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！

龙图腾网获悉成都工业职业技术学院申请的专利一种基于协同学习的智能交通车辆行为建模方法及系统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：CN120096628B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510599168.7，技术领域涉及：B60W60/00；该发明授权一种基于协同学习的智能交通车辆行为建模方法及系统是由陈凯镔;苟畅;吴云德;曾建;刘宇;陶沙沙;余冬设计研发完成，并于2025-05-10向国家知识产权局提交的专利申请。

本一种基于协同学习的智能交通车辆行为建模方法及系统在说明书摘要公布了：本发明提供了一种基于协同学习的智能交通车辆行为建模方法及系统，涉及无人驾驶技术领域，包括：获取目标区域内的交通数据；根据交通数据进行数据校准处理，得到协同感知数据集；根据协同感知数据集生成车辆时空轨迹函数，得到冲突域时空分布图；根据车辆时空轨迹函数和冲突域时空分布图，提取车辆驾驶意图的概率分布特征及多车间的竞争协作关系矩阵，得到多维交互特征向量；根据多维交互特征向量进行行为建模，得到表征车辆间交互行为规则与决策逻辑的车辆行为模型。本发明通过多车协同感知数据校准，并利用道路几何约束的动态融合，有效解决单车传感器遮挡与跨车辆数据异构性问题，显著提升车辆位置与运动状态估计的全局一致性。

本发明授权一种基于协同学习的智能交通车辆行为建模方法及系统在权利要求书中公布了：1.一种基于协同学习的智能交通车辆行为建模方法，其特征在于，包括： 获取目标区域内的交通数据，所述交通数据包括当前车辆的实时状态数据、道路结构数据和邻车交互数据； 根据所述交通数据进行数据校准处理，并基于道路几何约束消除车道边界外的异常位置点，得到协同感知数据集； 根据所述协同感知数据集生成车辆时空轨迹函数，并基于轨迹交点时间窗口预测与动态安全半径计算，得到冲突域时空分布图； 根据所述车辆时空轨迹函数和所述冲突域时空分布图，通过时序行为模式关联与交互博弈关系量化，提取车辆驾驶意图的概率分布特征及多车间的竞争协作关系矩阵，得到多维交互特征向量； 根据所述多维交互特征向量进行行为建模，通过构建基于节点动态特征编码与边关系权重更新的分层图网络模型，得到表征车辆间交互行为规则与决策逻辑的车辆行为模型； 其中，根据所述车辆时空轨迹函数和所述冲突域时空分布图，通过时序行为模式关联与交互博弈关系量化，提取车辆驾驶意图的概率分布特征及多车间竞争协作关系矩阵，得到多维交互特征向量，包括： 根据所述车辆时空轨迹函数进行驾驶意图分类处理，通过将车辆历史轨迹的加速度变化率、航向角偏移特征以及交叉口车道拓扑的转向逻辑约束作为长短期记忆网络的输入值，输出驾驶意图的概率分布特征； 根据所述冲突域时空分布图进行交互关系建模，通过计算车辆间冲突域的时空接近度，构建竞争协作关系矩阵； 根据所述竞争协作关系矩阵进行博弈策略收益计算，量化各车辆在冲突域中采取加速、减速和让行策略的收益值，生成策略收益分布表； 根据所述概率分布特征和所述策略收益分布表进行特征融合处理，得到多维交互特征向量； 其中，根据所述多维交互特征向量进行行为建模，通过构建基于节点动态特征编码与边关系权重更新的分层图网络模型，得到表征车辆间交互行为规则与决策逻辑的车辆行为模型，包括： 根据所述多维交互特征向量进行时空图结构构建，将车辆身份标签、意图概率分布及冲突域关联关系转化为时空图结构的节点属性与边连接关系，并结合交叉口车道拓扑的连通性约束，得到分层时空图结构； 基于所述分层时空图结构对节点特征进行聚合，结合车辆优先级标签对注意力权重进行偏置修正，得到节点的编码特征向量； 根据所述编码特征向量进行边关系权重迭代更新，基于实时冲突域风险变化与车辆间让行习惯对权重进行修正，得到动态边关系矩阵； 根据所述编码特征向量和所述动态边关系矩阵，经过协同策略优化与交通规则约束的策略空间剪枝处理，构建得到车辆行为模型。

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成都工业职业技术学院，其通讯地址为：610213 四川省成都市天府新区正兴街道大安路818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”。