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！

龙图腾网获悉合肥工业大学申请的专利一种基于深度学习的自动驾驶换道轨迹规划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：CN120963695B 。

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：202510902135.5，技术领域涉及：B60W30/18；该发明授权一种基于深度学习的自动驾驶换道轨迹规划方法是由叶江瑞;柏海舰;成浩;韩昌亮设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。

本一种基于深度学习的自动驾驶换道轨迹规划方法在说明书摘要公布了：本发明涉及自动驾驶技术领域，公开了一种基于深度学习的自动驾驶换道轨迹规划方法，该方法通过多模态传感器数据采集与预处理；采用CNN‑LSTM混合架构对预处理后的多模态数据进行空间特征提取和时序建模，通过注意力机制进行特征融合，输出第一特征提取向量；将检测到的车辆作为图节点构建交通图，通过图注意力网络和消息传递机制学习车辆间的交互关系，并计算场景紧迫性得分和安全性得分；基于深度Q网络和策略梯度生成换道决策；基于生成对抗网络生成轨迹。解决了现有换道轨迹规划方法无法适应动态交通环境、缺乏对复杂多车交互理解能力以及难以平衡安全性与紧迫性冲突需求的技术问题，实现了智能化、安全性和高效性的自动驾驶换道轨迹规划。

本发明授权一种基于深度学习的自动驾驶换道轨迹规划方法在权利要求书中公布了：1.一种基于深度学习的自动驾驶换道轨迹规划方法，其特征在于，包括以下步骤： 多模态传感器数据采集与预处理：通过激光雷达、摄像头、毫米波雷达和GPS实时采集周围环境信息，并对采集的数据进行预处理，形成统一的多模态数据张量； 基于卷积神经网络和长短期记忆网络的特征提取：采用CNN-LSTM混合架构对预处理后的多模态数据进行空间特征提取和时序建模，通过注意力机制进行特征融合，输出第一特征提取向量； 基于注意力机制和图神经网络的环境理解：将检测到的车辆作为图节点构建交通图，通过图注意力网络和消息传递机制学习车辆间的交互关系，并计算场景紧迫性得分和安全性得分； 所述场景紧迫性得分，范围为0-1，计算公式如下： 其中：：最大车辆密度；：目标车道的车辆密度；：拥堵程度归一化值；：距离目标出口的距离；：临界距离；：距离紧迫性因子；：当前速度；：期望速度；：最大允许速度；：当前速度和期望速度的差值的绝对值；：速度差异因子；、、分别表示第一、二、三紧迫性得分权重系数，；：场景紧迫性得分； 基于DQN和策略梯度的换道决策：构建状态空间和动作空间，设计综合考虑安全性、舒适性、效率性和紧迫性的奖励函数，采用DQN和Actor-Critic架构进行换道决策； 基于生成对抗网络的轨迹生成：采用条件生成对抗网络生成平滑的换道轨迹，通过生成器网络进行轨迹合成，判别器网络进行真实性评估，并进行物理约束验证与修正，输出最优轨迹。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193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。