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！

龙图腾网获悉吉林大学申请的专利一种针对长尾现象的自动驾驶汽车碰撞风险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：CN120123883B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510593215.7，技术领域涉及：G06F18/2415；该发明授权一种针对长尾现象的自动驾驶汽车碰撞风险预测方法是由李朋龙;任有;彭睿璇;李尚克设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种针对长尾现象的自动驾驶汽车碰撞风险预测方法在说明书摘要公布了：本发明属于道路车辆控制领域，涉及一种针对长尾现象的自动驾驶汽车碰撞风险预测方法，该方法筛选高风险轨迹样本，采用一种融合扩散概率模型与Transformer结构的轨迹生成方法，实现对罕见高风险驾驶行为的高保真建模与合成，从而增强模型对长尾样本的学习能力；此外，考虑到在长尾场景中，车辆的运动学特征与交通流密度特征通常呈现显著波动，构建并提取周围交通参与者的运动学特征与交通流密度特征，通过多模态特征融合预测周边车辆的未来轨迹；在此基础上，构建面向不同风险场景的概率风险评估机制，动态评估潜在碰撞风险或行为异常概率，最终实现对复杂交通环境中潜在高风险事件的精细化预测。

本发明授权一种针对长尾现象的自动驾驶汽车碰撞风险预测方法在权利要求书中公布了：1.一种针对长尾现象的自动驾驶汽车碰撞风险预测方法，其特征在于，该方法利用多模态的增强轨迹数据集对碰撞风险预测模型进行训练，之后利用训练好的碰撞风险预测模型进行风险预测，具体风险预测步骤为： 步骤1.构建周围车辆的动力学特征向量； 步骤2.根据周围车辆的动力学特征向量，输出动力学波动类型； 步骤3.构建交通流特征向量； 步骤4.根据交通流特征向量，输出交通流状态； 步骤5.多模态特征融合的轨迹预测： 对周围车辆的历史轨迹信息进行编码得到历史轨迹特征f1，对高精地图信息进行编码得到地图特征M；对周围车辆的动力学特征向量和交通流特征向量进行特征映射，得到动力学特征Ev和交通流特征Eenv；将历史轨迹特征f1和动力学特征Ev进行拼接得到特征f2,将地图特征M与交通流特征Eenv进行拼接得到特征M1；将特征f2和特征M1进行交互建模，得到特征f3；对特征f3进行处理，得到特征f4；对特征f4进行解码，解码周围车辆未来的轨迹、速度、加速度； 步骤6.碰撞风险预测： 根据历史数据选取距离自动驾驶汽车距离最小的车辆作为目标车辆，提取目标车辆的最大速度、最大加速度，计算加速度标准差；基于目标车辆的最大速度、最大加速度和加速度标准差构建动态碰撞风险指标；最后根据动力学波动类型确定动力学波动系数，根据交通流状态确定交通流状态标签，使用动力学波动系数、交通流状态标签修正动态碰撞风险指标。

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吉林大学，其通讯地址为：130012 吉林省长春市南关区人民大街5988号吉林大学南岭校区；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”。