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！

龙图腾网获悉江苏大学申请的专利一种基于改进粒子群算法优化SVM的驾驶换道风格辨识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：CN115618281B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211309736.8，技术领域涉及：G06F18/2411；该发明授权一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法是由刘志强;马进设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法在说明书摘要公布了：本发明公开一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法，包括步骤：S1、基于NGSIM数据集所提取数据为车辆行驶过程中轨迹数据。S2、将提取的驾驶人换道数据进行初步筛选，提取驾驶人换道风格的换道特征参数。S3、利用Kmeans聚类算法将提取到的换道数据进行聚为三类谨慎型、一般型、激进型。S4、并对聚类的参数进行统计分析和时频分析验证分类的驾驶人的差异性，并提取出有效参数作为辨识模型的输入。S5、基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群算法，对SVM模型的两个关键参数C和g优化更新，建立起基于改进粒子群优化SVM的驾驶人风格辨识模型，对驾驶人换道风格进行识别。

本发明授权一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法在权利要求书中公布了：1.一种基于改进粒子群算法优化支持向量机的驾驶换道风格辨识方法，其特征在于，包括以下步骤： S1、实验基于NGSIM数据集所提取数据为车辆行驶过程中轨迹数据和周围环境数据具体包括:换道时间、速度、加速度、跟车时距、与前车相对距离； S2、将提取的驾驶人换道数据进行初步筛选，剔除对于换道的影响度小的换道数据，保留能反映驾驶人换道风格的换道特征参数； S3、利用Kmeans聚类算法将提取到的换道数据进行聚为三类：谨慎型、一般型、激进型； S4、并对聚类的参数进行统计分析和时频分析验证分类的驾驶人的差异性，并提取出有效参数作为辨识模型的输入； S5、基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群算法，对SVM模型的两个关键参数C和g优化更新，建立起基于改进粒子群优化SVM的驾驶人风格辨识模型，对驾驶人换道风格进行识别； 步骤S4的具体过程为： S4.1、对换道特征参数进行统计分析 处理为换道时间、速度、加速度、跟车时距、与前车相对距离的均值，表示样本平均值为：其中:i为单独样本；xi为换道各样本参数，n为总样本数；标准差，表示为：最大值：Xmax＝maxxi，最小值：Xmin＝minxi，其中xi为所选样本，其中对有明显差异的进行方差检验，对无显著差异的使用K-W检验: 其中：N是样本量；R是秩和；n是其测量值；J是样本组数； S4.2、对换道特征参数进行时频分析 利用小波变换对信号函数的时间空间频率的局部化分析，突出不同频率的特征细节从而达到高低频率的划分，从而完成时频分析，分析驾驶人换道风格的差异性； 如信号ft，r为被测小波起点，则其级数展开： 其中：r是尺度；t是时间；s是位移，是近似系数、ds是细节系数，是尺度函数，ψr，st是小波函数，当这两函数正交时，那么和d可表示为： 其中为内积计算方法。

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苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。