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！

龙图腾网获悉广州智体科技有限公司申请的专利基于群体行为预测的自动驾驶车辆群体接送优化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：CN119599231B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411664940.0，技术领域涉及：G06Q10/047；该发明授权基于群体行为预测的自动驾驶车辆群体接送优化系统是由梁晓辉;陈荣波;蔡轶佳;杨昊设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本基于群体行为预测的自动驾驶车辆群体接送优化系统在说明书摘要公布了：本发明公开了基于群体行为预测的自动驾驶车辆群体接送优化系统，包括包括乘客群体数据采集模块、群体行为预测与模式分析模块、多模态大模型优化模块、群体接送点优先级排序与动态调整模块和实时群体交互与反馈模块；本发明通过对多个乘客的行为、需求、位置及未来移动轨迹进行实时分析，结合群体行为预测技术，自动驾驶车辆能够动态调整接送点和行驶路线，最大化接送效率和乘客体验，本发明的系统特别适用于共享出行、多乘客拼车、动态变化的多人接送场景。

本发明授权基于群体行为预测的自动驾驶车辆群体接送优化系统在权利要求书中公布了：1.一种基于群体行为预测的自动驾驶车辆群体接送优化系统，其特征在于，包括乘客群体数据采集模块、群体行为预测与模式分析模块、多模态大模型优化模块、群体接送点优先级排序与动态调整模块和实时群体交互与反馈模块； 所述乘客群体数据采集模块，用于采集群体中每个乘客的实时数据，包括他们的当前位置信息、预定接送点、需求偏好、历史行为数据； 所述群体行为预测与模式分析模块，通过多模态大模型对群体中每个乘客的行为模式进行分析，结合当前环境数据和历史行为，预测群体中每个乘客的未来行动路径和时间安排； 所述多模态大模型优化模块，用于结合所述群体行为预测与模式分析模块的群体行为预测结果，通过多模态大模型整合各种输入数据，动态生成最优的接送点和路径规划； 所述群体接送点优先级排序与动态调整模块，通过对群体中乘客的需求和行为预测，动态调整接送顺序和接送点优先级； 所述实时群体交互与反馈模块，通过移动设备与每个乘客保持实时互动，提供当前接送点、行驶路径的动态更新，以及群体接送顺序的反馈； 所述乘客群体数据采集模块、所述群体行为预测与模式分析模块、所述多模态大模型优化模块、所述群体接送点优先级排序与动态调整模块和所述实时群体交互与反馈模块之间相互连接； 所述群体行为预测与模式分析模块包括行为模式分析子模块、轨迹预测子模块和群体行为预测子模块； 所述行为模式分析子模块，通过对乘客历史行为数据的分析，识别出其行为模式，所述行为模式至少包括偏好在某些特定时间和地点上下车； 所述轨迹预测子模块，基于当前位置和环境信息，预测乘客的未来移动路径； 所述群体行为预测子模块，通过多乘客的行为模式，生成整个群体的最佳接送顺序和路径，并根据不同乘客的需求调整方案； 所述行为模式分析子模块的具体实现过程为： 基于乘客的历史行为数据，使用聚类算法K-means对不同乘客的行为进行模式分析，并且基于模式分析的结果进行分类； 所述轨迹预测子模块的具体实现过程为： 使用基于长短时记忆网络LSTM的时空轨迹预测模型预测乘客的移动轨迹，所述时空轨迹预测模型的训练输入为乘客的历史轨迹，输出为乘客未来的移动轨迹； 所述群体行为预测子模块的具体实现过程为： 使用图卷积网络GCN与Transformer注意力机制结合的模型，对多个乘客的行为进行全局优化，所述图卷积网络GCN通过处理群体成员之间的关系网络来预测整体的行为模式，Transformer用于捕捉所述关系网络复杂的依赖关系，生成最优的接送顺序和路径方案； 所述最优的接送顺序和路径方案的具体实现过程为： S1：基于K-Means++算法的多个乘客服务区域划分； S2：基于DBSCAN算法的多个乘客合乘点确定； S3：基于最大似然估计的最优接送顺序路径生成； 所述S1的具体实现过程为： S11：输入含n个乘客需求点的坐标数据集N，N={，|i=1,2,3,...,n}，输入预 设类别数k，其中k的取值根据需求数量确定，即k=，Q为车辆座位容量； S12：在输入的数据样本中随机选择一个点xp，yp作为聚类中心，计算每个样本与当前 聚类中心的最短距离用表示，所述Dpi采用第三方地图API接口获取乘客需求点的经 纬度坐标，进而得到两个乘客需求点之间的行车距离； S13：计算每个样本点被选为下一个聚类中心点的概率P=； S14：重复S12与S13步骤，直至选出k个聚类中心； S15：计算每个数据样本k个聚类中心的距离，选择距离最近的聚类中心归为一类； S16：计算每一类簇中的距离均值，通过横坐标与纵坐标的距离均值更新类簇中心，重复步骤S15、S16，直至收敛； S17：抽取聚类结果，每个类簇中数据样本量不大于单次车辆载客量的聚类结果，作为单次n个乘客需求点； 所述S2的具体实现过程为： S21：输入数据集N={xi，yi|i=1,2,3,...,N}，指定Eps邻域半径为r，MinPts邻域中最小样本数为q，其中MinPts和Eps均为DBSCAN聚类算法中的一个参数； S22：初始化簇数k＇=0，初始化未访问样本集合P=D，合乘点集合Ck=； S23：随机选择一个数据样本=xi，yi，若|NEpsoi|≥MinPts，则oi是核心对象， 将oi添加簇Ci集合中，Ci={oi}，并的邻域子集NEpsoi添加到Ci中； S24：更新数据样本P=P-Ci，重复步骤S23，直至每个数据样本点被访问，得到最终合乘点集合Ck={C1,C2,...,Ci}； S25：对于在同一簇Ci中的需求点，随机选取一点作为最终的上下车点； 所述S3的具体实现过程为： 采用一元线性回归的方式，通过最小二乘法对所有乘客合乘点进行拟合，生成最优接送顺序的均匀的线性回归线，然后通过Dijkstra算法，将所述线性回归线输入实际路网线路图中进行交点计算，最终生成簇P0为起点的最短路径，并依次标记每个节点为P1,P2,...,Pn。

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广州智体科技有限公司，其通讯地址为：510000 广东省广州市天河区软件路11号5楼503室F区1号房；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”。