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！

龙图腾网获悉江苏大学申请的专利基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统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：CN118013856B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410283548.5，技术领域涉及：G06F30/27；该发明授权基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统是由刘擎超;余若寒;熊晓夏;蔡英凤;王海;陈龙;赵霞;赵晶娅;周卫琪设计研发完成，并于2024-03-13向国家知识产权局提交的专利申请。

本基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统在说明书摘要公布了：本发明公开了一种基于HM‑TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统，将应急救援车辆与周边运动对象之间的关系抽象为动态异构图，利用HM‑TRW捕获各周边运动对象和各种交互关系的重要性、动态性，并与各周边运动对象的原始特征融合，然后输入HAGENN进行碰撞风险预测，其将动态异构图嵌入的方法应用于层次注意神经网络进一步学习周边运动对象的异构特性和动态变化规律；在计算不同层次的注意力时，采取定位空间确定注意力的应用位置并采用参数化空间搜索注意力函数，并引入多阶段微分搜索加速以上搜索过程。本发明能更加全面和准确地预测急救援自动驾驶车辆运行过程中的碰撞风险。

本发明授权基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统在权利要求书中公布了：1.基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法，其特征在于： 数据集构建：在实车实验中，通过数据采集装备采集自车数据、周边运动对象数据，对所述数据进行预处理后存入数据库中； 碰撞风险预测模型搭建：利用采集的自车数据和周边运动对象数据构建动态异构图，由高阶记忆引导时间随机游走HM-TRW算法学习动态异构图的异构特性和动态变化规律，得到的各周边运动对象的节点表示，随后被馈送到层次注意图嵌入神经网络HAGENN进行碰撞风险的预测； 模型训练：将数据库中的训练集和验证集分别输入碰撞风险预测模型，优化模型参数； 模型测试：利用数据库中的测试集对训练好的碰撞风险预测模型进行测试，根据测试结果评估和分析模型预测性能； 碰撞风险预测：实时采集应急救援自动驾驶车辆的数据及周边运动对象数据，输入测试后的碰撞风险预测模型，实现碰撞风险的预测； 所述动态异构图的构建为：应急救援车辆及其周边运动对象表示节点，将它们之间的各种交互关系表示为边，节点和边随时间动态发生变化，构成动态异构图，其表达式如下： Gt＝vt,et,ut 其中，vt是节点类型为h的节点集，et是边类型为r的边集，表示所有运动对象的特征集合，h∈H，r∈R，H和R分别为节点类型集和边类型集，表示实数集，N为节点个数，D为特征维数； 所述学习动态异构图的异构特性，包括： 1转移向量 设置初始高阶记忆队列为空，类型转移向量以相等的概率访问各个类型的周边运动对象，当访问到周边运动对象vj时，其类型转移向量按下式更新： 式中，表示周边运动对象vj的类型，Q表示先入先出队列，Norm表示返回向量的二范数； 2类型转换 根据的概率分布决定要访问的下一周边运动对象类型，并采用具有搜索因子α∈[0,1]的搜索机制解决类型陷阱问题，具体如下： 式中，表示类型转移向量最初访问的周边运动对象，Prhn+1表示要访问的下一周边运动对象的类型为hn+1的概率； 3高阶记忆记录 访问完周边运动对象vj后，将类型转移向量存入下一步的先入先出队列Q'中： 其中，Put为队列运算符，表示当先入先出队列已满时，则弹出第一个转移向量并将其放在队列末尾； 所述学习动态异构图的动态变化规律，具体为： 对于应急救援车辆vi，使用hn+1表示其周边运动对象的类型，于是有： 其中，表示应急救援车辆vi在未来时间戳下的周边运动对象的集合，t′表示上一步随机游走的时间戳； 采取指数衰减分布从集合中选择下一个要访问的运动对象： 其中，未来第k步随机游走的时间戳tk∈t，t表示随机游走的时间戳；Prvn+1表示下一个要访问的运动对象为vn+1的概率，vk表示第k步随机游走访问的周边运动对象；折现率δ∈[0,1]； 各周边运动对象的节点表示是将高阶记忆引导时间随机游走算法的输出与各周边运动对象的原始特征融合： 其中，分别为周边运动对象vj的类型转移向量、原始特征和独热向量，为所有运动对象的潜在嵌入，表示实数集，N为节点个数，D为特征维数，Wf和W表示周边运动对象vj与其它运动对象之间不共享的可学习参数，和xvj分别表示周边运动对象的识别嵌入特征和最终节点表示。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。