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！

龙图腾网获悉长安大学申请的专利交通法规知识图谱增强的驾驶决策推理问答方法及装置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：CN119476473B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411395392.6，技术领域涉及：G06N5/04；该发明授权交通法规知识图谱增强的驾驶决策推理问答方法及装置是由胡欣;朱黛洁;成静贤;李建新;高涛;崔雪设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本交通法规知识图谱增强的驾驶决策推理问答方法及装置在说明书摘要公布了：本发明公开了一种交通法规知识图谱增强的驾驶决策推理问答方法及装置，涉及智能交通中辅助驾驶系统的交通场景理解技术领域，面向在线模拟驾考场景，解决了样本规模有限情况下交通示意图的语义混淆问题以及增强交通示意图问答的可解释性，该方法包括：利用电子设备接收用户输入的待回答的交通示意图问题；将所述待回答的交通示意图问题输入至训练好的交通示意图驾驶决策推理问答模型中，以输出推理回答；利用所述电子设备显示所述推理回答，以使用户参考所述推理回答完成驾驶决策。本发明实现了在样本中存在语义混淆下保障交通示意图问答的准确率，为智能交通场景中辅助驾驶系统、自动驾驶等应用提供良好的技术支撑。

本发明授权交通法规知识图谱增强的驾驶决策推理问答方法及装置在权利要求书中公布了：1.一种交通法规知识图谱增强的驾驶决策推理问答方法，其特征在于，包括： S100，利用电子设备接收用户输入的待回答的交通示意图问题； S200，将所述待回答的交通示意图问题输入至训练好的交通示意图驾驶决策推理问答模型中，以输出推理回答； 其中，所述训练好的交通示意图驾驶决策推理问答模型的训练过程包括： 获取包含多张交通示意图、多个问题文本以及一个交通法规知识图谱的样本集；利用所述样本集构建多模态特征数据集；利用所述多模态特征数据集对预先构建的交通示意图驾驶决策推理问答模型进行训练，得到训练好的交通示意图驾驶决策推理问答模型； S300，利用所述电子设备显示所述推理回答，以使用户参考所述推理回答完成驾驶决策； 所述利用所述多模态特征数据集对预先构建的交通示意图驾驶决策推理问答模型进行训练，得到训练好的交通示意图驾驶决策推理问答模型包括： a2，定义交通法规知识图谱修正的交通示意图图块描述表征模块、语义自增强的交通示意图表征模块、选择性多模态问题融合模块、答案选择模块和交通示意图驾驶决策推理问答模型中的优化损失函数； b2，在当前迭代次，在所述多模态特征数据集中选择一张交通示意图的图块特征和交通法规知识图谱的三元组特征作为输入，并输入至所述交通法规知识图谱修正的交通示意图图块描述表征模块中，得到交通法规知识图谱修正的交通示意图图块描述特征； c2，将b2中所述交通法规知识图谱修正的交通示意图图块描述特征和交通示意图的视觉区域特征输入至所述语义自增强的交通示意图表征模块中，得到语义自增强的交通示意图视觉区域特征； d2，针对b2选择的交通示意图，将该交通示意图对应的问题文本的文本词元特征和所述语义自增强的交通示意图视觉区域特征输入至选择性多模态问题融合模块，得到融合后的多模态交通示意图问题特征； e2，将所述融合后的多模态交通示意图问题特征输入至答案选择模块，以使所述答案选择模块对融合后的多模态交通示意图问题特征作线性映射操作和softmax激活操作得到候选答案的概率分布； f2，根据d2中间过程生成的基于图块描述的文本词元特征、基于图块的文本词元特征、基于图块描述表示的交通示意图视觉区域特征、基于图块表示的交通示意图视觉区域特征、e2中的所述概率分布，利用所述优化损失函数计算出输入的交通示意图驾驶决策推理问答的损失值； g2，利用所述损失值调整交通示意图驾驶决策推理问答模型的权重参数，并在所述多模态特征数据集中重新选择一张交通示意图的视觉区域特征、图块特征、图块描述特征、一个问题文本的文本词元特征和交通法规知识图谱的三元组特征作为输入； h2，重复b2至g2直至达到迭代截至条件，得到训练好的交通示意图驾驶决策推理问答模型。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环中段；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”。

以上内容由龙图腾AI智能生成。