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！

龙图腾网获悉中国矿业大学申请的专利一种跨模态的露天矿卡车驾驶员身份自监督识别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：CN115345251B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211043167.7，技术领域涉及：G06F18/25；该发明授权一种跨模态的露天矿卡车驾驶员身份自监督识别方法是由刘佰龙;杨林;张磊;梁志贞;邓宇帆;胡浩设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种跨模态的露天矿卡车驾驶员身份自监督识别方法在说明书摘要公布了：一种跨模态的露天矿卡车驾驶员身份自监督识别方法，属于轨迹数据挖掘技术领域。方法如下：获取露天矿卡车的GPS数据和OBD数据，进行预处理；将预处理后的GPS数据，经过路段语义嵌入模块，得到含有空间语义信息的路段序列；基于路段序列和预处理后的OBD数据，经过跨模态融合特征提取模块，并结合自监督，得到能够展现每个驾驶员独特驾驶风格的表示；基于驾驶员表示，经过驾驶员身份识别模块，得到驾驶员ID。该方法充分考虑空间语义信息对驾驶员操作的影响，提取GPS数据和OBD数据这两个模态中的信息提高表示质量，从而提高识别精度；以自监督的方式进行训练，解决有标签数据少导致的模型难以训练问题。

本发明授权一种跨模态的露天矿卡车驾驶员身份自监督识别方法在权利要求书中公布了：1.一种跨模态的露天矿卡车驾驶员身份自监督识别方法，其特征在于包括以下步骤： 步骤1：基于获取到的露天矿卡车的GPS轨迹数据和OBD车辆数据，进行预处理，包括通过计算GPS序列中每个点与上个点之间的平均速度，当大于15ms时，将该点舍弃；对于OBD序列使用最大最小值归一化将所有特征转化为0到1之间的值； 步骤2：根据露天矿功能区域信息与路网信息构建路段图，然后使用路段语义嵌入模块对路段图进行进一步编码，然后将GPS数据中的点映射到编码后的路段图中，得到带有空间语义信息的路段序列； 步骤3：基于步骤1处理后OBD序列以及步骤2中进行语义嵌入后的路段序列输入到跨模态融合特征提取模块中，将OBD序列中的驾驶行为信息与路段序列中的空间语义信息融合并进行特征提取，作为每个驾驶员行为特征表示；所述基于步骤1中预处理后的OBD序列和步骤2中进行空间语义嵌入后的路段序列，输入到跨模态融合特征提取模块中，得到融合特征序列，然后进行特征提取，为每个驾驶员生成最终的表示；该模块由一个一维时序卷积层、一个位置嵌入层、一个跨模态注意力融合层和一个特征提取层构成； 所述跨模态融合特征提取过程如下： 基于步骤1中预处理后的OBD序列，其中为序列长度，7为特征维度，和步骤2中嵌入语义后的路段序列，其中为序列长度，为特征维度；为了解决每段轨迹长度不一致的问题，分别为两个序列指定最长值，达不到最大长度的序列，在最后填充0；填充后的OBD序列，路段序列；将两个序列分别输入到一维时序卷积层中，将两个序列的特征维度都转化为,其输出为，；然后输入到位置嵌入层中，为序列中的每个值添加位置编码信息，位置嵌入层不改变输入形状，其输出为，；最后输入到跨模态注意力融合层中，将与进行融合，该层由个跨模态注意力残差块组成，其中第个残差块的输出为，；跨模态注意力融合层输出的融合特征序列；将输入到特征提取层中，输出一个固定长度的特征向量表示驾驶员的独特驾驶风格； 步骤4：基于步骤3中的每个驾驶员的行为特征表示，输入到驾驶员身份识别模块中，得到识别结果； 步骤5：根据输入的OBD序列和GPS序列，构建锚样本、正样本与负样本，采用自监督的方式训练模型，在特征空间内，使锚样本与正样本的距离尽可能靠近，与负样本的距离远。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学；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。