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！

龙图腾网获悉厦门大学申请的专利面向车辆簇的数据内容缓存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：CN116233958B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310089125.5，技术领域涉及：H04W40/20；该发明授权面向车辆簇的数据内容缓存方法是由唐余亮;叶文慧;郑可;韦驰设计研发完成，并于2023-02-01向国家知识产权局提交的专利申请。

本面向车辆簇的数据内容缓存方法在说明书摘要公布了：本发明公开了一种面向车辆簇的数据内容缓存方法，包括：获取通信范围内的每辆车与其邻居车辆之间的相对移动性和内容偏好相似度，以便根据相对移动性和内容偏好相似度对宏基站覆盖范围内的所有车辆进行分簇；宏基站构建全局模型，以便每个车辆簇的簇头车辆下载全局模型参数；每个车辆簇的簇头车辆根据全局模型参数和本地训练样本对局部模型进行训练，以得到更新后的局部模型参数；宏基站聚合所有接收到的更新后的局部模型参数，并更新全局模型参数，直至全局模型收敛；每个车辆簇的簇头车辆根据训练好的全局模型进行相应的内容缓存；从而在降低车辆网络拓扑动态性的基础上有效提升内容的缓存命中率及缓存交付率。

本发明授权面向车辆簇的数据内容缓存方法在权利要求书中公布了：1.一种面向车辆簇的数据内容缓存方法，其特征在于，包括以下步骤： 获取通信范围内的每辆车与其邻居车辆之间的相对移动性和内容偏好相似度，以便根据所述相对移动性和所述内容偏好相似度对宏基站覆盖范围内的所有车辆进行分簇，其中，每个车辆簇包括一个簇头车辆； 所述宏基站构建全局模型，以便所述每个车辆簇的簇头车辆下载全局模型参数； 所述每个车辆簇的簇头车辆根据所述全局模型参数和本地训练样本对局部模型进行训练，以得到更新后的局部模型参数，并将所述更新后的局部模型参数上传至所述宏基站； 所述宏基站聚合所有接收到的局部模型参数，并更新全局模型参数，直至所述全局模型收敛，以完成所述全局模型的训练； 所述每个车辆簇的簇头车辆获取训练好的全局模型，以便根据所述训练好的全局模型进行相应的内容缓存； 其中，获取通信范围内的每辆车与其邻居车辆之间的相对移动性和内容偏好相似度，包括： 获取通信范围内的每辆车与其邻居车辆之间的相对速度和相对距离，以便根据所述相对速度和相对距离获取相对移动性； 获取通信范围内的每辆车的历史访问内容的类型和访问时长，以便根据所述历史访问内容的类型和访问时长得到所述每辆车的兴趣偏好特征，并根据所述兴趣偏好特征获取每辆车与其邻居车辆之间的内容偏好相似度； 其中，根据所述相对移动性和所述内容偏好相似度对宏基站覆盖范围内的所有辆车进行分簇，包括： 根据所述每辆车与其邻居车辆之间的相对移动性和对应的邻居车辆数目获取每辆车的簇头因子值，并选取簇头因子值最小的车辆作为簇头车辆； 簇头车辆向通信范围内的邻居车辆广播簇头消息，以便接收到簇头消息的车辆选择簇头因子值最小的簇头车辆发送入簇申请； 簇头车辆根据所述相对移动性和所述内容偏好相似度获取车辆的入簇因子值，并按照入簇因子值由小到大的顺序将车辆入簇，以完成车辆分簇； 其中，根据以下公式获取每辆车的簇头因子值： 其中，α1、α2、α2为加权系数，α1、α2、α2∈0,1，α1+α2+α2＝1；为车辆uk的速度矢量，为车辆uq的速度矢量，二维坐标xk,yk表征车辆uk的瞬时位置，二维坐标xq,yq表征车辆uq的瞬时位置，DNLk为uk的邻居节点列表，|DNLk|＝nk，RVk为uk与其直接邻居节点的相对移动性，RDk为uk与其直接邻居节点的相对距离；Mk越小，表明uk与其直接邻居节点的相对速度及相对距离越小且拥有的直接邻居节点数目更多，此时uk越有可能成为簇头。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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”。

以上内容由龙图腾AI智能生成。