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！

龙图腾网获悉浙江大学申请的专利一种基于改进KAN网络的车辆早期换道意图预测方法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：CN120183203B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510653673.5，技术领域涉及：G08G1/01；该发明授权一种基于改进KAN网络的车辆早期换道意图预测方法是由夏英集;徐朔;沈翔;陈喜群;黄冰莹;朱冰;王卓睿设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种基于改进KAN网络的车辆早期换道意图预测方法在说明书摘要公布了：本发明公开了一种基于改进KAN网络的车辆早期换道意图预测方法。方法包括采集目标车辆行驶数据，根据目标车辆行驶数据划分正负样本，根据划分的正负样本获取换道数据集，利用换道数据集构建车辆早期换道意图预测模型并进行训练，将实时采集的待测目标车辆的连续行驶数据输入到训练好的车辆早期换道意图预测模型中进行处理得到待测目标车辆的换道概率，最后将换道概率与预设换道概率阈值进行比较得到待测目标车辆是否发生换道。本发明的方法采用基于惩罚性换道权重损失函数的KAN网络对换道数据集进行处理，有效提升了混行交通环境下无人驾驶车辆对环境的感知能力，给无人驾驶车辆充足的反应时间，从而提升其行驶安全性。

本发明授权一种基于改进KAN网络的车辆早期换道意图预测方法在权利要求书中公布了：1.一种基于改进KAN网络的车辆早期换道意图预测方法，其特征在于，包括如下步骤： S1、通过无人驾驶车辆的车载传感器采集若干个目标车辆行驶数据，并根据所有目标车辆行驶数据划分正样本和负样本； 所述步骤S1具体为： S11、通过无人驾驶车辆的车载传感器采集若干个目标车辆每帧的行驶数据； S12、根据行驶数据将目标车辆分为换道车辆和未换道车辆； S13、针对换道车辆，将目标车辆换道完成时刻和换道完成时刻前N-1帧组成的连续行驶数据作为正样本并将换道完成时刻前2N-1帧到前N帧的连续行驶数据作为负样本；针对未换道车辆，将任意连续N帧的行驶数据作为负样本； S2、根据划分的正样本和负样本对行驶数据进行预处理得到若干个样本的时间序列数据，所有时间序列数据汇总得到换道数据集； S3、构建车辆早期换道意图预测模型，将换道数据集输入到采用惩罚性换道权重损失函数的车辆早期换道意图预测模型中进行训练，得到训练好的车辆早期换道意图预测模型； 所述步骤S3中的惩罚性换道权重损失函数按以下公式进行设置： Li +pt +=-∑x=1 N-M+1αlogpix + Lj -pt -=-∑y=1 N-M+1log1-pjy - α=e-max0，d-Φepoch-1-γ Φepoch-1=1k∑f=1 kGf epoch-1 其中，i和x均表示索引；Li +为第i个正样本的损失函数；pix +表示第i个正样本中第x个时间序列预测得到的换道概率；α表示权重；j和y均表示索引；Lj -为第j个负样本的损失函数；pjy -表示第j个负样本中第y个时间序列得到的换道概率；e表示常数；max表示取最大值；d表示第x个时间序列的最后一帧的索引与换道完成时刻的索引之间的差值；epoch表示训练轮次的索引，也表示第epoch次的训练；Φepoch-1表示第epoch-1次训练轮次中所有正样本的换道时间差值的均值；γ表示超参数；k表示正样本的总数；f表示索引；Gf epoch-1表示第epoch-1次训练轮次中第f个正样本的换道时间差值； 所述换道时间差值具体为每个正样本中的第一个换道概率不小于预设换道概率阈值时的时间序列的索引与最后一个时间序列的索引之间的差值； S4、实时采集若干个待测目标车辆当前时刻的前若干帧到当前时刻帧的连续行驶数据，并输入到训练好的车辆早期换道意图预测模型中进行处理实时得到每个待测目标车辆的换道概率，每个待测目标车辆的换道概率与预设换道概率阈值进行比较，实时得到每个待测目标车辆是否发生换道。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。