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！

龙图腾网获悉华东交通大学申请的专利面向车联网的边缘缓存内容预测与缓存方法、装置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：CN121284638B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511854591.3，技术领域涉及：H04W28/02；该发明授权面向车联网的边缘缓存内容预测与缓存方法、装置及系统是由聂学方;张晨;邹丹;张继良设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本面向车联网的边缘缓存内容预测与缓存方法、装置及系统在说明书摘要公布了：本申请提供了一种面向车联网的边缘缓存内容预测与缓存方法、装置及系统，方法包括：构建车辆边缘缓存架构；基于车辆边缘缓存架构中节点间的实时通信关系建模动态通信拓扑关系图；利用图神经网络处理动态通信拓扑关系图，得到全局特征向量；将全局特征向量作为注意力偏置，集成到基于Transformer的预测模型中，联合历史请求序列输出未来内容流行度预测分布；根据未来内容流行度预测分布确定热门内容集合；基于热门内容集合在宏基站、路侧单元及车辆节点间执行协同内容放置策略。本申请通过构建多层车辆边缘缓存架构并融合动态图神经网络与Transformer模型，实现了车联网环境下内容流行度的精准预测和智能缓存。

本发明授权面向车联网的边缘缓存内容预测与缓存方法、装置及系统在权利要求书中公布了：1.一种面向车联网的边缘缓存内容预测与缓存方法，其特征在于，包括以下步骤： 构建包含宏基站、路侧单元及车辆节点的车辆边缘缓存架构； 基于所述车辆边缘缓存架构中节点间的实时通信关系，建模动态通信拓扑关系图； 所述建模动态通信拓扑关系图，具体包括以下步骤： 抽象所述宏基站、路侧单元及车辆抽象为图节点； 若两车辆间的欧氏距离小于预设阈值，则在两车辆节点间建立车辆到车辆V2V边； 若一车辆节点位于一路侧单元或宏基站节点的覆盖范围内，则在该车辆节点与该路侧单元或宏基站节点间建立车辆到基础设施V2I边； 为每个节点分配特征向量，所述特征向量包含节点通信状态和本体缓存信息； 利用图神经网络处理所述动态通信拓扑关系图，提取表述全局拓扑依赖关系的全局特征向量； 所述利用图神经网络处理所述动态通信拓扑关系图，提取全局拓扑依赖关系的全局特征向量，具体包括以下步骤： 采用图注意力网络对节点特征进行迭代更新，获取更新后的节点特征； 通过图注意力网络的多次迭代对更新后的节点特征进行聚合，逐步提取图中节点的高层次特征信息，得到节点的最终特征表示； 对所有节点的最终特征表示进行平均池化操作，生成表述全局拓扑依赖关系的全局特征向量； 所述对所有节点的最终特征表示进行平均池化操作，生成表述全局拓扑依赖关系的全局特征向量，如下式所示： ； 式中，g表示全局特征向量，编码整个网络的拓扑感知通信状态； 将全局特征向量作为注意力偏置，集成到基于Transformer的预测模型中，联合历史请求序列，输出未来内容流行度预测分布； 所述基于Transformer的预测模型采用双路径结构： 第一路径为带偏置的Transformer分类器路径，将所述全局特征向量进行线性变换后作为注意力偏置引入Transformer的自注意力计算中，获取第一路径的输出； 其中，注意力偏置由下式定义： ； 式中，表示全局特征向量，用于编码整个网络的拓扑感知通信状态； 带有偏置的自注意力计算表示为： ； 式中，分别为查询、键、值矩阵，表示注意力维度； 第二路径为Transformer回归-分类路径，先通过Transformer编码器对时间序列进行回归预测得到回归结果，再将回归结果与原始序列拼接后输入分类器，获取第二路径的输出； 融合所述第一路径的输出和所述第二路径的输出，得到未来内容流行度预测分布； 根据所述未来内容流行度预测分布，确定待缓存的热门内容集合； 基于所述热门内容集合，在所述宏基站、路侧单元及车辆节点间执行协同内容放置策略。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。