-
公开(公告)号：CN119370122A
公开(公告)日：2025-01-28
申请号：CN202411505314.7
申请日：2024-10-28
Applicant: 北京理工大学
Abstract: 本申请公开了一种基于电子电气信息架构的无人车运动控制方法及系统，涉及自动驾驶技术领域，该方法包括获取无人车的车辆状态信息和车辆参数；根据车辆状态信息，建立无人车的运动学模型；根据车辆参数，建立无人车的自适应三环碰撞检测模型；基于运动学模型、自适应三环碰撞检测模型和电子电气架构模型，采用多跳环路延迟分析方法，对电子电气架构中多个节点和链路的累积环路时延进行估计，得到环路延迟的边界数值；基于环路延迟的边界数值，采用改进的双强化学习算法，对无人车进行控制训练，得到无人车的运动控制模型，本申请解决了电子电气架构异构拓扑环路延迟问题，确保了无人车在路径跟踪和安全避障方面的控制稳定性和高效性能。
-
公开(公告)号：CN117793801A
公开(公告)日：2024-03-29
申请号：CN202410205872.5
申请日：2024-02-26
Applicant: 北京理工大学
IPC: H04W28/084 , G06F9/48 , G06F18/2411 , G06F18/214
Abstract: 本发明提供了一种基于混合强化学习的车载任务卸载调度方法及系统，涉及车载任务调度技术领域，方法包括：建立车载任务协同处理网络、状态变量空间和动作变量空间，基于SADDQN网络构建通信决策模型，以确定车辆目标边缘计算节点，基于DDPG网络构建任务分配决策模型，以确定车辆任务卸载率、通信传输功率和分配算力比例；以车载任务协同处理网络的总成本最小为目标，优化得到训练好的通信决策模型和任务分配决策模型，即可根据实时的状态变量空间，输出合理的通信决策和任务分配决策，进行车载任务卸载调度。本发明解决了将车载任务不合理卸载到边缘计算节点上，导致边缘计算节点处理信息量及传递信息量过大，时延过长、能耗较大的问题。
-
公开(公告)号：CN119211889A
公开(公告)日：2024-12-27
申请号：CN202411234303.X
申请日：2024-09-04
Applicant: 北京理工大学
Abstract: 本申请公开了一种面向智能网联车辆的时间敏感网络路由规划方法及系统，涉及车载通信技术领域，该方法包括获取智能网联车辆的域集中式电子电气架构网络拓扑模型，构建加权有向图，基于链路评估模型计算链路路径可靠性概率，采用以太网帧标记法标记信息流优先级；用NSGA2算法生成主路径路由表；基于加权有向图和可靠性概率，用改进Dijkstra算法确定冗余路径路由表。基于本申请的规划方法，可实现车辆内部通信的实时性和数据传输的可靠性。
-
公开(公告)号：CN116112440B
公开(公告)日：2023-06-27
申请号：CN202310107217.1
申请日：2023-02-14
Applicant: 北京理工大学
IPC: H04L47/125 , H04L67/12 , H04L41/14 , H04L41/142 , H04L45/12
Abstract: 本发明公开一种面向时间敏感网络的车载通讯架构多目标优化方法及系统，涉及车载通讯架构优化技术领域，先建立用于对车载以太网网络架构进行优化的多目标优化模型，多目标优化模型包括以骨干网负载均衡为目标的第一目标函数、以ZCU的Switch端口数合理为目标的第二目标函数和以信息流端到端延时最低为目标的第三目标函数，然后利用多目标优化算法对多目标优化模型进行优化求解，得到车载以太网网络架构的优化方案，从而针对面向时间敏感网络的区域‑功能域电子电气架构，进行了以负载均衡、网络端口数合理和信息流端到端延时最低为优化目标的多目标优化，优化效果好。
-
公开(公告)号：CN119521164A
公开(公告)日：2025-02-25
申请号：CN202411505233.7
申请日：2024-10-28
Applicant: 北京理工大学
IPC: H04W4/40 , H04W4/02 , H04W28/08 , H04W72/044 , G06N5/01
Abstract: 本申请公开一种基于速度和计算资源预测的车辆间任务卸载的方法及系统，涉及智能交通领域，方法包括：创建目标交通网络的环境模型；对每个车辆t时刻的车速和计算资源进行归一化；基于每个车辆归一化后的t时刻的车速和计算资源，利用训练好的非标准化转化器预测每个车辆t+1时刻的车速和计算资源；基于环境模型确定每个车辆t时刻的状态序列；在MADQN模型框架下，每个车辆以t时刻的状态序列为输入，利用自身训练好的DQN网络作出t时刻的任务卸载决策，并确定每个车辆t时刻的总任务计算量；利用优化贪婪算法，对每个车辆t时刻的总任务计算量进行计算资源分配。本申请能够为每个车辆设计最优的任务卸载决策和计算资源分配策略。
-
Patent Agency Ranking
公开(公告)号：CN119398295A
公开(公告)日：2025-02-07
申请号：CN202411505309.6
申请日：2024-10-28
