摘要：边缘AI的兴起促进了AI在边缘计算场景中的广泛应用.随着AI任务的多样化、终端设备性能的不断提升,实际应用中亟须设计一种新的模型实现单个终端设备上的多AI任务并行调度.然而目前的研究更关注单个AI任务在单个终端设备上的计算效率,因此本文提出一种基于模型预分层的多AI任务调度策略,以优化多AI任务在终端设备上的计算效率.首先,对多个AI任务进行模型预分层,并记录每种预分层的计算量和参数量;其次,在终端设备上建立资源监控模型,实时检测可用资源情况;最后,结合时间周期要求和实时可用资源的约束,以对边缘终端的计算资源需求最大为目标,从多个AI任务的多个预分层模型集合中选取一组由多个AI任务不同预分层组成的最优解,动态地调整每个AI任务在终端设备上的模型计算层数,在避免固定式模型分层的弊端的同时,充分利用终端设备的计算资源.实验结果显示,本文策略能够有效提高多AI任务的计算效率,计算资源利用率可达到96.97%,调度分配成功率可达到96.45%,数据传输量减小率可达到97.22%.

摘要：空间众包中现有的任务分配方案主要集中在点任务上,对区域任务分配研究较少,并且多数研究以离线任务分配为基础.然而想要实现区域任务的真正应用,在线分配方案的提出更为重要.本文为区域任务提供了一个有效的在线任务分配方案,该方案在预算和时间约束下,可以最大化区域任务的总体质量得分.首先提出一种预分配算法(PA)通过历史数据对工人和任务进行预分配.然后提出了基于移动工人的在线跨区域分配算法(CRMW),并设计多轮分配机制提高任务分配的成功率.该算法分不同轮次在同一区域和所有区域之间进行分配,并采取基于原始质量比的激励机制,从而进一步提高分配算法的命中率.最后提出区域任务分解算法(RTDA)将任务进行子任务分解,并通过优化粒子群算法为子区域任务选择合适工人.本文通过在真实数据集上进行对比实验,从质量分数和运行时间两方面进行比较,并表明了本文算法对质量分数的提高具有一定的有效性.

摘要：任务分配是空间众包平台面临的一大挑战.在空间众包中,工人要到达指定地点才能完成空间任务,很多研究直接将二者之间的距离作为设计任务分配方案的优化目标.然而,对前往地点的熟悉程度也是工人能否及时到达指定位置,高效完成任务的关键,这一点被很多研究忽略.另外,工人的偏好和声誉在大多任务分配研究中也没有被利用.为了挑选合适的工人以提高结果质量,本文从用户体验出发,兼顾工人的意愿和请求者的利益,构建最大化任务成功完成的可能性分配(MPA)模型.在求解MPA模型中的全局目标函数时,本文提出了一种改进的模拟退火算法,即MPS-SA算法,该算法每次迭代产生新解时考虑了搜索的随机性和方向性以提高获得最优解的概率.最后本文在真实数据集和仿真数据集上通过实验,证实了MPS-SA算法的有效性.

摘要：在实时协同3D设计系统里,依赖图文档模型被广泛的用来表示文档内部图形对象之间的依赖关系.Sun的团队针对由于对象与对象之间的依赖关系的存在而导致的意愿冲突,提出了5种类型的依赖冲突,并通过操作转换的方法予以解决.然而这5种冲突关系类型并不能涵盖所有的依赖冲突关系,基于这五种依赖冲突的类型,提出一种新的冲突:交叉依赖冲突,并根据操作之间的关系是否全部为并发关系,制定了两种操作关系下的冲突消解策略,通过多版本机制解决了其可能产生的不一致性问题,维护了文档的一致性.实例分析和实验仿真表明了策略的有效性和正确性.

摘要：为解决在大规模家庭客户端接入时智能家居服务器的性能问题,考虑到现有传统开源服务器程序注重通用性而牺牲性能的情况,基于UDP通讯协议,通过分层设计,同时使用多块网卡虚拟化统一技术,加以接收端端口复用技术,在存储时使用多队列同步缓存提高存储速度等设计,提出一种适应大规模客户端接入的智能家居服务器端软件。实验测试结果表明,该方案接收速度能达到单机10万数据包/秒,接收并进行持久化的效率能达到单机2万数据包/秒。

摘要：为提高基于云服务的智能家居数据接入系统的可靠性和稳定性,针对其上线之前的性能测试,提出在具有MPI环境的廉价PC机群上,实现大规模家庭网关程序模拟的编程模型ITM-MPI。对智能家居数据接入系统以及真实的应用场景进行认识和了解,指出其性能测试的重要性和难点;在此基础上,分析与其进行数据交互的家庭网关程序功能特点,结合MPI的集群特点,在较低硬件成本的基础上,仿真出大批量家庭网关程序对云端接入系统的性能进行测试。测试结果表明,该模型能够使单台PC机在性能健康的状态下实现百万级家庭网关程序的模拟,为大规模数据接入系统的性能测试提供了一种解决方案。

摘要：为实现智能家电协同控制系统,利用STM32F103RBT6、nRF24L01及各类传感器搭建无线传感网,在协同感知环境信息的基础上,建立多用户模型,采用预测平均指标(PMV)衡量用户舒适度。通过建立空调能耗模型,利用数据拟合方法可较准确地预测空调的能耗。将用户满意度和能耗作为目标,利用多目标优化算法,求解智能家电最优控制策略,通过实验验证了该方法的正确性。

摘要：为智能检测多车道车辆数目,提出一种实时多车道车辆计数方法。利用运动车辆完成整个车道区域提取排除非车道区域的干扰,在道路背景重建得到无车辆遮挡的道路背景后完成车道线检测和拟合,得到多车道区域;在此基础上,通过提取车尾灯红色区域并建立相应的匹配规则匹配成对车尾灯,解决车辆并排同速问题,完成车辆计数的任务,实现多车道车辆计数。在CUDA平台下使用图像处理器(GPU)NVIDIA GTX680显卡对算法进行加速,可以达到28ms/帧的处理速率,验证了算法的实时性。

摘要：针对城市交通路口的多车道车辆数量统计问题,提出基于车道映射矩阵的车道划分方案。根据车道映射矩阵分布情况判断车道中心线位置,利用相邻车道中心线间的距离对车道进行划分,与车辆计数算法结合,实现多车道车辆计数系统。该方案能够减少环境因素对车道划分的影响,在白天与夜晚情况下均取得较好效果。实验结果表明,该方案准确率为93.6%,能够适应复杂道路,多车道实时车辆计数系统准确率能够达到91%以上,在保证系统实时性的基础上,提供了较高的系统准确性和鲁棒性。

摘要：在人工智能数据流边缘接入集群中,拥有更高的接入带宽固然重要,但高效的AI数据流接入算法和调度机制更能够充分发挥接入服务器网卡等硬件性能。论文提出针对大规模AI数据流的并发接入算法和调度机制。针对AI数据单元大小动态变化的不稳定性接入,设计区域动态分组接入算法和基于接入服务器资源预测的数据流迁移调度机制。集群实验结果表明,区域动态分组接入算法可以更好地满足大规模AI数据流接入请求;在保证接入服务器集群数据流总并发量前提下,基于资源预测的流调度机制使得接入服务器资源利用均衡,大大降低系统AI数据单元丢包率。