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一种适应混合交通流多场景下的车辆轨迹重构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：CN119811068B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411722159.4，技术领域涉及：G08G1/01；该发明授权一种适应混合交通流多场景下的车辆轨迹重构方法是由任刚;王瑞宇;吴场建;曹奇;张哲;马景峰;邓玥;李大韦;李豪杰设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种适应混合交通流多场景下的车辆轨迹重构方法在说明书摘要公布了：本发明公开了一种适应混合交通流多场景下的车辆轨迹重构方法，步骤如下：S1、采集周围人工驾驶车辆位置，速度等信息。S2、根据相邻浮动车类型把重构场景划分为全感知场景、半感知场景和常规交通流场景，考虑浮动车的渗透率生成研究场景数据。S3、采用滑动窗口技术生成时间序列。S4、常规交通流场景下，在不同浮动车渗透率下采用智能驾驶人模型IDM重构车辆。S5、半感知场景下，采用融合模型IDM‑LSTM进行重构有片段化观测的车辆轨迹，存在大量轨迹信息缺失的车辆采用IDM模型进行轨迹重构。S6、全感知场景下，能够获取所有车辆的片段化观测轨迹，引入权重模块对IDM模型与长短期记忆神经网络融合，重构缺失的车辆轨迹。

本发明授权一种适应混合交通流多场景下的车辆轨迹重构方法在权利要求书中公布了：1.一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，包括以下步骤： S1、采集周围人工驾驶车辆的轨迹位置，速度及通过时间信息； S2、根据相邻浮动车类型把目标场景划分为三种场景：全感知场景、半感知场景和常规交通流场景，考虑浮动车的渗透率并生成三种场景轨迹数据，具体为：在目标场景下判断相邻两辆浮动车辆的类型，如果是相邻两辆浮动车均是自动驾驶车辆，将目标场景命名为全感知场景；如果一辆是自动驾驶车辆，另一辆是仅能获取自身车辆行驶状态信息的人工驾驶车辆，则将目标场景命名为半感知场；如果相邻两辆浮动车均是人工驾驶车辆，则将目标场景命名为常规交通流场景，S3、采用滑动窗口的方式来划分车辆轨迹，并把数据集按照特定比例划分为训练集，验证集和测试集； S4、在常规交通流场景下，获取浮动车自身的轨迹数据，在不同浮动车渗透率下采用智能驾驶人模型重构车辆；包括以下步骤： S4.1、在智能驾驶人模型中，通过车道信息，位置信息与时间信息确定车辆的前引导车与跟驰车辆，如下式： ，，其中是表征车辆是否为车辆的前引导车，是表征车辆是否为车辆的跟驰车，取值为1则表示是引导车或者跟驰车，取值为0则不是引导车或者跟驰车； S4.2、采用智能驾驶人模型来估计缺失的车辆轨迹信息，通过智能驾驶人模型IDM模型根据前车的观测片段，重构其他缺失的车辆轨迹片段，智能驾驶人模型IDM如下式： ，，，，，式中，表示期望间距，表示前后车之间的车头间距，表示前后车的速度差，分别表示最大加速度和舒服减速度，为安全车头时距，为静止时的车头间距，为期望的速度，表示前车的车辆长度； S4.3、对重构的车辆轨迹进行调整，确保重构的车辆轨迹处于前一个片段与下一个片段之间，如下式： ，； S5、在半感知场景下，获取片段轨迹的车辆采用融合模型IDM‑LSTM进行轨迹重构，存在轨迹信息缺失的车辆采用智能驾驶人模型进行轨迹重构； S6、在全感知场景下，获取所有车辆的片段轨迹信息，引入权重模块对智能驾驶人模型与长短期记忆神经网络进行融合，即IDM‑LSTM，重构缺失的车辆轨迹。

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：210018 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”。