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！

龙图腾网获悉湖南大学申请的专利一种个性化车路云协同任务卸载分配方法及系统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：CN115185600B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210774095.7，技术领域涉及：G06F9/445；该发明授权一种个性化车路云协同任务卸载分配方法及系统是由王晓伟;李欢;秦洪懋;胡满江;秦兆博;秦晓辉;谢国涛;徐彪;边有钢;丁荣军设计研发完成，并于2022-07-01向国家知识产权局提交的专利申请。

本一种个性化车路云协同任务卸载分配方法及系统在说明书摘要公布了：本发明主要利用推荐算法解决车路云协同中任务卸载的分配问题。主要包括：1本发明构建了一个能够衡量用户对任务卸载分配方案个性化满意程度的评价指标；2本发明构建了一套基于推荐算法的个性化车路云协同任务卸载分配方法与系统。首先，通过个性化满意度评价函数，对大量任务进行满意度计算，并对每个任务选取最优的任务卸载分配方案，将这些任务模型和所选服务节点构建为推荐系统的离线数据集；其次，构建推荐算法模型，运用离线数据集训练算法模型，使该模型可以以用户请求为输入，输出推荐的任务卸载分配方法，有效的满足用户个性化卸载需求，获得更符合用户偏好，满意度更高的任务卸载分配方案。

本发明授权一种个性化车路云协同任务卸载分配方法及系统在权利要求书中公布了：1.一种个性化车路云协同任务卸载分配方法，其特征在于：包括如下步骤： 步骤S1:构建车路云协同任务卸载系统模型； 步骤S2:构建车路云协同任务卸载目标模型与个性化满意度评价函数； 步骤S3:基于步骤S1和步骤S2中的模型和个性化满意度评价函数生成推荐系统的离线数据集； 步骤S4:构建推荐算法模型，使其可通过步骤S3中的离线数据集获取推荐的分配方案； 步骤S5:将时间离散为时隙组合，系统在时隙τ处接收该时隙内的所有用户任务请求作为一组任务请求输入，之后利用步骤S4中的推荐算法模型为用户推荐分配的最优服务节点；所述步骤S1中构建车路云协同任务卸载系统模型具体包括对车路云协同任务卸载系统中任务模型、服务节点模型的构建，任务模型如下： 在时隙t处，任务请求i包括以下详细任务信息ti,qi,si,di,pi； 其中，ti为任务请求i的时延要求，即要求该任务在其截止时间ti内完成；qi为任务请求i所需的CPU周期数，si为任务请求i的存储资源需求，di为任务i数据包尺寸，pi为发送任务请求i的车辆上行传输功率，在时隙t处，将来自多个智能网联汽车的任务构成任务集合T； 服务节点模型如下：在时隙t处，对第j个服务节点，其可用资源信息采用表示； 其中f表示该服务节点j的计算频率；b为服务节点j的带宽；为服务节点j的计算资源价格，存储资源价格，网络资源价格；所述步骤S2中构建车路云协同任务卸载目标模型与个性化满意度评价函数的具体步骤如下： 步骤S2.1：计算传输时延和计算时延构建时延模型； 步骤S2.2：通过计算资源成本、网络资源成本和存储资源成本构建成本模型，构建的成本模型如下： 对于任务i∈T，边缘计算节点j∈C，其卸载过程总成本ci,j计算公式如下： 其中，qi为任务i所需CPU周期数，为服务节点单位CPU周期的价格；si为任务i所需存储资源量，为服务节点单位存储空间的价格；bi为任务i与服务节点建立通信时，节点所能提供的网络带宽； 步骤S2.3：通过任务从车端传输数据至服务节点和接收服务节点数据结果的过程中，用户设备的能耗构建能耗模型，构建的能耗模型如下： 对于任务i∈T，边缘计算节点j∈C，其卸载过程总能耗Ei,j计算公式如下： 其中，pi为发送任务请求i的车辆上行传输功率，为上行传输时长； 故任务i和边缘计算节点j之间的总能耗Ei,j为计算公式如下： 步骤S2.4：通过时延特征的权重系数、成本特征的权重系数和能耗特征的权重系数构建个性化动态权值系数； 步骤S2.5：结合其个性化权重系数综合计算获得用户对卸载到该节点的满意度构建个性化满意度评价函数，满意度公式定义如下： Q＝rc×ci,j+rt×ti,j+rE×Ei,j。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1号湖南大学；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。