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！

龍圖騰網獲悉長沙理工大學申請的專利一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法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：CN119904988B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510043489.9，技術領域涉及：G08G1/01；該發明授權一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法是由王杰;賀咪媛;陳一博;孟子然;向健設計研發完成，并于2025-01-10向國家知識產權局提交的專利申請。

本一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法在說明書摘要公布了：本發明涉及事故致因分析技術領域，公開了一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，包括獲取自動駕駛與人工駕駛混行環境下的交通事故數據；根據交通事故數據中的事故位置，提取事故位置點的道路交通特征和建成環境特征；將交通事故數據與事故位置點的道路交通特征和建成環境特征進行匹配，建立自動駕駛與人工駕駛交通事故特征變量數據集；根據自動駕駛與人工駕駛交通事故特征變量數據集，基于機器學習篩選交通事故嚴重程度影響特征變量；根據交通事故嚴重程度影響特征變量，構建混行環境下自動駕駛與人工駕駛事故嚴重程度的聯合預測模型進行事故嚴重程度預測。本發明提升了預測精度和模型的擬合優度。

本發明授權一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法在權利要求書中公布了：1.一種自動駕駛與人工駕駛混行的事故嚴重程度預測方法，其特征在于，包括以下步驟： 獲取自動駕駛與人工駕駛混行環境下的交通事故數據，包括： 根據歷史自動駕駛事故數據提取自動駕駛事故特征信息，并為每起自動駕駛事故設置一個獨立的事故編碼；其中事故特征包括事故時間、事故地點、碰撞類型、車輛特征、自然環境條件以及事故詳情描述； 根據事故地點和事故詳情描述定位事故位置，并轉換為地球坐標系下的經緯度坐標； 根據歷史人工駕駛事故數據提取人工駕駛事故特征信息； 根據自動駕駛事故特征信息和人工駕駛事故特征信息在設定的第一緩沖區內篩選所有與自動駕駛事故具有相同道路特征和建成環境特征的人工駕駛事故，并選擇與自動駕駛事故最近的人工駕駛事故進行配對，生成自動駕駛與人工駕駛混行環境下的交通事故數據； 根據交通事故數據中的事故位置，提取事故位置點的道路交通特征和建成環境特征，包括： 根據交通事故數據中的事故位置，提取事故位置點的道路特征信息；其中道路特征包括交叉口類型、交通控制設施類型、中央分隔設施類型、車道數量、人行橫道及路邊停車位； 根據交通事故數據中的事故位置，提取事故位置點的道路屬性信息；其中道路屬性包括道路名稱、道路等級、限速、車道數量及單向道路； 根據交通事故數據中的事故位置，提取事故位置點在設定的第二緩沖區內的建成環境信息；其中建成環境包括土地利用類型、公園、餐廳、學校、公交站和地鐵站、醫院及購物中心； 將交通事故數據與事故位置點的道路交通特征和建成環境特征進行匹配，建立自動駕駛與人工駕駛交通事故特征變量數據集，包括： 根據事故編碼和經緯度坐標，將自動駕駛事故特征信息、人工駕駛事故特征信息、道路特征信息、道路屬性信息和建成環境信息進行匹配，建立自動駕駛與人工駕駛交通事故特征變量數據集； 根據自動駕駛與人工駕駛交通事故特征變量數據集，基于機器學習篩選交通事故嚴重程度影響特征變量； 根據交通事故嚴重程度影響特征變量，構建混行環境下自動駕駛與人工駕駛事故嚴重程度的聯合預測模型進行事故嚴重程度預測，包括： 以自動駕駛事故與人工駕駛事故的嚴重程度為因變量，以交通事故嚴重程度影響特征變量為自變量，構建隨機參數雙變量Probit模型； 假定模型中自變量的回歸系數在不同的事故樣本之間隨機變化，設定新的自變量回歸系數； 根據自變量和新的自變量回歸系數建立所有事故數據的聯合概率密度函數，并轉化為對數似然函數； 采用準蒙特卡羅方法近似計算對數似然函數中的積分； 基于近似的對數似然函數，使用梯度下降法迭代估計參數； 通過多次迭代優化，直到對數似然函數收斂，得到最終每個特征變量對于事故嚴重程度分類的系數值。

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長沙理工大學，其通訊地址為：410015 湖南省長沙市天心區赤嶺路45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”。