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！

龙图腾网获悉北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院);北京理工大学申请的专利一种针对不同路况感知覆盖问题的设备部署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：CN119479303B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411690589.2，技术领域涉及：H04W24/02；该发明授权一种针对不同路况感知覆盖问题的设备部署优化方法是由孙超;赵跃然;王博;李浩宇;李诺然;宋叙澎;谢永琪设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种针对不同路况感知覆盖问题的设备部署优化方法在说明书摘要公布了：本发明提供一种针对不同路况感知覆盖问题的设备部署优化方法，包括以下步骤：分析不同道路类型，建立栅格地图库和路侧设备模型库；为了保证优化结果的合理性和鲁棒性，采用两阶段的方法，以针对传感器、MEC关键设备开展部署优化；在第一阶段，基于NSGA‑Ⅱ算法对RSU中的传感器进行部署设计，确保传感器在不同道路场景中的最优配置；在第二阶段，运用聚类和模型预测控制MPC的混合专家模型对MEC设备进行部署，并建立路侧设备之间的拓扑关系，以适应实际道路场景的通信需求；基于得到路侧设备部署方案，开展实际场景下的部署。本发明能够基于优化算法可以针对多种不同的场景和传感器需求开展优化部署，具有较高的数据传输的鲁棒性。

本发明授权一种针对不同路况感知覆盖问题的设备部署优化方法在权利要求书中公布了：1.一种针对不同路况感知覆盖问题的设备部署优化方法，其特征在于，包括以下步骤： S1，分析不同道路类型，建立栅格地图库和路侧设备模型库； S2，为了保证优化结果的合理性和鲁棒性，采用两阶段的方法，以针对传感器、MEC关键设备开展部署优化； 在第一阶段，基于NSGA-Ⅱ算法对RSU中的传感器进行部署设计，确保传感器在不同道路场景中的最优配置； 第一阶段采用RSU部署优化器； 第一个阶段基于NSGA-Ⅱ算法，以覆盖率和费用作为优化目标，针对RSU中传感器的位置坐标、感知半径、FOV、部署费用进行部署及优化设计，得到RSU部署的最优方案； 优化变量设置为：传感器的最大感知距离、FOV、部署费用、镜头朝向和最大通信带宽； 接着，设置优化过程的约束条件： 1 2 3 其中代表覆盖率，代表冗余率，表示第个和第个传感器间的间距； 设置优化变量：覆盖率coverage： 4 其中，为地图中位于第i个栅格对应的权重，为地图中位于第i个栅格对应的覆盖分数； 然后应用改进的NSGA-Ⅱ算法，开展路侧RSU设备的部署设计； 种群初始化模块中，根据预设的种群规模N，随机生成若干个由N个RSU个体组成的部署方案，每个部署方案都是一个种群，具有个N个RSU，每个RSU中有若干个传感器，部署方案的适应度等于每个RSU的适应度之和； 个体适应度函数值是遗传算法种群中个体间进行比较和淘汰的依据，也是遗传算法最为关键的内容，不同的个体之间根据其个体适应度之间的大小进行排序，位于序列尾端超出会被淘汰，从而保证算法向着整体适应度高的方向收敛；种群个体的适应度为： 5 其中Bn为个体适应度，Sn为当前个体新覆盖的栅格分值，Gn为当前个体新冗余的栅格分值，Rn为当前设备探测半径；适应值越高的个体，其新覆盖的栅格分值越高，说明其单位面积下，净增加的栅格分值越高，因而说明其覆盖性能相对更加优秀；最后取栅格地图的总的分值作为种群的适应度分数，参与种群外部竞争，而种群内部根据Bn进行种群内部竞争； 种群选择部分采用基于锦标赛的选择法，随机选择两个部署方案进行比较，适应度高的部署方案选择产生子代； 产生子代部署方案的过程中包含交叉和变异；交叉操作采用单点交叉，随机互换两个部署方案中部分RSU内传感器的类型、坐标和参数；变异操作采用单点变异，随机修改部署方案中的RSU内传感器的类型、坐标和参数，其中个体适应度越低的RSU越容易发生变异； 最后，根据得到的部署方案的适应度分数，对各个部署方案进行排序，仅保留前50个部署方案；在迭代代数达到要求时，输出最优的部署方案； 在第二阶段，运用聚类和模型预测控制MPC的混合专家模型对MEC设备进行部署，并建立路侧设备之间的拓扑关系，以适应实际道路场景的通信需求； S3，基于得到路侧设备部署方案，开展实际场景下的部署。

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理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院);北京理工大学，其通讯地址为：518118 广东省深圳市坪山区坪山大道2007号创新广场A座19层；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。