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！

龙图腾网恭喜青海大学申请的专利协同缓存方法、装置、电子设备和存储介质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：CN116320000B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202310156893.8，技术领域涉及：H04L67/568；该发明授权协同缓存方法、装置、电子设备和存储介质是由曹腾飞;张子震;王晓英;黄建强;谢永设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。

本协同缓存方法、装置、电子设备和存储介质在说明书摘要公布了：本发明提供一种协同缓存方法、装置、电子设备和存储介质，属于通信技术领域，其中，协同缓存方法包括：获取多个车辆的加噪轨迹数据，所述多个车辆的加噪轨迹数据是通过对所述多个车辆的轨迹数据进行加噪处理得到的；对所述多个车辆的加噪轨迹数据进行相似行为分析，得到轨迹相似度，基于所述轨迹相似度进行轨迹聚类，得到轨迹聚类结果；根据所述轨迹聚类结果，构建缓存优化目标函数；对所述缓存优化目标函数进行求解，得到车联网环境下的文件协同缓存方案。本发明不仅能够保护用户轨迹隐私，还能提高缓存效率，自适应复杂的移动网络的应用场景。

本发明授权协同缓存方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种协同缓存方法，其特征在于，应用于边缘计算路侧单元，包括：获取多个车辆的加噪轨迹数据，所述多个车辆的加噪轨迹数据是通过对所述多个车辆的轨迹数据进行加噪处理得到的；对所述多个车辆的加噪轨迹数据进行相似行为分析，得到轨迹相似度，基于所述轨迹相似度进行轨迹聚类，得到轨迹聚类结果；所述轨迹聚类结果包括多个车辆簇，以及各个车辆簇对应的车辆数量；根据所述轨迹聚类结果，构建缓存优化目标函数；对所述缓存优化目标函数进行求解，得到车联网环境下的文件协同缓存方案；所述对所述多个车辆的轨迹数据进行加噪处理，包括：设置本地差分隐私模型，包括隐私参数ε、敏感度Δf以及拉普拉斯函数Lapλ；基于所述本地差分隐私模型，通过本地RSU对所述多个车辆的轨迹数据进行加噪处理，得到所述多个车辆的加噪轨迹数据，表示如下： 其中，表示车辆m的加噪轨迹数据,M表示车辆集合，表示车辆m的t位置点对应的加噪位置数据，t∈T，T表示车辆m的位置点集合；车辆m的加噪位置数据的计算公式表示如下： 其中，locm表示车辆m的位置数据，为隐私参数、Δf为敏感度，Lapλ为拉普拉斯函数；所述对所述多个车辆的加噪轨迹数据进行相似行为分析，得到轨迹相似度，包括：基于所述多个车辆的加噪轨迹数据，计算得到轨迹间距离和轨迹连续度；基于所述轨迹间距离和轨迹连续度，得到轨迹相似度；所述基于所述轨迹相似度进行轨迹聚类，得到轨迹聚类结果，包括：利用层次聚类算法，基于所述轨迹相似度不断进行簇的合并，得到轨迹聚类结果；所述聚类结果表示如下： 其中，J*表示聚类集合，i表示车辆i，j表示车辆j，表示车辆i在T时刻加噪后的轨迹序列，表示车辆j在T时刻加噪后的轨迹序列，M表示车辆集合，表示最大轨迹相似度；所述根据所述轨迹聚类结果，构建缓存优化目标函数，包括：根据所述轨迹聚类结果，确定聚类后各簇内的车辆数量；根据所述聚类后各簇内的车辆数量，为各簇设置文件卸载方式和阈值；根据所述各簇对应的文件卸载方式和阈值，构建以总传输时延最小为目标的缓存优化目标函数；所述文件卸载方式包括：云端卸载，协同卸载以及就近卸载，所述根据所述各簇对应的文件卸载方式和阈值，构建以总传输时延最小为目标的缓存优化目标函数，包括：确定所述各簇对应的文件卸载方式的传输时延，当所述文件卸载方式为就近卸载时，对应的传输时延为：当所述文件卸载方式为协同卸载时，对应的传输时延为：当所述文件卸载方式为云端卸载时，对应的传输时延为：定义文件f到车辆的传输延迟，表示如下： 其中，fs表示文件大小，B为信道带宽，N0为噪声功率谱密度，z为信道增益，Pt为传输功率，f为文件，Pc表示选择云端卸载的传输功率，Px表示选择协同卸载的传输功率，Pr表示选择就近卸载的传输功率；ki为第i个簇内的车辆，r表示就近路侧单元，x表示协同路侧单元，c表示云端服务器；根据所述各簇对应的文件卸载方式的传输时延，确定所有簇的平均最短传输延迟： 其中，|ki|表示第i个簇的车辆数量；根据所述平均最短传输延迟，得到缓存优化目标函数，表示为： P:MaximizeΔL C2:|ki,c|＜|thrc|C3:|ki,x|＜|thrx|；其中，K表示聚类总簇数，F表示文件集合，C1表示在本地缓存的文件总大小不能超过总缓存容量Cr，C2表示在选择云端卸载方式时，各簇内的车辆数量|ki,c|必须在云端卸载方式对应的阈值|thrc|内，C3表示在选择协同卸载方式时，各簇内的车辆数量|ki,x|必须在协同卸载方式对应的阈值|thrx|内；所述对所述缓存优化目标函数进行求解，得到车联网环境下的文件协同缓存方案，包括：对所述缓存优化目标函数进行马尔科夫建模；利用多智能体深度Q网络MADQN算法进行缓存方案决策，得到车联网环境下的文件协同缓存方案；MADQN算法的Q值的计算公式如下：Qst,at＝E[r+γmaxQst+1,A]；其中st代表t时隙的缓存状态，st+1代表t+1时隙的缓存状态，at代表t时隙的行动，A表示行动集合，r是状态s在t时隙的奖励，γ是下一个时隙的收益折扣系数，E表示期望。

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青海大学，其通讯地址为：810000 青海省西宁市城北区宁大路251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”。