[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110691126A - 一种物联网中提高代码覆盖率的可靠的代码分发策略 - Google Patents

一种物联网中提高代码覆盖率的可靠的代码分发策略 Download PDF

Info

Publication number
CN110691126A
CN110691126A CN201910909785.7A CN201910909785A CN110691126A CN 110691126 A CN110691126 A CN 110691126A CN 201910909785 A CN201910909785 A CN 201910909785A CN 110691126 A CN110691126 A CN 110691126A
Authority
CN
China
Prior art keywords
vehicle
code
vehicles
value
coverage rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910909785.7A
Other languages
English (en)
Other versions
CN110691126B (zh
Inventor
李婷
刘安丰
谢尚晟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201910909785.7A priority Critical patent/CN110691126B/zh
Publication of CN110691126A publication Critical patent/CN110691126A/zh
Application granted granted Critical
Publication of CN110691126B publication Critical patent/CN110691126B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/65—Updates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明公开了一种新型物联网中提高代码覆盖率的可靠的代码分发策略。本发明方法的策略中利用遗传算法来选择可靠性高和覆盖率大的车辆进行代码传播，即：基因算法中的每组基因序列是进行代码传播的车辆组，其中覆盖率和可靠性两个因素作为评价指标来判断每组基因序列的适应度，代表该车辆组的价值；适应度越高，代表该车辆组的价值越高，最终选择适应度最高的基因序列中的车辆组进行更新代码的传播。通过本发明所述的方法，可以在提高车辆可靠性的基础上使得更新代码的覆盖率比例达到23.16％以上。

