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！

龙图腾网获悉东南大学申请的专利基于SHAP的自动驾驶事故严重程度分类模型的可解释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：CN116127389B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211719473.8，技术领域涉及：G06F18/2431；该发明授权基于SHAP的自动驾驶事故严重程度分类模型的可解释方法是由郭延永;刘佩;刘攀;岳全胜;陈晓薇;吴秀梅设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于SHAP的自动驾驶事故严重程度分类模型的可解释方法在说明书摘要公布了：本发明公开了基于SHAP的自动驾驶事故严重程度分类模型的可解释方法，包括如下步骤：获取自动驾驶历年事故，对多源数据联合进行预处理和特征工程编码，建立自动驾驶事故挖掘与分析数据集；通过Pearson相关系数矩阵查看变量相关性，划分训练集和测试集；利用贝叶斯优化原理调试超参数，得到相对优的算法超参组合；利用CatBoost算法对训练集数据进行训练，根据准确率等评价指标确定事故严重程度分类模型并输出特征重要性；将自动驾驶事故挖掘与分析数据集输入训练好的分类模型中，输出每种严重程度的预测值。本发明有助于交通机构制定有效的政策措施和工程对策，提高自动驾驶在实际应用的安全水平。

本发明授权基于SHAP的自动驾驶事故严重程度分类模型的可解释方法在权利要求书中公布了：1.基于SHAP的自动驾驶事故严重程度分类模型的可解释方法，其特征在于，包括如下步骤： S1、获取自动驾驶历年事故，对多源数据联合进行预处理和特征工程编码，建立自动驾驶事故挖掘与分析数据集； S2、通过Pearson相关系数矩阵判断变量相关性，利用初步筛选影响因素，保留与事故严重程度相关性强的变量，划分训练集和测试集； S3、利用贝叶斯优化原理调试超参数，得到相对优的算法超参组合； S4、利用CatBoost算法对训练集数据进行训练，根据准确率等评价指标确定事故严重程度分类模型并输出特征重要性； S5、将自动驾驶事故挖掘与分析数据集输入训练好的分类模型中，输出每种严重程度的预测值，利用SHAP解释工具对分类模型的输出结果转化为shap值进行可视化分析，并探究变量之间的交互关系； 步骤S4包括如下步骤： 首先利用改进的目标变量统计法计算每个样本的标签TS值： ； 其中，假设训练集表示为，其中是m个特征的向量，p是先验值，是先验的权重，是目标；CatBoost引入了训练样本的k随机排列σ； 再用顺序梯度进行分类任务: 其中，是步长；t=1,2,...，函数从函数系列H中挑选，以最小化预期损失，如公式8所示；采用最小二乘法计算损失； ；； 其中，，但现实中的期望值是未知的，使用相同的数据集D来估计； ； S5中利用SHAP解释工具对分类模型的输出结果转化为shap值进行可视化分析，公式如下： 并探究变量之间的交互关系，公式如下： 其中，S是模型的特征子集，xj是被解释样本的特征向量，p是特征数，fS是特征组合S的模型输出值，p!代表p个特征考虑顺序的特征组合数,若固定特征j，余下共有p-|S|-1!S!个特征组合组合；表示特征i的shap值，表示特征i与特征j的shap交互值。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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”。

以上内容由龙图腾AI智能生成。