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！

龙图腾网获悉重庆理工大学申请的专利一种基于博弈论的无信号右转交叉口行人轨迹预测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：CN116311905B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310048086.4，技术领域涉及：G08G1/01；该发明授权一种基于博弈论的无信号右转交叉口行人轨迹预测方法是由李文礼;唐远航;张祎楠;龚小豪设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种基于博弈论的无信号右转交叉口行人轨迹预测方法在说明书摘要公布了：本发明属于行人轨迹预测技术领域，尤其涉及一种基于博弈论的无信号右转交叉口行人轨迹预测方法，包括以下步骤：S1、获取行人及车辆在无信号右转交叉口的历史数据；S2、分析无信号右转交叉口的人车博弈因素，构建对应的人车博弈模型；S3、将人车博弈模型插入到预设的S‑GAN模型中，得到SDG‑GAN模型，用于对行人的轨迹进行预测；S4、使用S1获取的历史数据，对SDG‑GAN模型进行训练；S5、使用训练好的SDG‑GAN模型对无信号右转交叉口的行人轨迹进行实时预测。本发明可以保证对无信号右转交叉口的行人轨迹的预测准确性，保证无信号右转交叉口的辅助驾驶决策的有效性，从而兼顾车辆通过无信号右转交叉口的效率及安全性。

本发明授权一种基于博弈论的无信号右转交叉口行人轨迹预测方法在权利要求书中公布了：1.一种基于博弈论的无信号右转交叉口行人轨迹预测方法，其特征在于，包括以下步骤： S1、获取行人及车辆在无信号右转交叉口的历史数据； S2、分析无信号右转交叉口的人车博弈因素，构建对应的人车博弈模型； S3、将人车博弈模型插入到预设的S-GAN模型中，得到SDG-GAN模型，用于对行人的轨迹进行预测； S4、使用S1获取的历史数据，对SDG-GAN模型进行训练； S5、使用训练好的SDG-GAN模型对无信号右转交叉口的行人轨迹进行实时预测； 其中，S2中，人车博弈模型的构建过程包括： S21、划分博弈阶段，设计观察区域和冲突区域，行人与车辆一旦进入观察区域则认定博弈开始；并利用后侵入时间来表征人车冲突的危险程度，所述后侵入时间为行人及车辆进入冲突区域的时间差，后侵入时间越短则危险程度越高； S22、基于行人与车辆在博弈中的决策策略，构建人车博弈支付矩阵；所述决策策略包括行人车辆同时通行、行人等待车辆通行、行人通行车辆等待以及行人车辆同时等待； S23、基于人车博弈支付矩阵的特征，得到人车博弈模型的期望函数及对应的损失函数； S24、基于S23得到的期望函数及损失函数，构建人车博弈模型； S22中，当行人车辆同时通行时， 行人的支付函数为：； 车辆的支付函数为：； 其中，表示行人通过速度、表示行人加速度、表示车辆通过速度、表示车辆加速度、表示车辆的速度与加速度的共同影响因子、表示行人的速度与加速度的共同影响因子、表示车辆的碰撞严重程度因子、表示行人的碰撞严重程度因子，且： ； ； 当行人等待车辆通行时，行人的支付函数为：； 式中，为通过时的等待抑制系数，为行人等待时间； 车辆的支付函数为：； 式中，为通过时的速度激励系数； 当行人通行车辆等待时，行人的支付函数为：； 式中，为通过时的速度激励系数，为行人通过速度； 车辆的支付函数为：； 式中，为通过时的等待抑制系数，为车辆等待时间，0.75s为驾驶员反应时间； 当行人车辆同时等待时，行人的支付函数为； 车辆的支付函数为； 其中，为共同损失下车辆的等待抑制系数；为共同损失下行人的等待抑制系数；为双方的后悔度因子，后悔因子与等待过程中的起步加速度相关联，表征对采取等待策略的后悔度，起步加速度越大则后悔程度越大； 人车博弈支付矩阵为： 。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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。