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！

龙图腾网获悉重庆大学申请的专利一种动态车联网环境下的弹性协同推理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：CN120018210B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510044562.4，技术领域涉及：H04W28/084；该发明授权一种动态车联网环境下的弹性协同推理方法是由刘凯;张涛;梅诗远;胡奕扬;晏国志设计研发完成，并于2025-01-12向国家知识产权局提交的专利申请。

本一种动态车联网环境下的弹性协同推理方法在说明书摘要公布了：本发明提供了动态车联网环境下的弹性协同推理方法，基于动态车联网环境中边缘加速深度神经网络的推理场景，结合向传播特性所建立的协同推理时延模型、动态车联网环境特性和边缘节点可靠性，求解边缘节点最优分配策略以及推理块分割与负载划分的最佳分配方案；然后，客户端车辆将模型分解为推理块，将每个推理块的工作负载细化为更小的独立子任务；所述子任务被卸载至所选的边缘节点进行并行处理；同时，客户端车辆在本地对相同的推理块进行计算；客户端车辆对每个推理块迭代执行上述过程，直到完成整个模型的推理。采用所提供的方法，能够自适应控制动态车载网络中的负载分割、划分和卸载，为智能网联车辆推理任务提供低时延高可靠服务。

本发明授权一种动态车联网环境下的弹性协同推理方法在权利要求书中公布了：1.一种动态车联网环境下的弹性协同推理方法，其特征在于： S100：基于动态车联网环境中边缘加速深度神经网络的推理场景，结合前向传播特性所建立的协同推理时延模型、动态车联网环境特性和边缘节点可靠性，求解边缘节点最优分配策略以及推理块分割与负载划分的最佳分配方案； S200：基于分配的边缘节点和卸载策略，客户端车辆将模型分解为推理块，并进一步将每个推理块的工作负载细化为更小的独立子任务；所述子任务被卸载至所选的边缘节点进行并行处理；同时，客户端车辆在本地对相同的推理块进行计算，以在卸载失败时快速恢复服务； S300：客户端车辆对每个推理块迭代执行S200，直到完成整个模型的推理； 在优化整体任务中，采用以下最小化问题表征进行平均协同推理时延的最小化处理： s.t. ∣Av∣≤∣h∣Lm∣∣ 其中，1,2,…,T为客户端车辆生成的推理任务序列，Av为分配的边缘节点集合，Bm为推理块分割策略，为卸载策略，CIDt为任务t的协同推理时延，m为部署在客户车辆上的深度神经网络模型，为该模型从第i层开始并在第j层结束的第k个推理块，为该推理块在任务卸载路径下的执行延迟，为该推理块在客户车辆v本地计算路径下的执行延迟，为模型最后一层的输出行数，Lm为模型的层下标集合； 协同推理时延期望的递推公式为： 综合考虑卸载成功和失败的场景，结合卸载成功率二叉树，则期望时延的一般表达式为： 定义I·为指示函数，用于表示边缘节点的卸载过程是否成功，则定义边缘节点n更新后的卸载成功率： α为学习率，确定边缘节点最优分配策略以及推理块分割与负载划分的最佳分配方案的过程包括： S500.初始化：由于无法预先知道卸载成功率Prn的实际值，使用估计值表示被客户端车辆观测的边缘节点的卸载成功率，初始化设置为 S600.动态规划：依据θn对所有可用边缘节点进行降序排序，其次从1到min|h|Lm||,|Nv|遍历top_N，按照排序队列迭代递增地选择top_N个边缘节点，然后基于动态规划确定推理块分割方案，并根据边缘节点计算能力确定推理块内的负载划分分配方案，最后根据各个边缘节点的卸载成功率合并一些推理块，综上以求获取推理时延最低、卸载成功率最高的卸载方案；θn为边缘节点n的能力；Nv为可用的边缘节点集合； S700.本地计算：对于每个推理块，客户端车辆同时执行任务卸载路径和本地计算路径，并更新每个边缘节点的卸载成功率；若在本地计算完成前接收到卸载路径的结果，则该推理块视为完成，本地计算终止，继续沿用初始卸载策略执行后续推理块；若系统动态导致卸载路径失败，则本地计算完成该块，后续推理块作为新任务重新调度直至完成。

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重庆大学，其通讯地址为：400000 重庆市沙坪坝区正街174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。