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！

龙图腾网获悉吉林大学申请的专利一种基于车辆轨迹交互动力学的周车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：CN118736890B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202410746156.8，技术领域涉及：G06F18/213；该发明授权一种基于车辆轨迹交互动力学的周车轨迹预测方法是由郑雪莲;胡旭歌;任园园;李显生;王清菊设计研发完成，并于2024-06-11向国家知识产权局提交的专利申请。

本一种基于车辆轨迹交互动力学的周车轨迹预测方法在说明书摘要公布了：本发明涉及一种基于车辆轨迹交互动力学的周车轨迹预测方法，在车辆轨迹预测过程中，对能够代表驾驶员驾驶意图、驾驶风格、驾驶策略这些隐形特征的时间依赖特征、时空依赖特征、时空交互特征进行提取并融合到最终的预测结果中，从而能够更加全面的对影响周车轨迹的各种因素之间的交互作用进行综合考虑，使预测轨迹更加准确。另外，由于采用了模块化的特征提取方法，因此提高了车辆预测轨迹的可解释性，更加便于对轨迹预测模型的调试与优化，同时使人们能够及时防范、避免特定情况下，车辆轨迹预测模型对周车轨迹进行错误的预测，从而降低了车辆在道路上潜在的碰撞隐患。

本发明授权一种基于车辆轨迹交互动力学的周车轨迹预测方法在权利要求书中公布了：1.一种基于车辆轨迹交互动力学的周车轨迹预测方法，其特征在于，所述方法包括以下步骤： 步骤一：利用传感器收集周边所有车辆的状态信息，并将收集到的信息进行预处理，得到周边车辆f从t-T时刻到t时刻的原始时间特征集合，以及周边车辆f和g从t-T时刻到t时刻的原始空间交互特征集合； 步骤二：建立时间依赖特征提取模块和时空依赖特征提取模块，将所述原始时间特征集合输入到所述时间依赖特征提取模块中，得到时间依赖特征集合，将所述原始空间交互特征集合输入到所述时空依赖特征提取模块中，得到时空依赖特征集合； 步骤三：建立时空交互特征提取模块，将所述原始时间特征集合、原始空间交互特征集合、时间依赖特征集合以及时空依赖特征集合输入到所述时空交互特征提取模块中，得到时空交互特征集合； 步骤四：将所述时空交互特征集合、时间依赖特征集合、时空依赖特征集合进行拼接，得到融合特征； 步骤五：将融合特征输入轨迹解码器，得到周边车辆f的预测轨迹； 步骤六：重复上述步骤一至步骤五，得到周边所有车辆的预测轨迹； 通过所述时空交互特征提取模块获得时空交互特征的方法为： 将所述周边车辆f的原始时间特征、原始空间交互特征、时间依赖特征集合、时空依赖特征集合输入所述时空交互特征提取模块中，将所述周边车辆f作为节点f，构建节点f在时刻t时的交互时空动态图，所述交互时空动态图包括节点特征和边特征； 在所述时空交互特征提取模块中设置图卷积神经网络模型； 基于所述图卷积神经网络模型，分别对所述交互时空动态图中的节点特征与边特征进行聚合，获得节点信息聚合特征、边信息聚合特征，并将所述节点信息聚合特征、边信息聚合特征进行融合，获得节点f在时刻t时的总信息聚合特征； 在所述时空交互特征提取模块中，将所述节点f从t-T时刻到t时刻的所有总信息聚合特征进行更新，获得节点f从t-T时刻到t时刻的时空交互特征集合； 所述交互时空动态图的构建方法为： 初始化所述交互时空动态图； 将所述原始时间特征与时间依赖特征集合拼接，获得节点特征，即=[,]，同时，将所述原始空间交互特征与时空依赖特征集合拼接，获得边特征,即=[,]，结合节点特征与边特征创建邻接矩阵和掩码矩阵，构建交互时空动态图； 所述节点信息聚合特征、边信息聚合特征的聚合方法为： 在t时刻，利用信息传递机制，获得所述节点f所有邻居节点的节点特征集合以及节点f与所有邻居节点之间的边特征集合，基于第五公式，获得节点信息聚合特征，基于第六公式，获得边信息聚合特征； 所述第五公式为：=DenseGCN,，其中，DenseGCN为所述图卷积神经网络模型； 所述第六公式为：=EdgeCNN,，其中EdgeDNN为另一种所述图卷积神经网络模型； 所述节点f在时刻t时的总信息聚合特征的获得方法为：基于第七公式，所述节点信息聚合特征、边信息聚合特征利用最大池化函数、非线性激活函数，获得节点f在t时刻的总信息聚合特征； 所述第七公式为：=ReLUMaxPool[,]，其中，ReLU为所述非线性激活函数，MaxPool为所述最大池化函数； 通过对所述总信息聚合特征的更新，获得时空交互特征集合的方法为：在所述时空交互特征提取模块中设置图注意力机制网络模型，基于第八公式，利用所述图注意力机制网络对节点f从t-T时刻到t时刻的所有总信息聚合特征进行更新，并得到时空交互特征； 所述第八公式为：=GAT,其中，为节点f从t-T时刻到t时刻的总信息聚合特征集合，GAT为图注意力机制网络模型。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。