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！

龙图腾网获悉同济大学申请的专利一种集群车辆运动轨迹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：CN114372503B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202111474976.9，技术领域涉及：G06V10/774；该发明授权一种集群车辆运动轨迹预测方法是由赵聪;杜豫川;宋安迪设计研发完成，并于2021-12-03向国家知识产权局提交的专利申请。

本一种集群车辆运动轨迹预测方法在说明书摘要公布了：本发明涉及一种集群车辆运动轨迹预测方法，包括：采集不同时段内的车辆轨迹时空信息数据，将车辆轨迹时空信息数据按照时间顺序切分为多个短时片段，并生成每个片段内每辆车的行为数据，得到车辆时序特征数据，随机划分得到训练集和验证集；基于循环神经网络和图神经网络，构建车辆轨迹预测模型；利用训练集对模型进行迭代训练、利用验证集检验模型的预测效果，以得到参数最优的车辆轨迹预测模型；将待预测场景中的集群车辆历史轨迹时空信息数据输入参数最优的模型，输出得到对应的集群车辆轨迹预测结果。与现有技术相比，本发明从动态表征车辆交互的角度进行改进，能够更准确描述车辆集群行为，提升集群车辆运动轨迹预测的准确性和稳定性。

本发明授权一种集群车辆运动轨迹预测方法在权利要求书中公布了：1.一种集群车辆运动轨迹预测方法，其特征在于，包括以下步骤： S1、采集不同时段内的车辆轨迹时空信息数据，将车辆轨迹时空信息数据按照时间顺序切分为多个短时片段，并生成每个片段内每辆车的行为数据，得到车辆时序特征数据，以随机划分得到训练集和验证集； 所述车辆轨迹时空信息数据包括车辆的时间信息以及车辆之间的空间信息，所述时间信息具体为集群中每辆车在过去时间段内运行的轨迹特征信息，所述轨迹特征信息包括位置、速度、加速度、车辆长度、车辆宽度和车辆类别信息； 所述车辆之间的空间信息为在过去时间段内车辆集群中车辆之间的相互位置信息； S2、基于循环神经网络和图神经网络，构建车辆轨迹预测模型； S3、利用训练集对车辆轨迹预测模型进行迭代训练、利用验证集检验车辆轨迹预测模型的预测效果，以得到参数最优的车辆轨迹预测模型； S4、将待预测场景中的集群车辆历史轨迹时空信息数据输入参数最优的车辆轨迹预测模型，输出得到对应的集群车辆轨迹预测结果； 步骤S2中构建的车辆轨迹预测模型包括编码层、行为推演层和解码层，所述车辆轨迹预测模型的输入为某个场景中所有车辆轨迹数据的集合，通过编码层获取其时空信息； 行为推演层使用编码后的信息预测每辆车的行为； 根据编码层和行为推演层的输出，解码层预测输出所有车辆的轨迹； 所述编码层和解码层均采用动态图卷积门控神经单元构成的门控动态图卷积层，所述动态图卷积门控神经单元具体是一种同时使用了多头注意力动态邻接阵、图卷积和循环神经网络的神经网络，用于学习动态时空依赖关系，该网络将数据输入DyGCGRU单元，使用多头注意力动态邻接矩阵获得车辆之间的注意力系数，同时将两个全连接层替换为图卷积层、合并生成重置门和更新门的卷积操作，卷积的邻接矩阵即为注意力系数构成的矩阵； 所述多头注意力动态邻接矩阵是一种通过多个车辆的特征信息生成车辆之间的注意力系数的神经网络，该网络将输入数据通过全连接层进行嵌入，再采用dotscore方法进行关系评分，并基于自偏置矫正获取车辆与自身的关系，通过多头融合方法获得多头信息； 步骤S3中迭代训练的具体过程为：随机抽取训练集的车辆时序特征数据输入车辆轨迹预测模型中进行推理，计算损失函数并进行反向传播，其中，训练的损失函数为轨迹预测损失和行为分类损失之和，如此迭代训练得到参数最优的车辆轨迹预测模型。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。