公开(公告)号：CN113238885B

公开(公告)日：2023-07-07

申请号：CN202110502177.1

申请日：2021-05-08

Applicant: 长安大学

Inventor： 马骏驰 ,  熊毅 ,  段宗涛 ,  唐蕾 ,  王路阳

IPC: G06F11/07 ,  G06F18/2415 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于图注意力网络的隐性偏差指令预测方法及设备，通过关注节点的邻居，遵循自注意力机制来计算图中每个节点的隐式结构特征，一个节点的结构特征是通过聚合其邻居节点得到的。自注意力机制可以捕捉到节点对相邻节点的不同重要性。此外，本发明应用不同类型的边来表示指令之间不同类型的关系，包括分支关系、寻址关系、逻辑关系、定义‑使用关系。针对不同类型的边，使用注意力机制来聚合邻居节点。本发明将隐性偏差脆弱指令的预测任务看作图神经网络的分类任务，因此在节点聚合之后进行节点分类，从而得出隐性偏差脆弱指令的预测结果。本发明将整个过程分为三步，分别是数据采集、图计算和节点分类。

公开(公告)号：CN111047179B

公开(公告)日：2021-06-01

申请号：CN201911244779.0

申请日：2019-12-06

Applicant: 长安大学

Inventor： 唐蕾 ,  马婧瑜 ,  马骏驰 ,  段宗涛 ,  贾景池 ,  杨明转 ,  行本贝

IPC: G06Q10/06 ,  G06Q10/08 ,  G06F16/2458

Abstract: 一种基于频繁模式挖掘的车辆运输效率分析方法，通过智能加载传感器获得车辆数据，对车辆数据进行预处理，得到完整的车辆数据；对完整的车辆数据进行计算，得到车辆属性信息；对车辆属性信息进行大数据感知，得到属性数据；采用频繁模式挖掘算法确定各属性数据之间的相关性度量值，通过计算两者之间的提升度，得到各个因素之间的相关性，确定影响油耗的最大因素，分析出对车辆运输效率影响的相关性因素，以降低车辆的燃油消耗为目的，进而提高车辆的运输效率。相较于现有技术,本发明能更精准地分析出影响车辆燃油消耗的主要因素，有效的得出影响车辆运输效率的相关性因素，通过降低车辆的燃油消耗，来提高车辆的运输效率。

公开(公告)号：CN110689131A

公开(公告)日：2020-01-14

申请号：CN201910920130.X

申请日：2019-09-26

Applicant: 长安大学

Inventor： 行本贝 ,  唐蕾 ,  段宗涛 ,  马骏驰 ,  贾景池 ,  李闯

IPC: G06N7/00 ,  G06Q10/06

Abstract: 一种基于朴素贝叶斯模型的车辆能耗影响分析方法，对车辆驾驶数据进行处理后再进行计算，得到车辆数据信息；通过联机分析处理对车辆数据信息进行多维度的分析，得到车辆因素和油耗的二维视图，通过判断各种车辆因素与油耗的二维视图是否有关联，从而筛选得到影响油耗的因素；对筛选出的影响油耗的因素进行离散化处理，然后划分为若个子类，并通过朴素贝叶斯模型计算各种影响油耗的因素的估计概率，确定对油耗影响最大的信息。本发明采用联机分析处理系统进行数据分析，分析各个因素是否与油耗有关联，对与油耗有关联的因素，使用数据挖掘来确定主要的节省燃料的影响因素，从而确定司机的驾驶习惯和风格，给出驾驶建议，从而达到节能驾驶的目的。

公开(公告)号：CN116822898A

公开(公告)日：2023-09-29

申请号：CN202310860203.7

申请日：2023-07-13

Applicant: 长安大学

Inventor： 张源 ,  隋芳 ,  马骏驰 ,  曹正鑫 ,  唐蕾 ,  段宗涛 ,  张翔宇 ,  哈霆誉

IPC: G06Q10/0631 ,  G06Q50/06 ,  G06N7/01 ,  G06N3/092

Abstract: 本发明提供一种基于深度强化学习的电动汽车车队调度方法和系统，包括：在电动汽车车队调度的约束条件下，确定调度的优化目标为最小化时间成本和最大化电动汽车接单数；基于电动汽车车队调度的优化目标，构建有限离散时隙的马尔可夫决策过程；通过深度Q网络求解得到有限离散时隙的马尔可夫决策过程中的最优动作价值函数，根据最优动作价值函数对应的最优动作，得到充电决策；所述最优动作为充电或不充电；针对有限离散时隙的马尔可夫决策过程，构建订单的派遣问题，对派遣问题进行求解，得到订单分配决策。本发明通过深度强化学习动态地协调每个时间步的电动汽车车队的充电与接单，为电动汽车选择合适的时机进行充电。

