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！

龙图腾网获悉昆明理工大学申请的专利一种基于车-边缘-云协同的车辆计算任务调度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：CN121614279B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610146021.7，技术领域涉及：G06F9/50；该发明授权一种基于车-边缘-云协同的车辆计算任务调度方法是由沈世全;瞿丽春;肖成;魏文;王剑非;郭强;沈林丽;黄骤屹;梁吉贵;李韦剑;申江卫设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种基于车-边缘-云协同的车辆计算任务调度方法在说明书摘要公布了：本发明公开了一种基于车‑边缘‑云协同的车辆计算任务调度方法，属于智能交通系统与车联网技术领域。该方法针对智能网联车辆计算资源受限、任务延迟高及能耗大的问题；利用改进贪心算法优化任务执行顺序，并根据任务的数据量、计算量和最大容忍延迟进行局部贪心选择，输出最优平台分配标签；随后利用这些标签训练前馈神经网络；训练完成的神经网络在实时场景下，能够根据输入的任务特征快速预测最优平台车载‑边缘‑云协同分配方案；本发明通过算法与神经网络的融合，实现了高效的在线实时调度，显著提升任务调度效率和系统可靠性，具备优异的实时性和扩展性，有效降低任务执行延迟与能耗，适用于车联网中大规模计算任务的高效调度与资源分配。

本发明授权一种基于车-边缘-云协同的车辆计算任务调度方法在权利要求书中公布了：1.一种基于车-边缘-云协同的车辆计算任务调度方法，其特征在于，包括以下步骤： S1、定义车载计算任务属性，构建基于车载-边缘-云协同系统架构的通信模型和计算模型，并实时感知系统状态； 所述车载计算任务属性的计算方式包括：车载计算任务可以在本地进行计算、通过将任务卸载到边缘计算平台进行计算以及通过卸载到云计算平台进行计算； 所述构建基于车载-边缘-云协同系统架构包括：构建车载-边缘-云协同系统通信模型和构建车载-边缘-云协同系统计算模型； 所述实时感知系统状态为采集车辆当前速度、与边缘服务器云服务器的连接状态；采集车辆当前速度、与边缘服务器云服务器的连接状态、边缘服务器云服务器可用计算资源、链路带宽和传输成功率的动态信息； S2、构建全局最优目标函数； 所述构建全局最优目标函数的方式为：基于车载任务属性和系统状态，构建多目标优化函数，得到全局最优目标函数； S3、基于全局最优目标函数拆解为局部最优目标函数，使用改进的贪心算法得出初步的全局最优任务分配策略并构建训练数据集，对前馈神经网络进行离线训练，得到训练好的前馈神经网络模型； S3.1、基于全局最优目标函数拆解为局部最优目标函数；将全局最优目标函数拆解为每个任务的局部最优目标函数，得到优化指标函数； 将全局最优目标函数拆解为每个任务的局部最优目标函数，建立任务质量函数QoS作为优化指标函数，表达式如下： ； 其中，Ti表示处理任务i的时间，Ei表示处理任务i的能耗，M1表示任务执行时间在总目标函数中的权重比例，M2表示任务执行能耗在总目标函数中的权重比例； S3.2、基于优化指标函数，改进贪心算法，得到全局最优任务分配策略； 对任务集合进行全排列枚举，任务序列数量为n!；在给定的任务顺序下，对每个任务分别计算其在本地平台、边缘平台和云平台上的QoS值，采用局部贪心策略选择当前最优平台，并将选择结果累计至当前调度代价；对所有排列策略进行遍历，记录相应的总QoS值，最终选取总代价最小的组合作为全局最优任务分配策略 S3.3、基于全局最优任务分配策略构建数据集，对数据集执行预处理操作后划分为训练数据集和测试数据集，使用训练集对前馈神经网络模型进行离线训练，得到训练好的前馈神经网络模型； S4、基于训练好的前馈神经网络模型和实时任务特征；对实时任务特征执行预处理操作，通过训练好的前馈神经网络模型在线推理后预测最优的分配方案，输出任务分配调度指令； S5、基于任务分配调度指令将任务分配到指定平台执行，根据实时资源利用率和网络状况，动态调整分配优先级，将任务分配到指定平台执行，完成车辆计算任务调度方法； 所述指定平台包括本地平台、边缘平台和云平台。

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昆明理工大学，其通讯地址为：650000 云南省昆明市一二一大街文昌路68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。