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！

龙图腾网获悉大连理工大学申请的专利考虑在途驾驶风格的车辆轨迹预测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：CN119975407B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510055681.X，技术领域涉及：B60W60/00；该发明授权考虑在途驾驶风格的车辆轨迹预测方法是由刘锴;汪娇;王江波设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本考虑在途驾驶风格的车辆轨迹预测方法在说明书摘要公布了：本发明属于自动驾驶安全技术领域，特别涉及一种考虑在途驾驶风格的车辆轨迹预测方法。本发明从场景感知层、模式层、操作层以及车辆状态层出发，对目标车辆状态进行全面理解，提出的考虑在途驾驶风格的轨迹预测方法整合了规则数据驱动的优势，采用知识驱动的方法将目标车辆的当前状态从抽象的数据层面转化为驾驶行为语义空间。该方法能够模拟人类对现实世界的理解，并将轨迹预测模型的预测效果在不同驾驶行为语义空间和不同在途驾驶风格类型中进行展现。

本发明授权考虑在途驾驶风格的车辆轨迹预测方法在权利要求书中公布了：1.考虑在途驾驶风格的车辆轨迹预测方法，其特征在于，具体步骤如下： 步骤一、数据获取及数据预处理 通过V2X设备获取车辆轨迹数据，频率不低于10Hz，包括车辆位置、纵向速度、横向速度、纵向加速度、横向加速度、车头时距、预期碰撞时间以及感知数据；使用Savitzky-Golay滤波器对原始车辆轨迹数据进行平滑处理； 步骤二、驾驶行为语义空间构建及在途驾驶风格识别 从宏观层面到微观层面将驾驶行为语义空间分为场景感知层、模式层、操作层以及车辆状态层四个层级；其中，场景感知层是宏观层级，包括车辆在行驶过程中获取的天气信息、道路环境信息、周围车辆信息；模式层是指在确定行驶路径后，车辆在特定场景下选择近距离跟驰、远距离跟驰或频繁换道状态信息；操作层则表现为在当前模式下，驾驶员是否出现急加速、急减速行为；车辆状态层为微观层面，指当前车辆速度和加速度信息； 对步骤一获得的车辆轨迹数据进行驾驶行为语义理解，将抽象的车辆轨迹数据转化为可理解的驾驶行为语义信息，构建驾驶行为语义空间，将转化后的驾驶行为语义数据输入到LDA主题模型中进行主题识别，通过主题困惑度、主题一致性以及驾驶风格主题可视化分布确定驾驶风格主题数；最后，通过主题分析确定每个驾驶风格主题的特征，获取驾驶员表现为激进型、适中型、保守型、稳定型的概率； 步骤三、融合在途驾驶风格的轨迹预测数据集设计 设计包含人-车-环境基本信息的数据输入模块，确保在轨迹预测的过程中能够充分考虑到不同因素的影响； 人的因素为步骤二中通过LDA主题模型识别出4类驾驶风格：稳定型DS0、激进型DS1、适中型DS2、保守型DS3，每个驾驶员个体的在途驾驶风格为驾驶员表现为这4类驾驶风格的概率，且驾驶员表现为这4类驾驶风格的概率和为1； 1， 车的因素包括横向位置x、纵向位置、车辆速度信息和加速度信息；其中，车辆速度信息包括横向速度和纵向速度；加速度信息包括横向加速度和纵向加速度； 2， 环境因素考虑到前车对被预测车辆的影响最为显著，选取车头间距、车头时距以及碰撞时间作为特征参数； 3， 步骤四、模型网络结构设计 融合注意力机制构建考虑在途驾驶风格的轨迹预测模型EDTA-BiLSTM，通过双向长短期记忆神经网络BiLSTM层捕捉时间序列数据的复杂依赖性；首先将步骤三获得的13维特征向量作为输入，将影响目标车辆行驶轨迹的特征因素传递给网络，输入的特征向量首先通过一个全连接层对特征空间进行扩展，再将输入特征传递给一个具有256个隐藏单元的全连接层进行线性变换；线性变换后的特征向量送入BiLSTM层，BiLSTM层由两个堆叠的LSTM子层构成，每个子层包含256个隐藏单元，并通过双向传递整合前向和后向信息；BiLSTM层的输出传递给注意力层，通过注意力层计算加权和，其中权重参数由tanhx激活函数和一个可训练的权重向量共同决定，使用Softmax函数对权重进行归一化，从而产生概率的注意力分布，并将输出的特征传递到两个连续的全连接层，最终在输出层输出目标车辆的位置信息及速度信息的预测结果，包括横向位置x、纵向位置、横向速度和纵向速度； 步骤五、模型训练及预测结果评价 模型训练集、测试集以及验证集按照比例随机进行划分；采用均方根误差以及最终位移误差进行评价； 4， 5， 其中，，为预测的车辆轨迹横坐标和纵坐标的值，，为实际的车辆轨迹横坐标和纵坐标的值，n为轨迹点个数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。