公开(公告)号：CN115983597A

公开(公告)日：2023-04-18

申请号：CN202310057115.3

申请日：2023-01-15

Applicant: 长安大学

Inventor： 曹正鑫 ,  唐蕾 ,  周欣 ,  张俊哲 ,  马骏驰

IPC: G06Q10/0631 ,  G06Q50/30 ,  G06F21/62 ,  G06F18/214

Abstract: 本发明提供一种基于边缘计算的本地隐私保护出行匹配方法，包括：步骤一：出行调度平台训练得到时空表示模型并分发给用户的边缘设备；所述用户包括司机和乘客；步骤二：用户的边缘设备根据时空表示模型对用户的出行基本信息进行向量表示，并将得到的向量带入用户本地的自动编码器进行多轮训练得到出行特征向量，从多轮训练结果中随机选择一个出行特征向量发送给出行调度平台；步骤三：出行调度平台根据出行特征向量的相关性进行司机和乘客的匹配，并将匹配结果发送给乘客和司机的边缘设备；步骤四：司机和乘客的边缘设备根据匹配结果建立点对点通信，完成后续出行服务。本发明解决了既要保护用户隐私信息，又要保证出行服务质量的技术问题。

公开(公告)号：CN111047179A

公开(公告)日：2020-04-21

申请号：CN201911244779.0

申请日：2019-12-06

Applicant: 长安大学

Inventor： 唐蕾 ,  马婧瑜 ,  马骏驰 ,  段宗涛 ,  贾景池 ,  杨明转 ,  行本贝

IPC: G06Q10/06 ,  G06Q10/08 ,  G06F16/2458

Abstract: 一种基于频繁模式挖掘的车辆运输效率分析方法，通过智能加载传感器获得车辆数据，对车辆数据进行预处理，得到完整的车辆数据；对完整的车辆数据进行计算，得到车辆属性信息；对车辆属性信息进行大数据感知，得到属性数据；采用频繁模式挖掘算法确定各属性数据之间的相关性度量值，通过计算两者之间的提升度，得到各个因素之间的相关性，确定影响油耗的最大因素，分析出对车辆运输效率影响的相关性因素，以降低车辆的燃油消耗为目的，进而提高车辆的运输效率。相较于现有技术,本发明能更精准地分析出影响车辆燃油消耗的主要因素，有效的得出影响车辆运输效率的相关性因素，通过降低车辆的燃油消耗，来提高车辆的运输效率。

公开(公告)号：CN113238885A

公开(公告)日：2021-08-10

申请号：CN202110502177.1

申请日：2021-05-08

Applicant: 长安大学

Inventor： 马骏驰 ,  熊毅 ,  段宗涛 ,  唐蕾 ,  王路阳

IPC: G06F11/07 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图注意力网络的隐性偏差指令预测方法及设备，通过关注节点的邻居，遵循自注意力机制来计算图中每个节点的隐式结构特征，一个节点的结构特征是通过聚合其邻居节点得到的。自注意力机制可以捕捉到节点对相邻节点的不同重要性。此外，本发明应用不同类型的边来表示指令之间不同类型的关系，包括分支关系、寻址关系、逻辑关系、定义‑使用关系。针对不同类型的边，使用注意力机制来聚合邻居节点。本发明将隐性偏差脆弱指令的预测任务看作图神经网络的分类任务，因此在节点聚合之后进行节点分类，从而得出隐性偏差脆弱指令的预测结果。本发明将整个过程分为三步，分别是数据采集、图计算和节点分类。

公开(公告)号：CN111723108A

公开(公告)日：2020-09-29

申请号：CN202010467869.2

申请日：2020-05-28

Applicant: 长安大学

Inventor： 康军 ,  张凡 ,  段宗涛 ,  唐蕾 ,  樊娜 ,  杨云 ,  陈柘 ,  王青龙 ,  马骏驰

IPC: G06F16/245 ,  G06F16/29 ,  G06F16/9537

Abstract: 本发明属于地图匹配领域，公开了一种基于GeoHash编码的候选路段选取方法及系统。本发明对于路网数据和轨迹数据进行首次GeoHash编码后，即便更换其他的路网数据和轨迹数据，仍可以重复使用。因此GeoHash编码移植性强。根据对GeoHash编码码长的设置可以调整GeoHash网格大小适应不同粒度的候选路段选取要求，因此本发明对于具体环境的适应性强，提高了搜索速度。本发明利用跨越GeoHash网格的轨迹上相邻两点之间N点插补法填补不连续GeoHash网格。最终得出轨迹数据对应的GeoHash网格为连续相邻网格，符合实际轨迹数据，保证候选路段不间断。