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！

龙图腾网获悉湖南理工职业技术学院申请的专利一种智能网联汽车安全驾驶决策控制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：CN121386916B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511972956.2，技术领域涉及：G05D1/86；该发明授权一种智能网联汽车安全驾驶决策控制系统是由张清小;施丽燕;黄致勇;李姜达;魏乐;罗祥明;费广;周哲威;胡瑞柏设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种智能网联汽车安全驾驶决策控制系统在说明书摘要公布了：本发明涉及智能驾驶技术领域，尤其涉及一种智能网联汽车安全驾驶决策控制系统，包括数据采集模块、数据检验模块、数据补充模块、数据融合模块、场景分类模块、数据库检索模块和车辆实时控制模块；本发明引入了基于物理运动学模型预测与历史数据趋势分析相结合的动态自适应突变检测机制，并进一步结合多传感器数据分组和融合了马氏距离与源置信度的协同剔除策略；这种方案能够更智能地识别因瞬时干扰或传感器故障导致的不合理数据，并在多传感器数据冲突时，综合评估各数据点的可靠性与一致性，从而显著提升了输入数据的质量和可靠性，为后续决策提供了更坚实的数据基础。

本发明授权一种智能网联汽车安全驾驶决策控制系统在权利要求书中公布了：1.一种智能网联汽车安全驾驶决策控制系统，其特征在于：包括： 数据采集模块，用于通过激光雷达、摄像头以及毫米波雷达共同采集车辆周围环境的多模态数据； 数据检验模块，用于对采集的多模态数据进行检验； 数据补充模块，用于对检验后的数据进行补充推理，补充方式包括：根据周边车辆的行为进行环境状态推导；以及构建因果图并根据周边环境的历史与当前变化推导潜在危险； 数据融合模块，用于基于各数据源的置信度，对经过检验和补充后的多模态数据进行融合，生成统一的环境模型； 场景分类模块，用于基于融合后的环境模型，计算环境中各元素的危险因子，将危险因子低于设定阈值的元素归类为障碍物，并根据危险因子高于设定阈值的元素判断当前的驾驶场景类型； 数据库检索模块，用于根据判断出的当前驾驶场景类型，检索预设场景数据库中与该场景关联的潜在危险信息及预设操作策略； 车辆实时控制模块，用于接收预设操作策略，并在预设的严苛安全规则约束下，生成车辆控制指令并执行实时控制； 其中，数据检验模块在对采集的多模态数据进行检验时，采用的检验方法包括： A11：进行数据突变检测，并对识别出的不合理突变数据进行剔除和填充； A12：根据数据间的差别量对数据进行分组，并在各组内，结合各数据点的置信度与组内数据分布情况，剔除被判定为最不可信的数据点； 其中，数据检验模块在进行数据突变检测，并对识别出的不合理突变数据进行剔除和填充时，具体包括： S11：数据突变检测，对于来自任一传感器数据流中的当前时刻数据点，计算其基于物理运动学模型的预测值与实际观测值的加权残差，并将加权残差与动态自适应阈值进行比较，若加权残差大于动态自适应阈值，则判定为不合理突变数据； S12：不合理数据剔除，将判定为不合理突变的数据点从有效数据序列中剔除，并标记为缺失值； S13：缺失数据填充，对于被剔除后形成的缺失值，采用基于历史有效数据序列和传感器融合预测值的最佳估计值进行填充； 其中，数据检验模块在根据数据间的差别量对数据进行分组，并在各组内，结合各数据点的置信度与组内数据分布情况，剔除被判定为最不可信的数据点时，具体包括： S21：数据分组，根据时空关联性，将不同传感器对同一物理实体的观测数据划分到同一数据组中； S22：组内数据分布与置信度评估，对于同一数据组内的每个数据点，计算其与其他数据点的一致性度量值，并获取其自身的源置信度； S23：综合不信任分数计算，为同一数据组内的每个数据点计算综合不信任分数，该分数是其数据不一致性度量与其源置信度的函数； S24：离群点剔除，根据综合不信任分数对组内数据点进行排序，将分数最高且超过设定阈值的数据点判定为离群点并进行剔除； 其中，场景分类模块在基于融合后的环境模型，计算环境中各元素的危险因子，将危险因子低于设定阈值的元素归类为障碍物，并根据危险因子高于设定阈值的元素判断当前的驾驶场景类型时，具体包括： S61：环境元素危险因子计算，基于数据融合模块生成的统一环境模型，为模型中的每个动态元素和静态元素计算综合危险因子，综合危险因子的计算公式为： ； 其中，为元素i的综合危险因子，为元素i与自车的预计碰撞时间，为碰撞时间的反函数，值越小表示危险越高，为元素i与自车的相对距离，为距离的负指数函数，为元素类型，为基于类型的基础风险权重，为元素的行为特征，为基于行为的风险加成，为元素运动轨迹的不确定性度量，为不确定性带来的风险加成，、、、和分别为各因素的权重系数； S62：基于危险因子的元素分类，将每个元素的危险因子与预设的静态障碍物阈值和动态风险阈值进行比较，对环境元素进行分类； S63：场景特征向量构建，基于分类结果，提取当前环境的宏观特征，构建场景特征向量； S64：驾驶场景分类决策，将场景特征向量输入到场景分类器中进行计算，输出当前的具体驾驶场景类型，其中，场景分类器采用基于注意力机制的多层感知机模型，其决策函数为： ； 其中，为场景分类器的输出，为场景特征向量，为注意力权重向量，通过注意力机制计算得到，表示逐元素相乘，、、和为神经网络参数，代表ReLU激活函数，函数将输出转化为概率分布，代表选择概率最大的场景类型作为分类结果。

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湖南理工职业技术学院，其通讯地址为：411100 湖南省湘潭市河东大道10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。