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！

龙图腾网获悉福州大学申请的专利一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别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：CN119293450B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411420373.4，技术领域涉及：G06F18/20；该发明授权一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别方法是由黄炜;刘新杰设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别方法在说明书摘要公布了：本发明涉及一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别方法。所述方法包括：处理车辆轨迹数据集数据，根据所述数据中包含的车辆标识，确定目标车辆及周围交通参与者对应的目标数据；发明了一种多任务学习方法，采用处理后的数据建立一种基于多任务学习的CTG‑MTLN模型用以实现交互车辆轨迹预测与驾驶意图识别的功能，该模型具有高精度和高效率的特点。

本发明授权一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别方法在权利要求书中公布了：1.一种基于多任务学习的交互车辆轨迹预测与驾驶意图识别方法，其特征在于，包括以下步骤： 步骤1：处理交互车辆轨迹预测与驾驶意图识别数据集数据； 步骤2：确定轨迹预测的问题定义； 步骤3：使用多任务学习方法设计CTG-MTLN模型进行交互车辆轨迹预测与驾驶意图识别； 所述步骤1具体包括：首先，基于目标车辆ID加载数据，并根据车道变更操作类型对轨迹数据进行分类；随后，通过搜索周围交通代理ID并将其与相应的轨迹匹配；处理后，获取相对于目标车辆的位置、速度、加速度和车辆类型参数信息；计算目标车辆的安全因素和车道环境信息； 此外，在处理所有代理的轨迹数据后，提取秒的历史轨迹数据，其中秒用于理 解，秒用于预测；模型训练分为两个阶段：第一阶段专注于轨迹预测，整个数据集都被洗 牌，无论数据类型如何，都使用固定的随机种子；第二阶段专注于驾驶意图识别，保持交互 车辆轨迹与驾驶意图数据集中车道保持数据的固定顺序；最后，两个阶段的数据分为训练 集、验证集和测试集； 所述步骤2具体包括：交互车辆轨迹预测和驾驶意图识别分别指估计交互车辆的未来运动状态和目标车辆驾驶员的未来操作意图；交互车辆轨迹预测和驾驶意图数据包含描述每个观察到的交通主体的属性、安全风险指标和道路结构信息； 选择预处理的可观察特征矩阵作为输入；同时，设计一个预测 器输出未来交互车辆轨迹和驾驶意图，其中是时间戳；是 未来预测的时间戳，代表输出预测范围； 交互车辆轨迹预测和驾驶意图识别参数矩阵 由五个参数矩阵组成，包括目标车辆特征集、周围交通参与者特征集、目标车 辆的风险指标特征集、车辆与道路的空间关系特征集和驾驶意图标签特征集；和都包括车辆类型、位置、速度和加速度运动学参数；还包括特定于目 标车辆的额外运动学参数，参数包括偏航率、加速度率和航向角；周围交通参与者用表示，其中表示前方交通参与者，表 示前方右侧交通参与者，表示前方左侧交通参与者，表示右侧相邻交通参与者， 表示左侧相邻交通参与者，表示后方交通参与者，表示后方右侧交通参与者，表示 后方左侧交通参与者； 目标车辆特征集包含与前方和后方车辆相关的风险指标，道路特征集则包括目 标车辆的相对车道位置、车道类型、车道数量、车道宽度以及车辆尺寸信息； 所述CTG-MTLN模型具有四层架构，包括嵌入层、扩展嵌入层、编码器层和解码器层；嵌 入层将序列数据映射到高维空间，以便编码器层更好地进行特征提取；扩展嵌入层将轨迹 数据在时间长度为的范围内扩展，并映射到高维空间，以增强模型的特征提取能力；编码 器层负责分析车辆之间的相互作用，将提取的特征转换为隐藏状态，作为对交通主体轨迹 的总结与理解；解码器层则从序列输入中提取这些理解，并结合驾驶意图生成未来的轨迹。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。