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(jiān)控用IP管家,真方便！

龍圖騰網獲悉長春大學申請的專利一種基于LSTM的車輛軌跡預測系統(tǒng)及其方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119888413B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510379333.8，技術領域涉及：G06V10/774；該發(fā)明授權一種基于LSTM的車輛軌跡預測系統(tǒng)及其方法是由戴銀飛;張元彤;周秀貞;宋曉;喬夢嬌;王琦;王紹強;劉玉寶;王艷柏;隋玉萍;劉志遠設計研發(fā)完成，并于2025-03-28向國家知識產權局提交的專利申請。

本一種基于LSTM的車輛軌跡預測系統(tǒng)及其方法在說明書摘要公布了：本發(fā)明涉及人工智能領域，具體涉及一種基于LSTM的車輛軌跡預測系統(tǒng)及其方法，包括以下步驟：步驟S1：數(shù)據(jù)預處理，獲取原始車輛軌跡數(shù)據(jù)集，篩選出模型需要的特征文本數(shù)據(jù)，進行分配軌跡類別、過濾邊緣情況、劃分訓練集、驗證集和測試集，并為其生成圖像數(shù)據(jù)；步驟S2：軌跡預測方法模型的訓練，通過LSTM編碼器對處理過后的時序數(shù)據(jù)進行編碼提取特征，傳入到圖卷積和圖注意力機制模塊中增強特征表達，并進行特征融合，再通過解碼器生成未來車輛的軌跡；步驟S3：對比實驗，通過對比實驗驗證擴增數(shù)據(jù)的有效性。本發(fā)明的優(yōu)點：通過引入圖卷積與圖注意力機制來更好的捕捉復雜交通場景下車輛的鄰接關系，從而提高在復雜交通場景下車輛軌跡預測的精度。

本發(fā)明授權一種基于LSTM的車輛軌跡預測系統(tǒng)及其方法在權利要求書中公布了：1.一種基于LSTM的車輛軌跡預測方法，其特征在于，包括以下步驟： 步驟S1：數(shù)據(jù)預處理，獲取原始車輛軌跡數(shù)據(jù)集，篩選出模型需要的特征文本數(shù)據(jù)，進行分配軌跡類別、過濾邊緣情況、劃分訓練集、驗證集和測試集，并為其生成圖像數(shù)據(jù)； 其中，特征文本數(shù)據(jù)需篩選掉原始車輛軌跡數(shù)據(jù)集中距離大于設定距離的周圍車輛，保留車輛軌跡數(shù)據(jù)集中距離小于設定距離的周圍車輛；并將車輛軌跡數(shù)據(jù)集進行標準化操作，選取模型需要的特征文本數(shù)據(jù)，包括數(shù)據(jù)集ID、車輛ID、時間戳、車道號、縱向位置、橫向位置； 步驟S2：軌跡預測方法模型的訓練，通過LSTM編碼器對處理過后的時序數(shù)據(jù)進行編碼提取特征，傳入到圖卷積和圖注意力機制模塊中增強特征表達，并進行特征融合，再通過解碼器生成未來車輛的軌跡； 步驟S21：將步驟S1篩選后的特征文本數(shù)據(jù)輸入到LSTM編碼器中進行編碼并提取車輛軌跡特征，根據(jù)車輛節(jié)點間的交互關系來分配不同的權重構建圖結構，將提取的特征放入圖卷積和圖注意力機制模塊中處理篩選掉對預測車輛未來軌跡大于設定閾值的周圍車輛，保留小于設定閾值的車輛的特征，同時圖像數(shù)據(jù)經過VIT處理提取特征，再與特征文本數(shù)據(jù)提取的特征使用多頭注意力層進行特征融合，得到軌跡編碼通過softmax函數(shù)為車輛未來可能的軌跡分配概率，通過解碼器生成多條未來的軌跡，輸出結果為每一條可能的軌跡和軌跡的概率； 步驟S3：對比實驗，通過對比實驗驗證擴增數(shù)據(jù)的有效性。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人長春大學，其通訊地址為：130000 吉林省長春市朝陽區(qū)衛(wèi)星路6543號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。