Description

一种物联网中提高代码覆盖率的可靠的代码分发策略
技术领域
本发明是一种新型物联网中提高代码覆盖率的可靠的代码分发策略，其特征在于，在向物联网中大量的传感器设备分发更新代码的时候，利用可靠性高的车辆来传播，同时提高更新代码的覆盖率。
背景技术
物联网是一种基于互联网的物物相连的网络。物联网中分布着数量巨大的传感器设备，广泛应用在军事、工业检测、森林、海洋等各种特殊环境的应用中，与人们生活息息相关。同时，传感器设备通过更新代码来升级自身系统和服务功能，为相关的用户提供更高质量的服务。近年来，车辆作为重要的信息交流和传输媒介，其具体应用得到了广泛的关注。作为物联网的重要组成部分，具有高移动性的车辆可以给传感器设备分发更新代码，以保证更新代码传播的及时性。因此，扩大更新代码覆盖率是保证和提高物联网服务质量的一个重要方面；在保证更新代码覆盖率的同时，雇佣可靠的车辆进行代码传播也是保证和提高物联网中传感器设备服务质量的重要研究方向，具有重要的研究意义。
物联网网络中大量的传感器设备可以用来感知周围信息和数据，例如天气数据，并返回给控制中心；控制中心接收信息并提供相关服务给相应的用户群。然而，传感器设备的功能需要不断提高和改进以满足不同情况的用户需求，因此，其内置代码需要及时更新。车辆作为物联网的重要组成部分，在消耗较低的情况下可以用来传播更新代码。在车辆传播更新代码的过程中，车辆接收到从控制中心发布的更新代码，根据机会网络完成更新代码传播的任务。然而，车辆的分布不均匀，即：经过城市中心区域的车辆数量多，因此市中心区域的传感器设备接收到更新代码的概率大；经过城市边缘区域的车辆数量少，因此边缘区域的传感器设备难以接收到更新代码。因此，扩大更新代码覆盖率具有重要的研究意义。
同时，存在着车辆的可靠性问题，即：不可靠的车辆可以篡改甚至窃取代码信息，导致物联网中传感器设备无法正常接收到更新代码，降低服务质量。因此，基于更新代码覆盖率，如何保证车辆的可靠性具有重要的研究意义和价值。
发明内容
本发明是一种新型物联网中提高代码覆盖率的可靠的代码分发策略，其特征在于，为物联网中设备分发更新代码的时候，利用可靠性高的车辆来传播，同时提高更新代码的覆盖率。其目的在于，克服现有的代码传播过程中，边缘区域的传感器设备难以接收到更新代码和传播车辆的可靠性问题，以此在保证可靠性的基础上扩大更新代码的覆盖率，提高物联网的服务性能。
一种新型物联网中提高代码覆盖率的可靠的代码分发策略，控制中心发布更新代码以更新和提升物联网中数量庞大的传感器设备的服务性能；首先利用遗传算法来根据车辆的历史数据对其进行训练，筛选可靠性高的车辆，其次在可靠性高的车辆中选择轨迹覆盖面积更大的车辆来进行代码传播。在车辆完成代码传播后，控制中心需要支付给车辆报酬。
其中，利用机器学习方法中的遗传算法来选取代码传播的车辆，即：在控制中心支付的报酬总额有限的基础上，通过对车辆的信任值和覆盖率的综合计算，来选择综合能力最优的车辆完成代码传播的任务。其中，每辆车的报酬和该车服务的时间相关，即：
Figure BDA0002213864130000021
其中，
Figure BDA0002213864130000022
是车辆vi的报酬值，Li是车辆vi终止服务的时间，Fi是车辆vi开始传播代码的时间。ξ是一个固定值，代表每小时控制中心应付的报酬。在城市中，一共有n辆车。
对车辆的信任值和覆盖率的综合计算由以下公式获得：
Figure BDA0002213864130000023
其中，φi是车辆vi的综合评价值，其值越大越好。
Figure BDA0002213864130000024
是车辆vi的覆盖率，
Figure BDA0002213864130000025
代表车辆vi的信任值。α是一个在0到1之间的常数，是
Figure BDA0002213864130000026
的影响因子。其中，
Figure BDA0002213864130000027
的值由以下公式获得：
Figure BDA0002213864130000028
其中，和
Figure BDA00022138641300000210
的值均在0到1之间。N(vi)代表车辆vi在行驶过程中跨越的区域的数量，l是城市划分的总数。对于一辆车vi，基于报酬值
Figure BDA00022138641300000212
它可以选择是否参与到代码传播的任务中，0代表不参与，1代表参与，如下所示：
因此，遗传算法中的一组基因序列代表参与代码传播的一组车辆集合，序列中1的个数代表参与代码传播的车辆数量。因此，对于一组基因序列
Figure BDA0002213864130000031
其适应值(可以被理解成车辆的传播质量)可以由以下公式计算出：
Figure BDA0002213864130000032
其中，φi代表车辆vi的信任值和覆盖率的综合评价值，
Figure BDA0002213864130000033
代表车辆vi是否参与代码传播的任务，因此，
Figure BDA0002213864130000034
代表基因序列
Figure BDA0002213864130000035
的总价值，即参与代码传播的车辆的传播质量高低。在有限的报酬内，的值越大，代表该基因序列的适应度越强，代表该车辆组的代码传播的质量越高。每一轮都会筛选并保留适应度最强的个体(基因序列)；并进行基因交叉、重组和变异，形成新的基因序列。根据上式，在有限的总报酬内，对每组新形成的基因序列进行适应度计算，最后选择所有轮次中适应度最高的基因序列；其中，该组基因序列中标识为1的单元组即为参与代码传播的车辆组。
有益效果
本发明提供了一种新型物联网中提高代码覆盖率的可靠的代码分发策略。在物联网中，利用车辆的移动性来为物联网中的大量的传感器设备传播更新代码，从而更新和提升传感器设备的功能和服务质量。在以往的代码传播的过程中，易出现代码传播的覆盖率低和车辆的可靠性低两个问题。因而，本发明所诉的方法，提出了利用机器学习中的遗传算法来筛选进行代码传播的车辆组，在扩大更新代码的覆盖率的基础上，同时提高传播车辆的可靠性，在有限的报酬内，达到更高的代码传播覆盖率。
