买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京交通大学申请的专利基于自学习的车辆边缘计算和网络的可靠卸载优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119012281B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411015350.5，技术领域涉及：H04W28/08；该发明授权基于自学习的车辆边缘计算和网络的可靠卸载优化方法是由荆涛;李学汉;王晓轩;霍炎;李翔宇;高青鹤设计研发完成，并于2024-07-26向国家知识产权局提交的专利申请。

本基于自学习的车辆边缘计算和网络的可靠卸载优化方法在说明书摘要公布了：本发明涉及智能交通控制技术领域，公开了基于自学习的车辆边缘计算和网络的可靠卸载优化方法，包括以下步骤：构建包含物理网络层、卸载边缘层以及区块链网络层的车辆边缘计算和网络的三层卸载模型；利用物理网络层中的车辆生成任务，并根据任务中的安全相关系数，设计两类任务的卸载方法，得到卸载矩阵，用于实现任务卸载；定义新指标cEDP为基于总能耗、总延迟以及隐私暴露风险的卸载可靠性度量指标并进行优化，得到优化的新指标cEDP；对设计的两类任务的卸载方法进行优化，构建分散卸载优化问题；采用基于自主学习的可靠隐私保护卸载的博弈论与自学习方法对构建的分散卸载优化问题进行求解，得到最佳的卸载矩阵；该方法保证与提高了卸载可靠性。

本发明授权基于自学习的车辆边缘计算和网络的可靠卸载优化方法在权利要求书中公布了：1.基于自学习的车辆边缘计算和网络的可靠卸载优化方法，其特征在于，包括以下步骤：S1、构建包含物理网络层、卸载边缘层以及区块链网络层的车辆边缘计算和网络的三层卸载模型；S2、基于构建的包含物理网络层、卸载边缘层以及区块链网络层的车辆边缘计算和网络的三层卸载模型，利用物理网络层中的车辆生成任务，并根据任务中的安全相关系数，设计两类任务的卸载方法，得到卸载矩阵，用于实现任务卸载；其中，两类任务为安全强相关任务与安全弱相关任务；其中，车辆生成的任务集为：T＝{T1,T2,…,Ti,…,Tn}其中，T表示车辆生成的任务集，T1表示第1个车辆生成的任务，T2表示第2个车辆生成的任务，Ti表示第i个车辆生成的任务，Tn表示第n个车辆生成的任务；其中，车辆生成的任务由数据信息、数据大小、处理密度、生成时刻、安全相关系数以及独特性组成，即： 其中，表示定义符，Di表示第i个车辆生成的任务的数据信息，Si表示第i个车辆生成的任务的数据大小，Ci表示第i个车辆生成的任务的处理密度，表示第i个车辆生成的任务的生成时刻，SRi表示第i个车辆生成的任务的安全相关系数，εi表示第i个车辆生成的任务的独特性；其中，任务的独特性受任务类型、生成来源和时间以及所有者身份的影响；S3、定义新指标cEDP为基于总能耗、总延迟以及隐私暴露风险的卸载可靠性度量指标，并对新指标cEDP进行优化，得到优化的新指标cEDP，具体为：S31、定义新指标cEDP，即：cEDPi＝fti,Ei,peri其中，cEDPi表示第i个车辆的新指标cEDP，f·表示组合函数，ti表示第i个车辆生成的任务Ti在计算卸载时的总延迟，Ei表示第i个车辆生成的任务Ti在计算卸载时的总能耗，peri表示第i个车辆生成的任务Ti在计算卸载时的隐私暴露风险；S32、计算车辆生成的任务在计算卸载时的总延迟和总能耗，即： 其中，表示第i个车辆生成的任务Ti在本地处理阶段产生的延迟，表示第i个车辆生成的任务Ti在传输阶段产生的延迟，表示第i个车辆生成的任务Ti在任务数据计算阶段产生的延迟，表示第i个车辆生成的任务Ti在本地处理阶段产生的能耗，表示第i个车辆生成的任务Ti在传输阶段产生的能耗，表示第i个车辆生成的任务Ti在任务数据计算阶段产生的能耗；S33、计算车辆生成的任务在计算卸载时的隐私暴露风险，即： 其中，log表示对数函数，e表示指数函数，Frsi表示第i个车辆生成的任务Ti的任务新鲜度，表示第i个车辆生成的任务Ti采用第k种卸载方法的数据安全系数，Smid表示车辆生成的所有任务的中间大小；S34、根据计算的车辆生成的任务在计算卸载时的总延迟与总能耗、车辆生成的任务在计算卸载时的隐私暴露风险，得到优化的新指标cEDP；S4、利用优化的新指标cEDP对设计的两类任务的卸载方法进行优化，并构建分散卸载优化问题；S5、采用基于自主学习的可靠隐私保护卸载的博弈论与自学习方法对构建的分散卸载优化问题进行求解，得到最佳的卸载矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。