買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉成都工業職業技術學院申請的專利一種基于協同學習的智能交通車輛行為建模方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120096628B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510599168.7，技術領域涉及：B60W60/00；該發明授權一種基于協同學習的智能交通車輛行為建模方法及系統是由陳凱鑌;茍暢;吳云德;曾建;劉宇;陶沙沙;余冬設計研發完成，并于2025-05-10向國家知識產權局提交的專利申請。

本一種基于協同學習的智能交通車輛行為建模方法及系統在說明書摘要公布了：本發明提供了一種基于協同學習的智能交通車輛行為建模方法及系統，涉及無人駕駛技術領域，包括：獲取目標區域內的交通數據；根據交通數據進行數據校準處理，得到協同感知數據集；根據協同感知數據集生成車輛時空軌跡函數，得到沖突域時空分布圖；根據車輛時空軌跡函數和沖突域時空分布圖，提取車輛駕駛意圖的概率分布特征及多車間的競爭協作關系矩陣，得到多維交互特征向量；根據多維交互特征向量進行行為建模，得到表征車輛間交互行為規則與決策邏輯的車輛行為模型。本發明通過多車協同感知數據校準，并利用道路幾何約束的動態融合，有效解決單車傳感器遮擋與跨車輛數據異構性問題，顯著提升車輛位置與運動狀態估計的全局一致性。

本發明授權一種基于協同學習的智能交通車輛行為建模方法及系統在權利要求書中公布了：1.一種基于協同學習的智能交通車輛行為建模方法，其特征在于，包括： 獲取目標區域內的交通數據，所述交通數據包括當前車輛的實時狀態數據、道路結構數據和鄰車交互數據； 根據所述交通數據進行數據校準處理，并基于道路幾何約束消除車道邊界外的異常位置點，得到協同感知數據集； 根據所述協同感知數據集生成車輛時空軌跡函數，并基于軌跡交點時間窗口預測與動態安全半徑計算，得到沖突域時空分布圖； 根據所述車輛時空軌跡函數和所述沖突域時空分布圖，通過時序行為模式關聯與交互博弈關系量化，提取車輛駕駛意圖的概率分布特征及多車間的競爭協作關系矩陣，得到多維交互特征向量； 根據所述多維交互特征向量進行行為建模，通過構建基于節點動態特征編碼與邊關系權重更新的分層圖網絡模型，得到表征車輛間交互行為規則與決策邏輯的車輛行為模型； 其中，根據所述車輛時空軌跡函數和所述沖突域時空分布圖，通過時序行為模式關聯與交互博弈關系量化，提取車輛駕駛意圖的概率分布特征及多車間競爭協作關系矩陣，得到多維交互特征向量，包括： 根據所述車輛時空軌跡函數進行駕駛意圖分類處理，通過將車輛歷史軌跡的加速度變化率、航向角偏移特征以及交叉口車道拓撲的轉向邏輯約束作為長短期記憶網絡的輸入值，輸出駕駛意圖的概率分布特征； 根據所述沖突域時空分布圖進行交互關系建模，通過計算車輛間沖突域的時空接近度，構建競爭協作關系矩陣； 根據所述競爭協作關系矩陣進行博弈策略收益計算，量化各車輛在沖突域中采取加速、減速和讓行策略的收益值，生成策略收益分布表； 根據所述概率分布特征和所述策略收益分布表進行特征融合處理，得到多維交互特征向量； 其中，根據所述多維交互特征向量進行行為建模，通過構建基于節點動態特征編碼與邊關系權重更新的分層圖網絡模型，得到表征車輛間交互行為規則與決策邏輯的車輛行為模型，包括： 根據所述多維交互特征向量進行時空圖結構構建，將車輛身份標簽、意圖概率分布及沖突域關聯關系轉化為時空圖結構的節點屬性與邊連接關系，并結合交叉口車道拓撲的連通性約束，得到分層時空圖結構； 基于所述分層時空圖結構對節點特征進行聚合，結合車輛優先級標簽對注意力權重進行偏置修正，得到節點的編碼特征向量； 根據所述編碼特征向量進行邊關系權重迭代更新，基于實時沖突域風險變化與車輛間讓行習慣對權重進行修正，得到動態邊關系矩陣； 根據所述編碼特征向量和所述動態邊關系矩陣，經過協同策略優化與交通規則約束的策略空間剪枝處理，構建得到車輛行為模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都工業職業技術學院，其通訊地址為：610213 四川省成都市天府新區正興街道大安路818號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。