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！

龙图腾网获悉北京理工大学申请的专利一种智能网联汽车风险评估方法及个性化决策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：CN115009274B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210754129.6，技术领域涉及：B60W30/095；该发明授权一种智能网联汽车风险评估方法及个性化决策方法是由孙栋先;郭宏伟;王武宏;蒋晓蓓;石健;谭海秋;张浩东设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种智能网联汽车风险评估方法及个性化决策方法在说明书摘要公布了：本发明公开了一种智能网联汽车风险评估方法及个性化决策方法，包括：根据主车数据和周围车辆数据，利用行车安全场模型分别计算各周围车辆对主车产生的驾驶风险；根据各周围车辆对主车产生的驾驶风险，分别加权计算主车所受跟驰风险和换道风险；选定驾驶风格，分别将主车所受驾驶风险与驾驶风格对应的驾驶风险阈值进行对比，从而确定主车的驾驶状态；本发明驾驶风险评估准确，风险考虑维度全面且能够满足不同类型驾驶人或乘客舒适性需求。

本发明授权一种智能网联汽车风险评估方法及个性化决策方法在权利要求书中公布了：1.一种智能网联汽车风险评估方法，其特征在于，包括：根据智能网联环境下智能网联车辆装备的传感器及车路协同感知设施获取的用于驾驶风险评估的数据，数据包括主车数据和周围车辆数据，利用行车安全场模型分别计算各周围车辆对主车产生的驾驶风险； 其中，主车数据包括主车的物理质量、横向坐标、纵向坐标、速度以及加速度；周围车辆数据包括各周围车辆的物理质量、横向坐标、纵向坐标、长度、宽度、速度和加速度； 所述利用行车安全场模型分别计算各周围车辆对主车产生的驾驶风险的方式为： 步骤S11，根据某一周围车辆A的物理质量和速度，计算得到周围车辆A的风险质量； 步骤S12，一方面，周围车辆A的风险质量结合主车的横向坐标和纵向坐标以及周围车辆A的横向坐标、纵向坐标、长度和宽度计算得到周围车辆A的势能风险场强；另一方面，周围车辆A的风险质量结合主车的横向坐标、纵向坐标以及周围车辆A的横向坐标、纵向坐标、长度、宽度和速度计算得到周围车辆A的动能风险场强； 步骤S13，将步骤S12中得到的周围车辆A的势能风险场强和动能风险场强结合得到周围车辆A的风险场强； 步骤S14，根据步骤S13得到的周围车辆A的风险场强，结合主车的物理质量、速度和加速度以及周围车辆A的速度计算周围车辆A对主车产生的驾驶风险； 步骤S15，根据步骤S11-S14分别计算各周围车辆对主车产生的驾驶风险； 步骤S12中所述周围车辆A的势能风险场强的计算公式为： 步骤S12中所述周围车辆A的动能风险场强的计算公式为： 所述步骤S14的计算公式为： 其中，为周围车辆A的势能风险场强，A为大于0的场强系数，为步骤S11中得到的周围车辆A的风险质量，为主车纵向坐标，为周围车辆A的纵向坐标，为周围车辆A长度的权重系数，为周围车辆A的长度，为主车横向坐标，为周围车辆A的横向坐标，为周围车辆A宽度的权重系数，为周围车辆A的宽度，d为主车与周围车辆A的距离矢量，，为周围车辆A的动能风险场强，α为与周围车辆A的速度相关的权重系数，为周围车辆A的速度，θ为某周围车辆A的速度方向与d的夹角，顺时针方向为正；γ为与夹角θ相关的权重系数；β为与周围车辆A的加速度有关的权重系数，为某周围车辆A的加速度，为周围车辆A对主车产生的驾驶风险，为步骤S13得到的周围车辆A的风险场强，为主车的物理质量；为主车与周围车辆A的相对速度的权重系数；为主车速度；为主车加速度的权重系数；为主车加速度； 周围车辆数据还包括周围车辆的航向角，当周围车辆A的航向角不为0°时，需对周围车辆A坐标进行变换，坐标变换公式为： 其中，为变换后的周围车辆A的纵向坐标，为变换后的周围车辆A的横向坐标，为周围车辆A的航向角，逆时针为正； 将变换后的周围车辆A的坐标、分别替换原周围车辆A的坐标，进行计算。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。