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！

龙图腾网获悉江西师范大学申请的专利一种基于联邦学习的多车协同轨迹预测方法及系统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：CN120808608B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511293159.1，技术领域涉及：G08G1/01；该发明授权一种基于联邦学习的多车协同轨迹预测方法及系统是由黄先伟;马勇;曹远龙;蓝子轩;叶志伟;钟宏伟;何美斌设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种基于联邦学习的多车协同轨迹预测方法及系统在说明书摘要公布了：本发明公开了一种基于联邦学习的多车协同轨迹预测方法及系统，涉及智能交通与人工智能交叉技术领域。该方法包括：各车辆采集并预处理自身历史轨迹数据，通过对比学习任务训练轨迹编码模块，生成具有驾驶意图判别性的语义特征向量；车辆间通过通信交换语义特征向量，基于空间距离和语义相似度构建多个关系图，并利用多关系图注意力机制进行消息传递与特征聚合，生成融合上下文信息的车辆表征；将车辆表征输入轨迹解码模块，输出未来轨迹预测结果；各车辆将本地模型参数上传至中央服务器，服务器根据车辆贡献度进行加权聚合，生成全局模型参数并下发更新。本发明在保护数据隐私的前提下，实现了高精度的多车协同轨迹预测。

本发明授权一种基于联邦学习的多车协同轨迹预测方法及系统在权利要求书中公布了：1.一种基于联邦学习的多车协同轨迹预测方法，其特征在于，其步骤为： S1：采集并存储目标车辆的历史轨迹数据，包括位置、速度、加速度、航向角及时间戳信息，采用Z-score标准化方法对历史轨迹数据的各维度进行归一化处理，将标准化后的历史轨迹数据划分为固定时间窗口的轨迹序列，各目标车辆在本地维护一个包含轨迹编码模块、图交互融合模块和轨迹解码模块的协同预测模型； S2：设计对比学习任务，将所述轨迹序列输入轨迹编码模块得到该轨迹的语义特征向量，通过最小化对比学习损失函数来训练所述轨迹编码模块； S3：目标车辆与邻居车辆通信，获取邻居车辆轨迹的语义特征向量，计算各车辆之间的距离，通过距离和语义特征向量相似关系定义三个图，并结合图交互融合模块中的多关系图注意力机制，在三个图上进行消息传递与特征聚合，生成车辆表征； S4：将车辆表征输入轨迹解码模块，得到目标车辆与邻居车辆未来个时间步的轨迹预测序列，结合预测损失函数与对比学习损失函数，通过反向传播算法联合更新目标车辆的协同预测模型参数； S5：参与车辆将本地训练后的协同预测模型参数上传至中央服务器，所述中央服务器根据各参与车辆贡献度进行加权聚合，生成全局协同预测模型，将所述全局协同预测模型参数下发至各参与车辆，替换其本地协同预测模型参数； S6：重复执行S1–S5直至所述全局协同预测模型收敛，得到最终的协同预测模型； S7：在模型部署阶段，目标车辆通过车载传感器获取自身实时运动状态，形成轨迹序列，利用所述协同预测模型的轨迹编码模块提取语义特征向量，随后获取邻居车辆轨迹的语义特征向量，通过图交互融合模块得到车辆表征，最终由轨迹解码模块输出目标车辆及邻居车辆的轨迹预测序列； 所述对比学习任务，包括： 以目标车辆的一段轨迹序列为锚样本，通过时间裁剪生成锚样本的正样本，将多个目标车辆轨迹序列构成训练批次，并将该批次中除所述锚样本外的其他轨迹序列作为锚样本的负样本； 通过最小化对比学习损失函数，训练轨迹编码模块学习得到具有驾驶意图判别性的语义特征向量。

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江西师范大学，其通讯地址为：330022 江西省南昌市高新区紫阳大道99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。