从整体上来看，代码传播的覆盖率得到大幅优化，在覆盖率提高的同时提高了传播代码的车辆的可靠性。
附图说明
图1为本发明方法的总体结构图；
图2为本发明应用的物联网网络中传播更新代码的车辆的轨迹示意图；
图3为现有的物联网网络中传播更新代码的车辆的轨迹示意图；
图4为采用本发明所述方法和现有方法的代码传播的覆盖区域对比示意图；
图5为采用本发明所述方法和现有方法的代码传播车辆的可靠对比示意图；
图6为采用本发明所述方法和现有方法的具有高可靠值的车辆数量对比示意图；
图7为采用本发明所述方法和现有方法的综合表现对比示意图；
具体实施方式
下面将结合具体实例对本发明做进一步的说明。
一种新型物联网中提高代码覆盖率的可靠的代码分发策略，其目的在于，克服现有的代码传播过程中，边缘区域的传感器设备难以及时接收到更新代码和传播车辆的可靠性问题，以此在保证可靠性的基础上扩大更新代码的覆盖率，使得物联网中的传感器设备能够及时更新和提升自身功能，从而提高物联网的服务性能。
本发明利用机器学习方法中的遗传算法来选取参与代码传播的车辆，即：在控制中心支付的报酬总额有限的基础上，通过对车辆的信任值和覆盖率的综合计算，来选择综合能力最优的车辆完成代码传播的任务。其中，每辆车的报酬和该车服务的时间相关，即：
Figure BDA0002213864130000041
其中，
Figure BDA0002213864130000042
是车辆vi的报酬值，Li是车辆vi终止服务的时间，Fi是车辆vi开始传播代码的时间。ξ是一个固定值，代表每小时控制中心应付的报酬。
对车辆的信任值和覆盖率的综合计算由以下公式获得：
Figure BDA0002213864130000043
其中，φi是车辆vi的综合评价值，其值越大越好。
Figure BDA0002213864130000044
是车辆vi的覆盖率，代表车辆vi的信任值。α是一个在0到1之间的常数，是
Figure BDA0002213864130000046
的影响因子。其中，的值由以下公式获得：
Figure BDA0002213864130000048
其中，
Figure BDA0002213864130000049
和
Figure BDA00022138641300000410
的值均在0到1之间。N(vi)代表车辆vi在行驶过程中跨越的区域的数量，l是城市划分的总数。对于一辆车vi，基于报酬值
Figure BDA0002213864130000051
它可以选择是否参与到代码传播的任务中，0代表不参与，1代表参与，如下所示：
Figure BDA0002213864130000052
因此，遗传算法中的一组基因序列代表参与代码传播的一组车辆集合，序列中1的个数代表参与代码传播的车辆数量。因此，对于一组基因序列
Figure BDA0002213864130000053
其适应值(可以被理解成车辆的传播质量)可以由以下公式计算出：
其中，φi代表车辆vi的信任值和覆盖率的综合评价值，
Figure BDA0002213864130000055
代表车辆vi是否参与代码传播的任务，因此，
Figure BDA0002213864130000056
代表基因序列
Figure BDA0002213864130000057
的总价值，即参与代码传播的车辆的传播质量高低。在有限的报酬内，
Figure BDA0002213864130000058
的值越大，代表该基因序列的适应度越强，代表该车辆组的代码传播的质量越高。每一轮都会筛选并保留适应度最强的个体(一组基因序列)；同时对符合条件的基因序列进行基因交叉、重组和变异，形成新的基因序列。根据上式，在有限的总报酬内，对每组新形成的基因序列进行适应度计算，最终选择所有轮次中适应度最高的基因序列；其中，该组基因序列中标识为1的单元组即为参与代码传播的车辆组。
图1给出了本发明方法的总体结构图。在物联网网络中，车辆由于具有较高的移动性，因此可以用来为物联网中大量的传感器设备传播更新代码，从而更新和提高传感器设备的功能。然而，车辆的分布不均匀，从而使得有些传感器设备无法及时接收到更新代码。
图2给出了在物联网中，本发明下参与代码传播的车辆的轨迹分布；图3给出了现有的方法下参与代码传播的车辆的轨迹分布。通过对比，本发明下的轨迹覆盖率很明显要大于现有的方法的轨迹覆盖率，因此，通过对车辆组的综合筛选，本发明下参与代码传播的车辆可以覆盖更多的传感器设备，达到更好的更新效果，尤其提高了边缘区域的传感器设备的代码更新概率，从而提高物联网中传感器设备的服务质量。
图4给出了采用本发明所述方法和现有方法的每个车辆的覆盖区域数量对比图。从实验结果可以看出本发明的基于基因算法的车辆选择可以达到很好的效果，在车辆的覆盖区域数量方面有了大幅的提升。
图5给出了采用本发明所述方法和现有方法的车辆的可靠度对比图。通过与车辆的随机选择策略相比较，基于遗传算法所选择的车辆的可靠性得到了大幅的提升，从而提高了更新代码的安全性，保证其可以更安全的传输到物联网中的传感器设备，从而提高传感器设备的服务质量。图6表示分别基于现有的方法和本发明所述方法下，高可靠值的车辆的数量对比图。很明显，本发明方法下的具有高可靠值的车辆数量大于现有的策略下的高可靠值的车辆数量。
图7给出了采用本发明所述方法和现有方法的综合表现的对比示意图。即：基于覆盖率和可靠值的综合评测，本发明方法下的利用遗传算法选择的车辆和以往方法下选择的车辆的综合表现的对比。基于本发明方法，通过选择高覆盖率和高可靠值的车辆进行代码传播，实验表明本发明方法下选择的车辆具有更高的可靠性，同时可以提高更新代码的覆盖率。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例。对于本技术领域的技术人员来说，在不脱离本发明技术构思前提下所得到的改进和变换也应视为本发明的保护范围。

