【摘 要】
：
随着电动汽车充电需求的增多,电动汽车用户与多家充电运营商、公用供电企业之间出现了支付复杂、信息不联通的情况。电动出租车所需的充电次数较多,也缺乏能够包含多个充电运营商的充电引导服务,因此本文寻求一种新的充电服务机制以解决上述问题。为了实现充电服务的互联与充电交易的自主管理,本文提出了基于联盟链的电动汽车充电服务机制。该机制采用联盟链构建充电服务模型,通过实用拜占庭容错共识算法验证电动汽车充电交易,
论文部分内容阅读
随着电动汽车充电需求的增多,电动汽车用户与多家充电运营商、公用供电企业之间出现了支付复杂、信息不联通的情况。电动出租车所需的充电次数较多,也缺乏能够包含多个充电运营商的充电引导服务,因此本文寻求一种新的充电服务机制以解决上述问题。为了实现充电服务的互联与充电交易的自主管理,本文提出了基于联盟链的电动汽车充电服务机制。该机制采用联盟链构建充电服务模型,通过实用拜占庭容错共识算法验证电动汽车充电交易,并使用智能合约完成电动汽车账户在交易通道上的转账、评价和查询过程。为解决计入联盟链前的充电数据准确性问题,本文进一步提出了上链充电数据异常检测算法。在使用充电服务机制互联多个运营商充电资源的基础上,本文针对具有网络预约功能的电动出租车提出了充电引导策略。为提高充电引导效率,该策略考虑乘客、电动出租车和充电站运营商的需求,构建满足网约电动出租车行驶特点的充电引导模型,并基于量子粒子群算法对其进行求解。仿真结果表明,本文设计的电动汽车充电服务机制能够完成多充电运营商场景下的转账、评价和查询功能,且通过上链充电数据异常检测算法能够有效筛选异常数据。网约出租车充电引导策略与传统策略相比,降低了驾驶员的充电费用、时间和距离成本,同时提高了乘客的满意度,均衡了各快速充电站的服务强度比。
其他文献
现代医学影像技术已成为临床医学领域不可或缺的工具,高质量、高分辨率的医学图像能够帮助医生进行更准确的诊断,但医学图像的分辨率受到多种物理、技术和经济因素的限制。超分辨率重建技术可以提供一个成本较低的解决方案。超分辨率重建是一个典型的病态问题,主要目的是将低分辨率图像映射为高分辨率图像。图像超分辨率重建技术主要包括基于插值、基于重建和基于学习三类。目前,比较主流的图像超分辨率重建方法是基于深度学习的
现实环境中,目标语音往往会被噪声所污染,导致接收端接收的语音质量和可懂度降低,影响通信质量。因此,将纯净的目标语音从嘈杂的背景噪声中分离出来是极为重要的,而实现这一目的的手段称为语音增强。然而,现实生活中噪声种类繁杂,若能针对不同噪声采取不同的语音增强策略,则理论上势必会提高语音增强系统的性能和鲁棒性。此外,语音信号特征可以用分形维数表示。因此,若能将分形维数引入到语音增强系统中,一定程度上也会增
智能设备采集能力的增强及大数据的发展,使得涌现出越来越多的高维数据处理需求,如高光谱数据、视频数据、地震数据、雷达数据等。这些高维度的数据在数学领域被统称为张量。在数据采集、编解码及传输过程中,信号难免会遭受数据丢失。对缺失数据的张量补全是对数据进行其他高级分析的重要基础。当前已经有很多研究者对张量补全技术做了广泛且深入的研究及应用。但他们的算法往往只针对随机缺失的张量数据。在实际应用中,缺失数据
＜正＞通过细读党的二十大报告，“人民”在报告的字里行间出现逾百次，从而让我深感“人民”二字的分量与亲和力。报告凝聚的“民本”伟力，对统揽城市管理事业科学发展起到积极的引领和鞭策作用。习近平总书记在党的二十大报告中指出，坚持人民城市人民建、人民城市为人民，提高城市规划、建设、治理水平，加快转变超大特大城市发展方式，实施城市更新行动，加强城市基础设施建设，打造宜居、韧性、智慧城市。这为城管部门推进经验
图像修复是通过对受损区域或丢失信息进行补充,来恢复图像的原始视觉效果。作为图像处理领域中的研究热点,图像修复技术在目标物体移除、老照片修复、特效制作等方面都具有重要的研究意义。本文讨论了深度学习和生成式对抗网络的相关理论,介绍了基于深度学习实现图像修复的几种网络结构,并在生成式对抗网络的基础上,提出了两种图像修复算法。具体工作包括:首先,基于生成式对抗网络,设计了一种级联式生成对抗网络图像修复模型
随着三维建模技术的发展,三维模型在计算机视觉和工业建模领域获得了广泛的应用。这导致三维模型数量的激增,三维模型信息量大、建模复杂,为了实现三维模型的复用,三维模型检索成为当今研究热点问题。区别于当今流行的基于深度学习网络提取三维模型全局特征描述符的三维模型检索方法,本文提出了一种创新性的基于知识图谱技术的三维模型检索方法。本方法考虑到海量三维模型数据结构构成因素的相似性,采用模型分割的方式,实现模
为了提升高职院校的人才培养质量和效率，高职院校纷纷进行学生管理策略的全面优化与革新。在高职院校的学生管理过程中，进行“三全育人”理念的运用是很有必要的。通过分析“三全育人”理念的具体内涵以及“三全育人”理念的具体方向，或可对当前高职院校在学生管理过程中存在的问题进行深入分析和探究，采取可行的策略，完善高职院校的学生管理工作，让高职院校的学生管理工作质量达到更理想的状态。
当前,随着5G移动网络技术和视觉分析技术的迅速发展,信息获取方式产生了深刻变革,短视频在这样的背景下蓬勃发展,逐渐取代了以文字图片信息为主的信息传播模式。短视频作为多媒体数据具有多模态特性和丰富的语义信息,这些信息由于具有不同模态和维度的特征而具有高阶属性,也伴随着噪声和相关性信息,这给训练模型过程带来了挑战。短视频事件检测任务涉及到多模态信息的交互,充分发掘这种模态相关性并进行多模态融合是事件检
微动作检测也被称为时序动作检测,是视频处理的重要环节。基于深度学习的时序动作检测与识别技术在精度和速度等方面远远超过了传统算法。但是,目前时序动作检测还存在精度低、难以区分动作边界等问题。针对以上问题,本文基于深度学习和卷积神经网络,对已有的编码-解码时序动作检测算法进行了深入的研究,并做出以下三个方面的改进:（1）将原算法中的特征提取网络替换为具有残差结构的深度卷积网络,使整体网络可以提取到更丰