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！

龙图腾网获悉南京邮电大学申请的专利一种车辆轨迹预测方法、装置、系统及存储介质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：CN116682018B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310793980.4，技术领域涉及：G06V20/10；该发明授权一种车辆轨迹预测方法、装置、系统及存储介质是由徐小龙;施秋豪;王勇;陈鹏宇设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种车辆轨迹预测方法、装置、系统及存储介质在说明书摘要公布了：本发明公开了一种车辆轨迹预测方法、装置、系统及存储介质，属于自动驾驶技术领域，方法包括：构建矢量化地图，并利用所述矢量化地图，构建城市道路网络结构；根据所述城市道路网络结构，捕获复杂道路信息和连续的车辆轨迹信息；根据所述复杂道路信息和连续的车辆轨迹信息，计算获取多线级特征；根据所述多线级特征，构建全局图模型；根据所述全局图模型，利用循环神经网络解码器对目标节点进行解码，获取车辆轨迹预测结果。该方法能够高质量地提取复杂道路信息和连续的车辆轨迹信息，以提高车辆轨迹预测精度。

本发明授权一种车辆轨迹预测方法、装置、系统及存储介质在权利要求书中公布了：1.一种车辆轨迹预测方法，其特征在于，包括： 构建矢量化地图，并利用矢量化地图，构建城市道路网络结构； 根据城市道路网络结构，捕获复杂道路信息和连续的车辆轨迹信息； 根据复杂道路信息和连续的车辆轨迹信息，计算获取多线级特征； 根据多线级特征，构建全局图模型； 根据全局图模型，利用循环神经网络解码器对目标节点进行解码，获取车辆轨迹预测结果； 利用矢量化地图，构建城市道路网络结构包括： 根据矢量化地图中各节点的特征矩阵和表示各节点之间连通性的邻接矩阵，构建城市道路网络结构； 其中，特征矩阵由各节点的属性特征构成，属性特征包括：车辆轨迹的时间戳、城市道路的特征类型和车道速度限制； 邻接矩阵的表达式如公式2所示：2； 公式2中，为邻接矩阵，为第个节点，为第个节点，为第个节点和第个节点之间的关系索引，、、、为前任、后继、左邻、右邻关系，为第个节点和第个节点之间的连通性变量，表示第个节点是第个节点的型关系，表示第个节点非第个节点的型关系，其中，对于任意节点，将其前任节点定义为能够前往该节点的相邻节点，将其后继节点定义为能够从该节点出发的相邻节点，将其左邻、右邻节点定义为该节点左、右最接近的节点； 根据城市道路网络结构，捕获复杂道路信息和连续的车辆轨迹信息包括： 将城市道路网络结构中属于同一折线的所有节点彼此连接，在向量级构建子图； 根据子图，利用预获取的扩展图卷积网络，捕获复杂道路信息； 根据子图，利用预获取的循环神经网络，捕获连续的车辆轨迹信息； 其中，利用预获取的扩展图卷积网络，捕获复杂道路信息包括： 在傅里叶域中构建作用于子图中各节点的滤波器； 对子图中各节点的特征矩阵和表示各节点之间连通性的邻接矩阵进行卷积处理，利用滤波器，捕获子图中各节点周围的复杂道路信息； 复杂道路信息的表达式如公式3所示：3； 公式3中，为滤波器的输出，即复杂道路信息，为特征矩阵，为邻接矩阵，，为单位矩阵，为的度矩阵，为对邻接矩阵进行对称归一化处理，为权矩阵； 所述连续的车辆轨迹信息的时间特征的表达式如公式4所示： 4； 公式4中，为时刻，为时刻循环神经网络的输出，为时刻循环神经网络的输入，为时刻循环神经网络的隐藏值，为时刻循环神经网络的隐藏值，为循环神经网络中隐藏层到输出层的参数矩阵，为循环神经网络中输入层到隐藏层的参数矩阵，为每个时间点之间的权重矩阵，为循环递归公式。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。