Claims (5)

1.一种物联网中新型提高代码覆盖率的可靠的代码分发策略，其特征在于，利用在城市中移动的车辆稍带为分布在城市物联网中的传感器设备分发与更新代码。为提高更新代码的可靠与最大覆盖，通过对车辆历史轨迹的分析选择可靠性高的车辆来传播，同时提高更新代码的覆盖率；其中，通过遗传算法筛选可靠性高和轨迹覆盖率大的车辆组来传播更新代码，从而使得传感器设备及时接收到更新代码。
2.根据权力要求1所述的利用遗传算法选择可靠性高和覆盖率大的车辆的方法，来选取进行代码传播的车辆。车辆的覆盖率和信任值的综合计算由以下公式获得：
Figure FDA0002213864120000011
其中，φi是车辆vi的综合评价值，其值越大越好。
Figure FDA0002213864120000012
是车辆vi的覆盖率，代表车辆vi的信任值。α是一个在0到1之间的常数，是的影响因子。
3.根据权力要求2，车辆的覆盖率
Figure FDA0002213864120000015
的值由以下公式获得：
其中，
Figure FDA0002213864120000017
的值在0到1之间。N(vi)代表车辆vi在行驶过程中跨越的区域的数量，l是城市划分的总数。
4.根据权力要求2，车辆的信任值
Figure FDA0002213864120000018
的值由以下公式获得：
Figure FDA0002213864120000019
其中，的值在0到1之间。通过对车辆的历史轨迹进行分析，轨迹规律的车辆的可靠性大于轨迹不规律的车辆，因此，本发明专利通过对车辆的历史停车地点进行分析和计算，得到车辆的信任值，从而反应出车辆的可靠性。其中，
Figure FDA00022138641200000111
代表车辆vi停留在一个固定的停车地点的次数，D(vi)代表车辆vi的轨迹收集的天数。
5.根据权力要求2，遗传算法选择车辆的过程如下所示：
对于一辆车vi，它可以选择是否参与到代码传播的任务中，0代表不参与，1代表参与，如下所示：
Figure FDA00022138641200000112
因而，由n个车辆组成的一组0-1序列即为一组基因序列。因此，遗传算法中的一组基因序列代表参与代码传播的一组车辆集合，序列中1的个数代表参与代码传播的车辆数量。因此，对于一组基因序列其适应值(可以被理解成车辆的传播质量)可以由以下公式计算出：
Figure FDA0002213864120000021
其中，φi代表车辆vi的信任值和覆盖率的综合评价值，代表车辆vi是否参与代码传播的任务，因此，
Figure FDA0002213864120000023
代表基因序列
Figure FDA0002213864120000026
的总价值，即参与代码传播的车辆的传播质量高低。在有限的报酬内，
Figure FDA0002213864120000024
的值越大，代表该基因序列的适应度越强，代表该车辆组的代码传播的质量越高。每一轮都会筛选并保留适应度最强的个体(基因序列)；并进行基因交叉、重组和变异，形成新的基因序列。根据上式，在有限的总报酬内，对每组新形成的基因序列进行适应度计算，最后选择所有轮次中适应度最高的基因序列；其中，该组基因序列中标识为1的单元组即为参与代码传播的车辆组。
CN201910909785.7A 2019-09-25 2019-09-25 一种物联网中提高代码覆盖率的可靠的代码分发策略 Expired - Fee Related CN110691126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910909785.7A CN110691126B (zh) 2019-09-25 2019-09-25 一种物联网中提高代码覆盖率的可靠的代码分发策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910909785.7A CN110691126B (zh) 2019-09-25 2019-09-25 一种物联网中提高代码覆盖率的可靠的代码分发策略