Applicant: 北京理工大学
IPC: G06Q10/047 , B60W60/00 , G06Q50/40
Abstract: 本申请公开了一种基于电子电气信息架构自动驾驶车辆路径规划方法及系统，涉及自动驾驶技术领域，该方法包括获取自动驾驶车辆的初始车辆状态以及驾驶环境中的障碍物信息；根据自动驾驶车辆的初始车辆状态以及驾驶环境中的障碍物信息，建立路径规划模型；基于路径规划模型和电子电气架构模型，采用改进的A*算法，对自动驾驶车辆进行全局路径规划；基于全局路径规划以及自动驾驶车辆外部环境的最新动态信息，采用启发式人工势场法，进行自动驾驶车辆的局部动态规划；根据自动驾驶车辆的全局路径规划以及局部动态规划，对自动驾驶车辆进行路径跟踪控制。本申请的方法在保证实时性的同时，兼顾了规划的最优性、安全性与平滑性。
-
公开(公告)号：CN119389195A
公开(公告)日：2025-02-07
申请号：CN202411517744.0
申请日：2024-10-29
Applicant: 北京理工大学
Abstract: 本申请公开了一种基于时间敏感网络的自适应巡航控制系统的稳定性控制方法、设备、介质及产品，涉及自适应巡航控制领域，该方法包括：确定优化目标；确定门控列表；获取解向量并解码为开窗长度和开窗偏置；对解码后的解向量进行微调；基于解码并微调后的解向量对所述优化目标进行求解，得到流的最坏端到端延时；基于所述流的最坏端到端延时和遗传算法对所述优化目标进行求解，得到延时最低的调度方案；基于延时最低的调度方案构造考虑延时的闭环系统矩阵；考虑延时的闭环系统矩阵的特征值位于单位圆内；基于考虑延时的闭环系统矩阵对自适应巡航控制系统进行控制，本申请可以有效评估TSN对自适应巡航控制系统稳定性，输出保证其稳定性的调度方案。
-
公开(公告)号：CN117793801B
公开(公告)日：2024-04-23
申请号：CN202410205872.5
申请日：2024-02-26
Applicant: 北京理工大学
IPC: H04W28/084 , G06F9/48 , G06F18/2411 , G06F18/214
Abstract: 本发明提供了一种基于混合强化学习的车载任务卸载调度方法及系统，涉及车载任务调度技术领域，方法包括：建立车载任务协同处理网络、状态变量空间和动作变量空间，基于SADDQN网络构建通信决策模型，以确定车辆目标边缘计算节点，基于DDPG网络构建任务分配决策模型，以确定车辆任务卸载率、通信传输功率和分配算力比例；以车载任务协同处理网络的总成本最小为目标，优化得到训练好的通信决策模型和任务分配决策模型，即可根据实时的状态变量空间，输出合理的通信决策和任务分配决策，进行车载任务卸载调度。本发明解决了将车载任务不合理卸载到边缘计算节点上，导致边缘计算节点处理信息量及传递信息量过大，时延过长、能耗较大的问题。
-
公开(公告)号：CN115883475B
公开(公告)日：2023-05-12
申请号：CN202310171559.X
申请日：2023-02-28
Applicant: 北京理工大学
IPC: H04L47/2425 , H04L47/32 , G06N3/126 , G06N5/01
Abstract: 本发明提供一种面向智能网联汽车的时间敏感网络流量调度方法及系统，涉及网络流量调度领域，所述方法包括：获取智能网联汽车应用时间敏感网络进行信息传输时的所有信息流及信息流属性；对所有信息流对应的所有传输端口中信息流的传输执行顺序进行随机排布，得到多种信息流传输排布方式；以所有信息流完成信息传输的延迟时间之和最小，且高优先级的信息流的延迟时间最小为目标，利用改进的遗传算法对多种信息流传输排布方式进行优化，得到最优流量调度策略。利用改进的遗传算法确定所有信息流的最优流量调度策略，提高了最优流量调度策略获取的准确性和效率，保证了车载网络信息传输的实时性。
-
公开(公告)号：CN119383665A
公开(公告)日：2025-01-28
申请号：CN202411517782.6
申请日：2024-10-29
Applicant: 北京理工大学
IPC: H04W28/084 , H04W28/08 , H04W28/082 , H04W4/44
Abstract: 本申请公开了一种边缘计算环境下车辆队列任务卸载和资源分配方法、装置、设备、介质及产品，涉及智能交通领域，该方法包括：对车辆队列的状态信息、边缘计算状态信息、车辆队列成员之间的通信以及车辆成员和MEC之间的通信进行抽象建模；构建综合成本目标函数；基于综合成本目标函数，将车辆队列的任务卸载和资源调度划分为车辆队列成员的任务卸载和计算端的资源分配；构建MATD3模型；对MATD3模型进行训练；基于训练好的MATD3模型，得到车辆队列的卸载决策；构建DDQN模型；对DDQN模型进行训练；基于训练好的DDQN模型得到计算端的资源分配决策，本申请可最大限度的实现整个车辆队列任务卸载和资源分配的整体效能。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
