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！

龙图腾网获悉长沙理工大学申请的专利一种动态标定的车辆碰撞风险实时预测模型构建方法、平台、介质及终端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：CN119049336B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411017376.3，技术领域涉及：G08G1/16；该发明授权一种动态标定的车辆碰撞风险实时预测模型构建方法、平台、介质及终端是由邢璐;金孔宁;郭思睿;李烨;向往;杨枝枝;秦利君;杨丰维设计研发完成，并于2024-07-29向国家知识产权局提交的专利申请。

本一种动态标定的车辆碰撞风险实时预测模型构建方法、平台、介质及终端在说明书摘要公布了：本发明公开了一种动态标定的车辆碰撞风险实时预测模型构建方法、平台、介质及终端，其中，所述方法通过感知设备获取路段或节点的车辆轨迹数据，并提取特征参数；计算每一时刻每辆车与最近前车的拓展距离碰撞时间，判别每辆车与最近前车的碰撞风险并提取碰撞风险影响因素；对碰撞风险及特征参数并进行不同方式的区间采样得到多个离散数据集；构建风险预测模型并对模型参数进行动态标定；采用ROC曲线面积对各模型预测效果进行评价，得到预测的最优采样方式及学习率，确定最终的动态车辆风险预测模型。解决了以历史数据估计车辆事故风险无法适应交通环境以及模型无法随数据标定实时自适应修正的问题。

本发明授权一种动态标定的车辆碰撞风险实时预测模型构建方法、平台、介质及终端在权利要求书中公布了：1.一种动态标定的车辆碰撞风险实时预测模型构建方法，其特征在于，包括： S1：通过感知设备获取安全管控路段或节点的车辆轨迹数据，并提取车辆特征参数和交通流特征参数； S2：基于车辆特征参数和交通流特征参数，计算每一时刻每辆车与最近前车的拓展距离碰撞时间，判别每辆车与最近前车的碰撞风险并提取碰撞风险影响因素；其中，碰撞风险影响因素包括但不限于：车辆长度、车辆宽度、前车车速Lv、后车速度Fv、车辆行驶距离D、车辆间距离、车辆类型、平均交通密度K； S3：对所有车辆轨迹数据中得到的车辆特征参数、交通流特征参数及碰撞风险进行多种不同方式的区间采样，得到对应的多个离散数据集； S4：将离散数据集中的碰撞风险影响因素作为输入，每辆车与最近前车的碰撞风险作为输出，基于步骤S3获得的多个离散数据集分别构建车辆碰撞风险预测模型，并对各模型参数进行动态标定，得到多个车辆碰撞风险实时预测模型； S41：基于S3获得的各离散数据集，使用数据集中预设比例的数据定义逻辑回归模型，即构建车辆碰撞风险预测模型，预测在多种因素影响下的车辆碰撞概率； S42：利用数据集中剩余数据依次输入车辆碰撞风险预测模型进行动态标定，得到多个车辆碰撞风险实时预测模型，其中，每一个离散数据集对应得到一个车辆碰撞风险实时预测模型；动态标定的具体过程为： S421：将输入定义逻辑回归模型最后一个数据的时刻设为t-1时刻，并将此样本数据，此时模型参数为；基于当前模型参数、时刻的样本数据、时刻的车辆碰撞风险数据，计算样本损失函数值；根据损失函数值计算样本关于每个车辆碰撞风险预测模型参数的梯度值；其中，损失函数为交叉熵损失，其公式为： ； 其中，为样本下碰撞发生的概率； 梯度值计算公式为： ； 其中，为关于参数的梯度值，，为自变量个数； S422：基于梯度下降算法计算时刻的模型参数，即完成一次参数动态标定，计算公式为： ； 其中，为t时刻的逻辑回归模型参数；为学习率； S423：判断数据集中剩余数据是否依次遍历输入：若是，则结束标定；若否，则t+1并返回S421； S5：采用ROC曲线面积对各车辆碰撞风险实时预测模型的预测效果进行评价，得到适用于安全管控路段或节点安全预测的最优采样方式及学习率，确定最终的车辆碰撞风险实时预测模型。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路2段960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。