Publications (2)

Publication Number Publication Date
CN110691126A true CN110691126A (zh) 2020-01-14
CN110691126B CN110691126B (zh) 2021-10-29

Family

ID=69110253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910909785.7A Expired - Fee Related CN110691126B (zh) 2019-09-25 2019-09-25 一种物联网中提高代码覆盖率的可靠的代码分发策略

Country Status (1)

Country Link
CN (1) CN110691126B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103360A (zh) * 2017-03-31 2017-08-29 华南理工大学 一种基于混合云的可靠应用分配分布式遗传算法
US20180240041A1 (en) * 2017-02-22 2018-08-23 Sas Institute Inc. Distributed hyperparameter tuning system for machine learning
EP3462305A1 (en) * 2017-10-02 2019-04-03 Red Bend Ltd. Ecu and peripherals update using central dispatch unit
CN109714203A (zh) * 2018-12-26 2019-05-03 中南大学 一种通过车载网络实现感知设备代码更新的传播方法
CN109784465A (zh) * 2018-12-21 2019-05-21 延安大学 基于物联网的森林火灾监测系统节点有效动态覆盖方法
US20190222652A1 (en) * 2019-03-28 2019-07-18 Intel Corporation Sensor network configuration mechanisms
CN110113183A (zh) * 2019-04-10 2019-08-09 深圳市飞比电子科技有限公司 固件更新方法、装置、物联网系统、电子设备及存储介质
WO2019157436A1 (en) * 2018-02-12 2019-08-15 Afero, Inc. System and method for service-initiated internet of things (iot) device updates
CN110210632A (zh) * 2019-05-31 2019-09-06 国网河北省电力有限公司沧州供电分公司 基于泛在电力物联网的故障应急处理方法、装置及终端

