-
公开(公告)号:CN112953625A
公开(公告)日:2021-06-11
申请号:CN202110456288.3
申请日:2021-04-26
Applicant: 南京大学
IPC: H04B7/185
Abstract: 本发明公开了一种超大规模低轨卫星网络运维及资源管控方法,首先MEO卫星收集LEO卫星上报的地理位置信息;接着MEO卫星根据LEO卫星的地理位置,对超大规模LEO卫星网络进行分层管理;所述分层管理模式包括分组管理和分簇管理;每个LEO分组的所有簇头作为LEO‑MEO通信头节点,每个分组的LEO‑MEO通信头节点与对应的MEO通过层间链路IOL建立连接;LEO簇成员周期性地将自己的状态信息上报给对应的簇头LEO卫星,MEO卫星进行汇总;相比现有的卫星网络运维方法,本发明可以实现超大规模星座系统的轻量级快速控制,可以达到分钟级的运维响应速度,可以提升周期性状态信息收集效率,确保网络服务的连续性和一致性。
-
公开(公告)号:CN108877268B
公开(公告)日:2021-05-25
申请号:CN201810893061.3
申请日:2018-08-07
Applicant: 南京大学
IPC: G08G1/0967 , G08G1/16
Abstract: 一种面向无人驾驶的无红绿灯十字路口智能调度方法,包括以下步骤:步骤1:设立基于十字路口交通管理器以及调度区和划分碰撞避免区,建立以交通管理器作为协同车辆通信、规划车辆调度的中心控制管理机制;步骤2:交通管理器接收进入调度区具体车辆的行驶数据,并返给具体车辆通过十字路口的调度信息;步骤3:根据调度信息的引导,无人驾驶车辆进行相应调整通过十字路口;所述碰撞避免区是十字路口两条车道的交叉区,碰撞避免区被划分成16个相同面积的正方形冲突区域,同一个正方形冲突区域最多只能由一辆车占用;进入所述碰撞避免区的无人驾驶车需以同一恒定的速度并按既定方向行驶。
-
公开(公告)号:CN112953625B
公开(公告)日:2022-12-27
申请号:CN202110456288.3
申请日:2021-04-26
Applicant: 南京大学
IPC: H04B7/185
Abstract: 本发明公开了一种超大规模低轨卫星网络运维及资源管控方法,首先MEO卫星收集LEO卫星上报的地理位置信息;接着MEO卫星根据LEO卫星的地理位置,对超大规模LEO卫星网络进行分层管理;所述分层管理模式包括分组管理和分簇管理;每个LEO分组的所有簇头作为LEO‑MEO通信头节点,每个分组的LEO‑MEO通信头节点与对应的MEO通过层间链路IOL建立连接;LEO簇成员周期性地将自己的状态信息上报给对应的簇头LEO卫星,MEO卫星进行汇总;相比现有的卫星网络运维方法,本发明可以实现超大规模星座系统的轻量级快速控制,可以达到分钟级的运维响应速度,可以提升周期性状态信息收集效率,确保网络服务的连续性和一致性。
-
公开(公告)号:CN113283075A
公开(公告)日:2021-08-20
申请号:CN202110558523.8
申请日:2021-05-21
Applicant: 南京大学
Abstract: 一种面向超密集大规模卫星场景的轻量化仿真架构设计方法,包括如下步骤:设计辅助管理场景实体的仿真控制抽象NodeFactory类型,使用单例模式维护唯一时间并给每个卫星节点实例分配唯一身份标识;具体为,设计最小物理单元卫星节点的抽象Node类型,作为仿真基石代表一颗仿真场景中的实际卫星,存储卫星相关参数;设计卫星节点以逻辑组合而成的单层星座抽象Constellation类型,包含星座构成参数、所属卫星链接、星座运动简化;设计面向用户的由多个星座组合而成的最终仿真场景抽象Simulation类型,封装使大规模卫星仿真便捷化的常用方法以及底层接口;根据上述抽象类型编写主脚本进行仿真。
-
公开(公告)号:CN112629533B
公开(公告)日:2023-07-25
申请号:CN202011252260.X
申请日:2020-11-11
Applicant: 南京大学
Abstract: 本发明基于路网栅格化道路车流预测的路径规划方法,步骤如下:基于城市的路网图,将城市划分为M×N的网格区域,在城市的路网中,将某一时刻的所有车辆的GPS或北斗数据根据经纬度和方向分配到所属的网格内,得到城市路网图的向不同方向的密度图;将得到的路网的某一时刻的密度图作为神经网络的输入,利用前30±15分钟的路网密度数据预测未来10±5分钟的神经网络;根据预测前某一时刻的道路周围网格区域的车流密度以及道路车流密度和平均速度的关系,计算得到预测后各道路的车辆平均行驶速度。根据某车辆当前所在位置划分一个栅格区域,并根据预测的未来10±5分钟的道路车辆密度和平均行驶速度信息,选择车辆在某一栅格区域内的道路。
-
