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基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估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：CN119312214B 。

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：202411361786.X，技术领域涉及：G06F18/243；该发明授权基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估方法是由姚思喆;余博;陈雨人;冯翔宇;任蔚溪设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估方法在说明书摘要公布了：本发明公开了基于XGBoost‑SHAP和随机参数多元Logit模型的道路适驾性评估方法，涉及道路适驾评估分析领域，具体包括以下步骤：S1：利用自动驾驶汽车数据集中的前行车记录仪数据和IMU数据；S2：建立了道路环境美学的量化模型，从自然性、生动性、多样性和统一性四个方面提取相关特征变量；S3：采用XGBoost与SHAP相结合的可解释机器学习方法，以危险驾驶行为的发生为因变量，道路环境美学特征为自变量，建立自动驾驶汽车的道路适驾性RRAV评价模型，研究道路环境美学与自动驾驶汽车的危险驾驶行为RDBAV之间的关系；S4：采用考虑均值及方差异质性的随机参数多元Logit模型，研究道路适驾性评价模型中随机参数异质性对RDBAV的影响。

本发明授权基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估方法在权利要求书中公布了：1.基于XGBoost-SHAP和随机参数多元Logit模型的道路适驾性评估方法，其特征在于：具体包括以下步骤： S1：利用自动驾驶汽车数据集中的前行车记录仪数据和IMU数据，获得1491个纵向RDBAV事件和225个横向RDBAV事件及对应的道路环境图像； S2：建立了道路环境美学的量化模型，从自然性、生动性、多样性和统一性四个方面提取相关特征变量； S3：采用XGBoost与SHAP相结合的可解释机器学习方法，以危险驾驶行为RDBAV的发生为因变量，道路环境美学特征为自变量，建立自动驾驶汽车的道路适驾性RRAV评价模型，研究道路环境美学与自动驾驶汽车的危险驾驶行为RDBAV之间的关系； S4：采用考虑均值及方差异质性的随机参数多元Logit模型，研究道路适驾性评价模型中随机参数异质性对RDBAV的影响； 在步骤S3中，XGBoost是基于梯度提升决策树方法的机器学习算法，选择XGBoost构建自动驾驶汽车的危险驾驶行为的预测模型，具体包括以下步骤： S31：设定一个具有个特征,和个样本的数据集，由个梯度提升决策树组成的XGBoost的预测值由以下公式计算得到： ； 其中，表示预测值，表示第棵树，表示第棵树中第个样本的得分，表示样本总数，表示第个输入数据，表示所有可能的CART； S32：XGBoost由训练损失目标函数和正则化目标函数组成： ； ； 其中，是观测值，是损失函数，用来衡量和之间的差异，是正则化项，用于惩罚模型复杂度，表示每片叶子的复杂度；表示决策树的叶子总数；表示一个折中参数，用于缩放惩罚；表示第个叶子上的分数； S33：对目标函数进行二阶泰勒展开式，去掉常数项后，简化目标函数如下所示，在XGBoost中，根据最优对决策树进行分割，当决策树的节点深度达到最大深度时停止分割： ； 其中和分别表示叶节点的一阶导数和二阶导数之和； 在步骤S3中，SHAP提供对特征贡献的估计，用来衡量预测结果的特征归属值，SHAP值通过以下公式进行计算： ； 其中，表示特征的贡献，表示所有输入特征的集合，表示特征的总数，是给定模型，是所有观测到的特征集合。

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。