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180240041A1 (en) * 2017-02-22 2018-08-23 Sas Institute Inc. Distributed hyperparameter tuning system for machine learning
CN107103360A (zh) * 2017-03-31 2017-08-29 华南理工大学 一种基于混合云的可靠应用分配分布式遗传算法
EP3462305A1 (en) * 2017-10-02 2019-04-03 Red Bend Ltd. Ecu and peripherals update using central dispatch unit
WO2019157436A1 (en) * 2018-02-12 2019-08-15 Afero, Inc. System and method for service-initiated internet of things (iot) device updates
CN109784465A (zh) * 2018-12-21 2019-05-21 延安大学 基于物联网的森林火灾监测系统节点有效动态覆盖方法
CN109714203A (zh) * 2018-12-26 2019-05-03 中南大学 一种通过车载网络实现感知设备代码更新的传播方法
US20190222652A1 (en) * 2019-03-28 2019-07-18 Intel Corporation Sensor network configuration mechanisms
CN110113183A (zh) * 2019-04-10 2019-08-09 深圳市飞比电子科技有限公司 固件更新方法、装置、物联网系统、电子设备及存储介质
CN110210632A (zh) * 2019-05-31 2019-09-06 国网河北省电力有限公司沧州供电分公司 基于泛在电力物联网的故障应急处理方法、装置及终端

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FENGXIAO TANG等: "An intelligent traffic load prediction based adaptive channel assignment algorithm in SDN-IoT: A deep learning approach, IEEE Internet Things", 《IEEE INTERNET THINGS》 *
TING LI: "Reliable code disseminations through opportunistic communication in vehicular wireless networks", 《IEEE ACCESS》 *
XIAO LIU等: "A Trust and Priority Based Code Updated Approach to Guarantee Security for Vehicles Network", 《IEEE ACCESS》 *

Also Published As

Publication number Publication date
CN110691126B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
Li et al. An agent-based learning-embedded model (ABM-learning) for urban land use planning: A case study of residential land growth simulation in Shenzhen, China
Wang et al. Neighborhood socio-demographic characteristics and bike share member patterns of use
Benenson Modeling population dynamics in the city: From a regional to a multi‐agent approach
Kaviari et al. Simulation of urban growth using agent-based modeling and game theory with different temporal resolutions
Wong et al. An alternative methodology for evaluating the service quality of urban taxis
CN111985710A (zh) 一种公交乘客出行站点预测方法、存储介质及服务器
Woo et al. Optimal expansion planning of electric vehicle fast charging stations
Higgins et al. Modelling intervention options to reduce GHG emissions in housing stock—A diffusion approach
CN106982416B (zh) 确定车辆归属地的方法和装置
Neema et al. Multitype green-space modeling for urban planning using GA and GIS
CN111161443A (zh) 一种基于历史数据的巡逻路径设置方法
Al Maliki et al. Combining AHP and TOPSIS approaches to support site selection for a lead pollution study
CN111462919A (zh) 一种基于滑动窗口时序模型的虫媒疾病预测方法及系统
CN115344653A (zh) 一种基于用户行为的电动汽车充电站选址方法
Koo et al. A dynamic energy performance curve for evaluating the historical trends in the energy performance of existing buildings using a simplified case-based reasoning approach
CN115829124A (zh) 充电桩选址方法、装置、设备及存储介质
Yu et al. Reputation-based reverse combination auction incentive method to encourage vehicles to participate in the VCS system
Hasnine et al. Effects of built environment and weather on demands for transportation network company trips
Zhang et al. An urban charging load forecasting model based on trip chain model for private passenger electric vehicles: A case study in Beijing
CN105389647A (zh) 一种基于nsga-ii的电费缴纳点选址方法
Dong et al. Potential evaluation and implementation strategy for pocket park construction in high-density urban areas: A case study in dalian, China
CN110691126B (zh) 一种物联网中提高代码覆盖率的可靠的代码分发策略
CN109886581A (zh) 一种移动群智感知任务中基于数据质量的参与者选择方法
CN114841610A (zh) 共享单车调度方法、装置、设备及可读存储介质
CN111275073B (zh) 一种基于手机信令数据的区域人流分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211029

CF01 Termination of patent right due to non-payment of annual fee