公开(公告)号:CN113516277A
公开(公告)日:2021-10-19
申请号:CN202110392345.6
申请日:2021-04-13
Applicant: 南京大学
Abstract: 本发明提供了一种基于路网动态定价的网联智能交通路径规划方法,首先交通管理者根据历史交通流数据,使用卷积神经网络预测每条道路的车流密度,并且制定通行价格,发布至智能交通系统,每个车辆通过路网时均需支付相应通行费用;用户车辆到达十字路口时,获取实时路网的状态信息,使用强化学习计算下一时刻的最优行驶路径;接着用户车辆将执行的行驶路径实时反馈至智能交通系统,交通管理者接收到交通流数据后,重复使用卷积神经网络进行实时更新车流密度,并同步制定下一阶段的道路通行价格;本发明提供的网联智能交通路径规划方法能够应对高速变化的城市交通状况,强化学习过程在用户车辆端完成,降低智能交通系统的计算量。
-
公开(公告)号:CN113283075B
公开(公告)日:2023-11-03
申请号:CN202110558523.8
申请日:2021-05-21
Applicant: 南京大学
Abstract: 一种面向超密集大规模卫星场景的轻量化仿真架构设计方法,包括如下步骤:设计辅助管理场景实体的仿真控制抽象NodeFactory类型,使用单例模式维护唯一时间并给每个卫星节点实例分配唯一身份标识;具体为,设计最小物理单元卫星节点的抽象Node类型,作为仿真基石代表一颗仿真场景中的实际卫星,存储卫星相关参数;设计卫星节点以逻辑组合而成的单层星座抽象Constellation类型,包含星座构成参数、所属卫星链接、星座运动简化;设计面向用户的由多个星座组合而成的最终仿真场景抽象Simulation类型,封装使大规模卫星仿真便捷化的常用方法以及底层接口;根据上述抽象类型编写主脚本进行仿真。
-
公开(公告)号:CN113516277B
公开(公告)日:2023-10-17
申请号:CN202110392345.6
申请日:2021-04-13
Applicant: 南京大学
IPC: G06Q10/047 , G06Q50/26 , G06N3/0464
Abstract: 本发明提供了一种基于路网动态定价的网联智能交通路径规划方法,首先交通管理者根据历史交通流数据,使用卷积神经网络预测每条道路的车流密度,并且制定通行价格,发布至智能交通系统,每个车辆通过路网时均需支付相应通行费用;用户车辆到达十字路口时,获取实时路网的状态信息,使用强化学习计算下一时刻的最优行驶路径;接着用户车辆将执行的行驶路径实时反馈至智能交通系统,交通管理者接收到交通流数据后,重复使用卷积神经网络进行实时更新车流密度,并同步制定下一阶段的道路通行价格;本发明提供的网联智能交通路径规划方法能够应对高速变化的城市交通状况,强化学习过程在用户车辆端完成,降低智能交通系统的计算量。
-
公开(公告)号:CN112629533A
公开(公告)日:2021-04-09
申请号:CN202011252260.X
申请日:2020-11-11
Applicant: 南京大学
Abstract: 本发明基于路网栅格化道路车流预测的路径规划方法,步骤如下:基于城市的路网图,将城市划分为M×N的网格区域,在城市的路网中,将某一时刻的所有车辆的GPS或北斗数据根据经纬度和方向分配到所属的网格内,得到城市路网图的向不同方向的密度图;将得到的路网的某一时刻的密度图作为神经网络的输入,利用前30±15分钟的路网密度数据预测未来10±5分钟的神经网络;根据预测前某一时刻的道路周围网格区域的车流密度以及道路车流密度和平均速度的关系,计算得到预测后各道路的车辆平均行驶速度。根据某车辆当前所在位置划分一个栅格区域,并根据预测的未来10±5分钟的道路车辆密度和平均行驶速度信息,选择车辆在某一栅格区域内的道路。
-
公开(公告)号:CN108877268A
公开(公告)日:2018-11-23
申请号:CN201810893061.3
申请日:2018-08-07
Applicant: 南京大学
IPC: G08G1/0967 , G08G1/16
Abstract: 一种面向无人驾驶的无红绿灯十字路口智能调度方法,包括以下步骤:步骤1:设立基于十字路口交通管理器以及调度区和划分碰撞避免区,建立以交通管理器作为协同车辆通信、规划车辆调度的中心控制管理机制;步骤2:交通管理器接收进入调度区具体车辆的行驶数据,并返给具体车辆通过十字路口的调度信息;步骤3:根据调度信息的引导,无人驾驶车辆进行相应调整通过十字路口;所述碰撞避免区是十字路口两条车道的交叉区,碰撞避免区被划分成16个相同面积的正方形冲突区域,同一个正方形冲突区域最多只能由一辆车占用;进入所述碰撞避免区的无人驾驶车需以同一恒定的速度并按既定方向行驶。
-
-
-
-
-
-
-
-
-