
IT
자율주행차 탑승객을 위한 MEC 기반 딥러닝 캐싱 시스템 개발
기술분야
자율주행 엣지 컴퓨팅 캐싱
가격
가격 협의
판매 유형
직접 판매
거래방식
- 노하우
- 특허매각
- 공동연구
- 라이센스
AI요약
자율주행차에서 엔터테인먼트 제공 시 기존 데이터 센터 방식은 통신 지연으로 사용자 경험을 저해합니다. 본 기술은 MEC 환경에서 딥러닝 기반 예측과 맞춤형 캐싱으로 이를 해결합니다. 데이터 센터는 시청 이력 등으로 콘텐츠 요청 확률을 예측하고, MEC 서버는 이를 바탕으로 캐싱할 콘텐츠를 결정합니다. 자율주행차는 탑승자 특성을 CNN으로 분석해 예측값과 결합하여 맞춤형 콘텐츠를 추천하며, 이동 경로상 최적 MEC 서버에 캐싱해 다운로드 지연을 최소화합니다. 이를 통해 저지연 개인 맞춤형 콘텐츠를 제공하고 차량 내 사용자 경험을 개선하며, 혼잡 시간대에도 실시간 콘텐츠 제공이 가능합니다.
기본 정보
| 기술 분야 | 자율주행 엣지 컴퓨팅 캐싱 |
| 판매 유형 | 자체 판매 |
| 판매 상태 | 판매 중 |
기술 상세 정보
| 기술명 | |
| Deep learning based caching system and method for self-driving car in multi-access edge computing | |
| 기관명 | |
| University-Industry Cooperation Group of Kyung Hee University | |
| 대표 연구자 | 공동연구자 |
| 홍충선 | - |
| 출원번호 | 등록번호 |
| 16189773 | 10623782 |
| 권리구분 | 출원일 |
| 특허 | 2018.11.13 |
| 중요 키워드 | |
CNN자율주행차엣지 컴퓨팅MEC인공지능분산 컴퓨팅네트워크 엣지MLP 모델이진 분류딥러닝 캐싱콘텐츠 추천실시간 처리k-평균 알고리즘지연 감소데이터 캐싱IT | |
중요 키워드
#CNN#자율주행차#엣지 컴퓨팅#MEC#인공지능#분산 컴퓨팅#네트워크 엣지#MLP 모델#이진 분류#딥러닝 캐싱#콘텐츠 추천#실시간 처리#k-평균 알고리즘#지연 감소#데이터 캐싱#IT
기술완성도 (TRL)
기본원리 파악
기본개념 정립
기능 및 개념 검증
연구실 환경 테스트
유사환경 테스트
파일럿 현장 테스트
상용모델 개발
실제 환경 테스트
사업화 상용운영
기본원리
파악
기본개념
정립
기능 및 개념
검증
연구실 환경
테스트
유사환경
테스트
파일럿 현장
테스트
상용모델
개발
실제 환경
테스트
사업화
상용운영
기술 소개
매도/매수 절차
기술이전 상담신청
연구자 미팅
기술이전 유형결정
계약서 작성 및 검토
계약 및 기술료 입금
문의처

경희대학교
담당자최현아
이메일tlo-khu@khu.ac.kr
문의처031-201-3531
보유 기술 로딩 중...
인기 게시물 로딩 중...










