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交通车辆行驶风险评估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：CN118571011B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202410661019.4，技术领域涉及：G08G1/01；该发明授权一种交通车辆行驶风险评估方法是由詹军;奚福龙;仲昭辉设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本一种交通车辆行驶风险评估方法在说明书摘要公布了：本发明公开了一种交通车辆行驶风险评估方法，包括以下步骤：从原始公开数据集提取目标场景数据；构建曝光度量化Transformer模型，通过模型预测周车的驾驶意图，进而计算主车行驶风险的曝光度E；进行考虑车辆类型的主车行驶风险的严重度S计算；基于主车加速度变化幅度，计算主车与任意周车之间行驶风险的可控度C；将计算得到的行驶风险曝光度E、可控度C和严重度S相乘即得到两车之间的风险评估结果R；将主车与所有周车之间风险评估结果R的最大值作为主车的行驶风险评估结果。本发明对交通车辆的行驶风险影响因素进行解耦并分别定量分析，将风险评估的三个指标分别量化并最终得到总的行车风险值。

本发明授权一种交通车辆行驶风险评估方法在权利要求书中公布了：1.一种交通车辆行驶风险评估方法，其特征在于，包括以下步骤： 步骤一、从原始公开数据集提取目标场景数据，所述目标场景数据包括主车特征序列、每个周车的周车特征序列、主车左车道标签、主车右车道标签，并添加上主车行为标签； 步骤二、构建曝光度量化Transformer模型，通过模型预测周车的驾驶意图，进而计算主车行驶风险的曝光度E；所述步骤二包括： S21.构建曝光度量化Transformer模型并进行模型训练； 构建曝光度量化Transformer模型包括： 输入嵌入模块，其用于将特征序列输入，并将特征序列转换到固定维度的向量表示； 位置编码模块，用于给嵌入向量加入位置编码，嵌入之后为每个时间步长添加位置编码，得到每个时间步长的嵌入向量； 多头注意力模块，多头注意力模块将每个时间步长的嵌入向量与特征序列中的所有其他时间步长的嵌入向量比较，并选择与当前时间步长最相关的嵌入向量进行计算； 前馈神经网络层，使用前馈神经网络对每个时间步长的表示进行非线性转换，前馈神经网络由两个全连接层组成，每个全连接层使用ReLU激活函数，前馈神经网络的输出由下式计算： ； 其中，H是多头注意力模块的输出，是权重矩阵，是偏置向量，激活函数； 预测结果输出模块，将最后时间步长的向量通过全连接层再经过softmax函数输出维度为3的向量： Evec=softmaxF； 式中，为前馈神经网络层全连接层的输出； 将步骤一提取的目标场景片段数据作为曝光度量化Transformer模型的输入，训练模型；经过训练后的模型用于预测被测车辆驾驶意图预测，即被预测车辆在其周车的影响下的下一个时间步长车道保持、左变道和右变道3种驾驶意图的概率分布，取被测车辆驾驶意图概率分布中对主车的行驶造成最大影响的概率值作为该被测车辆对主车带来的行驶风险的曝光度E取值； S22.将经过训练的曝光度量化Transformer模型应用于所述目标场景数据，通过周车的驾驶意图预测，计算主车的行驶风险的曝光度E： 对于主车而言，驾驶意图预测的被测车辆为主车的任意一辆周车B，将周车B为主车时的目标场景数据输入曝光度量化Transformer模型，得到周车B的3种驾驶意图的概率，取周车B驾驶意图中对主车的行驶造成最大影响的驾驶意图概率值作为周车B对主车带来的行驶风险的曝光度取值；所述3种驾驶意图的概率指被预测车辆在其周车的影响下的下一个时间步长车道保持、左变道和右变道3种驾驶意图的概率分布； S23.通过对主车所有周车进行驾驶意图预测，得到任意周车对主车带来的行驶风险曝光度； 步骤三、进行考虑车辆类型的主车行驶风险的严重度S计算； 步骤四、基于主车加速度变化幅度，计算主车与任意周车之间行驶风险的可控度C； 步骤五、将步骤二至步骤四计算得到的行驶风险曝光度E、可控度C和严重度S相乘即得到两车之间的风险评估结果R； 步骤六、将主车与所有周车之间风险评估结果R的最大值作为主车的行驶风险评估结果。

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 吉林省长春市长春高新技术产业开发区前进大街2699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。