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！

龙图腾网获悉长安大学申请的专利考虑交通环境动态跟车场景下的车速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：CN119415913B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411552408.X，技术领域涉及：G06F18/21；该发明授权考虑交通环境动态跟车场景下的车速预测方法及系统是由章中全;薛启帆;赵轩;刘瑞;马建;袁田;周猛;孟昱强设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本考虑交通环境动态跟车场景下的车速预测方法及系统在说明书摘要公布了：一种考虑交通环境动态跟车场景下的车速预测方法及系统，方法包括通过在自然驾驶数据集中设置跟车流程的标准和阈值，提取出跟车案例数据；使用目标检测算法获取跟车案例数据相关交通环境特征，并提取跟车案例数据中的车辆动力学参数，将车辆动力学参数与交通环境特征进行融合，归一化处理之后得到融合特征；采用组合特征选择方法去除融合特征中的冗余变量；将去除冗余变量之后的融合特征划分数据集，训练预先建立的Informer‑FDR车速预测模型，利用训练后的车速预测模型获取车速预测结果。本发明有效反映了驾驶员与交通环境的动态交互特征和潜在的交通冲突，增强了模型对复杂驾驶环境的理解，提升了车速预测的实时性和准确性。

本发明授权考虑交通环境动态跟车场景下的车速预测方法及系统在权利要求书中公布了：1.一种考虑交通环境动态跟车场景下的车速预测方法，其特征在于，包括以下步骤： 通过在自然驾驶数据集中设置跟车流程的标准和阈值，提取出跟车案例数据； 使用目标检测算法获取跟车案例数据相关交通环境特征，并提取跟车案例数据中的车辆动力学参数，将车辆动力学参数与交通环境特征进行融合，归一化处理之后得到融合特征； 采用组合特征选择方法去除融合特征中的冗余变量； 将去除冗余变量之后的融合特征划分数据集，训练预先建立的Informer-FDR车速预测模型，利用训练后的Informer-FDR车速预测模型获取车速预测结果； 所述Informer-FDR车速预测模型将Informer深度学习模型的解码器中蒸馏层的最大池化层，替换为平均池化层，将卷积层改为扩张因果卷积；扩张因果卷积由因果卷积和扩张卷积两部分组成；因果卷积受到时间约束限制，将时间t的输出仅与前一层的时间t和更早的元素进行卷积来保证时序预测中的因果性，使网络的输出信息仅受过去输入信息的影响； 扩张卷积操作如下： 式中K是卷积核大小，s是X的元素，Fi是卷积核的权重，t是时间步长，t-d·i表示过去的方向； 所述Informer-FDR车速预测模型引入PRELU作为蒸馏层的激活函数，PRELU将输出均值推向零，改进后的蒸馏操作如下： 式中，稀疏概率自注意力包含在[·]AB中；扩张因果卷积通过DCConv·来实现，激活函数为PReLU·，通过AvgPool·来生成最终的输出； 所述Informer-FDR车速预测模型增加残差连接模块，残差连接模块由三个稀疏概率自注意力层和两个蒸馏层组成，为了保证这两层输出的特征图在加在一起时具有相同的形状，使用1*1卷积将主编码器中第一个稀疏概率自注意力层的输出与第三个稀疏概率自注意力层的输出合并，保证特征信息的有效传输。

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长安大学，其通讯地址为：710064 陕西省西安市碑林区南二环中段33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”。

以上内容由龙图腾AI智能生成。