欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023100571153
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于边缘计算的本地隐私保护出行匹配方法,其特征在于,包括以下步骤:步骤一:出行调度平台训练得到时空表示模型并将时空表示模型分发给用户的边缘设备;所述用户包括司机和乘客;

步骤二:用户的边缘设备根据时空表示模型对用户的出行基本信息进行向量表示,并将得到的向量带入用户本地的自动编码器进行多轮训练得到出行特征向量,从多轮训练结果中随机选择一个出行特征向量发送给出行调度平台;

步骤三:出行调度平台根据出行特征向量的相关性进行司机和乘客的匹配,并将匹配结果发送给乘客和司机的边缘设备;

步骤四:司机和乘客的边缘设备根据匹配结果建立点对点通信,以完成后续出行服务;

其中,步骤一中,出行调度平台训练时空表示模型具体是:出行调度平台根据时间表示模型DeepWalk对时间网络的节点进行嵌入表示,根据位置表示模型Node2Vec对道路网络中的节点进行嵌入表示,得到时空表示模型。

2.根据权利要求1所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,步骤二中,用户的边缘设备根据时空表示模型对用户的出行基本信息进行向量表示,具体过程为:使用时间表示模型DeepWalk,得到时间表示向量集合;

使用位置表示模型Node2Vec,得到位置表示向量集合;

从查询得到用户出行基本信息的时间表示向量,从中查询得到用户出行基本信息的位置表示向量;其中,,表示用户在时刻的地理位置为;

通过时间表示向量和位置表示向量的拼接,得到出行向量。

3.根据权利要求2所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,时间表示模型DeepWalk由随机游走生成器和Skip-gram模型两部分组成;随机游走生成器从指定访问时间节点开始从其邻居中随机采样节点作为下一个访问时间节点,重复此过程,生成固定长度的时间节点序列;Skip-gram模型通过最大化时间节点序列中出现在窗口长度w内的节点之间的共现概率,学习每个时间节点的特征表示,从而得到时间表示向量集合;

其中,为第n个中心时间节点的向量表示,、分别为第n和第m个时间节点。

4.根据权利要求2所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,步骤二中,将得到的向量带入用户本地的自动编码器进行训练得到出行特征向量,从多轮训练结果中随机选择一个出行特征向量发送给出行调度平台,具体过程为:将出行向量带入自动编码器进行K轮训练,其中,自动编码器的损失函数为余弦相似度函数:其中,范围从-1到1,损失函数的值越接近-1损失越小;

解码得到K组特征向量集合,从特征向量集合中随机选择一组作为用户的出行特征向量上传给出行调度平台。

5.根据权利要求1所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,步骤三中,出行调度平台根据出行特征向量的相关性进行司机和乘客的匹配具体是:出行调度平台以出行特征向量的余弦相似度值为权重,使用KM算法进行司机和乘客的匹配。

6.根据权利要求5所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,出行调度平台以出行特征向量的余弦相似度值为权重,使用KM算法进行司机和乘客的匹配,具有过程为:计算乘客和司机的出行特征向量的余弦相似度,根据乘客和司机的出行特征向量的余弦相似度形成司乘二部图,通过KM算法搜索司乘二部图的余弦相似度之和最大时的乘客-司机匹配对,得到匹配结果。

7.根据权利要求6所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,乘客和司机的集合分别表示为,,其中、分别表示第个乘客和第个司机,i=1,2,3,…,n,j=1,2,3,…,n;设乘客和司机的出行特征向量分别为和,则和的余弦相似度由如下公式得到:。

8.根据权利要求1所述的基于边缘计算的本地隐私保护出行匹配方法,其特征在于,步骤四中,点对点通信中乘客的边缘设备将乘客出行的真实信息发送给司机的边缘设备。