025-05-16

    申请号:CN202510092271.2

    申请日:2025-01-21

    Inventor: 林峰 邵琅 蒋建春

    Abstract: 本发明涉及一种基于注意力的长短时空图神经网络的交通流预测方法,属于交通管理与智能交通领域。方法包括以下步骤:S1:获取交通的流量历史数据,包括流量、速度等特征,根据交通网络中的路段或节点关系构建邻接矩阵,以表示节点间的空间依赖,将历史数据按时间窗口分割,并对数据进行归一化处理;S2:将流量历史数据和邻接矩阵输入模型;S3:通过时空模块分别提取时间特征和空间特征,并通过前馈神经网络提高泛化能力;S4:通过空间注意力模块,通过一个三层的空间注意力块实现对共享层中重要特征的差异化提取。注意力机制根据的注意力权重来衡量输出,输出结果合并到LSTM中,并通过LSTM处理密集层的信息,以执行任务的预测。

    一种基于几何相位原理的反射型相位梯度超表面

    公开(公告)号:CN119833963A

    公开(公告)日:2025-04-15

    申请号:CN202510040996.7

    申请日:2025-01-10

    Abstract: 本发明涉及电磁超材料设计领域,特别涉及一种基于几何相位原理的反射型相位梯度超表面,由反射型相位梯度超表面单元线性排列组成,反射型相位梯度超表面单元包括:金属图案层、介质层、接地金属层,介质层设置在金属图案层和接地板金属层之间;本发明在8.00GHz~18.00GHz范围内具有10dB以上的RCS缩减,最大的缩减量可以达到36.78dB,具有RCS缩减效率高,低剖面,体积小,易于加工等优点。

    基于多智能体深度强化学习的交通信号控制方法

    公开(公告)号:CN119252054A

    公开(公告)日:2025-01-03

    申请号:CN202411501953.6

    申请日:2024-10-25

    Abstract: 本发明涉及基于多智能体深度强化学习的交通信号控制方法。该方法包括:为路口设置智能体,在云端或服务器部署拟合网络,根据交通路网结构和历史交通流数据进行预测并得到交通流预测结果Y;利用该交通流预测结果和随机获取的各个路口实时交通信息,对各个智能体和拟合网络进行训练,得到各个优化后的智能体和优化后的拟合网络;各个优化后的智能体根据交通流预测结果Y和各自当前的实时交通信息进行独立观测并将其结果传输给优化后的拟合网络,计算全局奖励并反馈给各个智能体,各个智能体根据当前各自观测结果和奖励,执行下一个动作,形成目标区域当前最优的交通信号控制策略。本发明实现了多路口的交通信号协调控制,明显提升出行效率。

    一种基于深度学习的网络入侵检测方法

    公开(公告)号:CN119109633A

    公开(公告)日:2024-12-10

    申请号:CN202411154869.1

    申请日:2024-08-22

    Inventor: 林峰 彭涛 蒋建春

    Abstract: 本发明涉及一种基于深度学习的网络入侵检测方法,该方法包括:获取待检测的网络流量数据,将其输入训练后的变分自编码器中的编码器网络,提取表征向量;将表征向量输入训练后的分类器网络中进行分类,输出入侵类别的最终检测结果;分类器网络的训练后过程包括:获取带有特定标签的第二训练数据集,经过预处理后输入训练后的变分自编码器中的编码器网络,提取表征向量;分别对所述表征向量进行聚类、过滤和过采样处理,得到增强后的表征向量;对增强后的表征向量分别进行特征提取和特征融合;将融合特征输入分类器网络中进行分类预测,计算分类损失,根据分类损失迭代优化分类器网络。本发明可以提升网络入侵检测的检测性能。

Patent Agency Ranking