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！

龙图腾网获悉北京理工大学;北理慧动(北京)教育科技有限公司申请的专利一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品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：CN119807653B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411856252.4，技术领域涉及：G06F18/20；该发明授权一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品是由龚建伟;林云龙;李子睿;范思哲;龚乘;吕超;齐建永设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品在说明书摘要公布了：本申请公开了一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品，涉及车辆自动驾驶领域，该方法包括对交通环境进行实时监测，获取动静态交通环境数据；构建快速记忆模块和差异记忆模块存储动静态交通环境数据；在达到饱和状态时，分别采用蓄水池采样和梯度选择采样方法更新数据；将两个模块中的数据输入至车辆行为预测模型，通过免任务记忆回放损失函数进行训练，输出预测时间段内目标车辆的预测轨迹。本申请的车辆行为预测模型具备免任务终身学习能力，能够在不依赖任务切换信息与额外重训练的条件下，持续适应交通环境的连续变化，始终保持较高的预测精度，有效缓解了传统模型在面临新场景时可能出现的灾难性遗忘问题。

本发明授权一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品在权利要求书中公布了：1.一种具有免任务终身学习能力的车辆行为预测方法，其特征在于，所述具有免任务终身学习能力的车辆行为预测方法包括： 对交通环境进行监测，获得当前时间段的动静态交通环境数据；所述当前时间段包括当前时刻及当前时刻之前的第一预设个数的时刻；所述动静态交通环境数据包括：当前交通环境中所有交通参与者的位置信息和速度信息，以及道路特征信息；交通参与者包括目标车辆及目标车辆预设范围内的车辆； 构建预设数量阈值大小的快速记忆模块和差异记忆模块； 若快速记忆模块未达到第一饱和状态，将当前时间段的动静态交通环境数据存入快速记忆模块；若快速记忆模达到第一饱和状态，则采用蓄水池采样方法更新所述快速记忆模块中的动静态交通环境数据，具体包括：在区间[0，j-1]之间生成一个随机数r1，将生成的随机数r1与预设数量阈值进行比较；若生成的随机数r1小于预设数量阈值，则将已存储在快速记忆模块中的第r1个动静态交通环境数据替换为当前时间段的动静态交通环境数据；若生成的随机数r1大于或等于预设数量阈值，则不更新快速记忆模块；其中，第一饱和状态为快速记忆模块中存储的数据量达到预设数量阈值； 若差异记忆模块未达到第二饱和状态，将当前时间段的动静态交通环境数据存入差异记忆模块；若差异记忆模块达到第二饱和状态，则采用梯度选择采样方法更新所述差异记忆模块中的动静态交通环境数据，具体包括：计算差异记忆模块中第j个动静态交通环境数据与预设数据集之间的相似性得分；其中，当j＝1时，相似性得分设置为0.1；预设数据集为在差异记忆模块中随机选取除第j个动静态交通环境数据外的预设选取数量的动静态交通环境数据；当j1时，相似性得分的计算公式为：其中，qj表示第j个动静态交通环境数据和预设数据集之间的相似性得分，gj表示第j个动静态交通环境数据的损失函数梯度，gk表示预设数据集中第k个动静态交通环境数据的损失函数梯度，k＝1,2,3,...,n；k≠j，n表示预设选取数量；将区间[0，1]按照的概率大小划分为预设数量阈值份子区间；其中，Pj表示第j个子区间的长度，M表示预设数量阈值，m＝0,1,2,...,M-1；在0到1之间生成一个随机数r2，当r2落在第j个子区间内时，将已存储在差异记忆模块中的第j个动静态交通环境数据作为待替换的动静态交通环境数据；在0到1之间生成一个随机数r3，比较随机数r3与qiqi+qj的大小；若r3小于qiqi+qj，将待替换的动静态交通环境数据替换为当前时间段的动静态交通环境数据；若r3大于或等于qiqi+qj，则不更新差异记忆模块；其中，qi表示当前时间段的动静态交通环境数据与预设数据集的相似性得分；其中，第二饱和状态为差异记忆模块中存储的数据量达到预设数量阈值； 将所述快速记忆模块和差异记忆模块中的当前时间段的动静态交通环境数据输入至车辆行为预测模型，通过免任务记忆回放损失函数训练车辆行为预测模型，输出预测时间段内目标车辆的预测轨迹；所述预测时间段包括当前时刻之后的第二预设个数的时刻；免任务记忆回放损失函数的计算公式为： 其中，表示免任务记忆回放损失函数，表示训练损失函数，和分别表示快速记忆模块和差异记忆模块，和分别表示快速记忆模块和差异记忆模块的损失，α与β分别为第一损失项权重系数和第二损失项权重系数，fθ表示车辆行为预测模型，X表示输入到车辆行为预测模型中的动静态交通环境数据，Y表示预测时间段内目标车辆的实际轨迹，XR'和XD'分别表示存储在快速记忆模块和差异记忆模块中的动静态交通环境数据，YR'表示XR'对应的预测时间段内目标车辆的实际轨迹，YD'表示XD'对应的预测时间段内目标车辆的实际轨迹，表示XR'对应的预测时间段内目标车辆的预测轨迹，表示XR'对应的预测时间段内目标车辆的预测轨迹，表示数学期望，表示快速记忆模块中存储的动静态交通环境数据及其对应的目标车辆实际轨迹的数学期望，表示差异记忆模块中存储的动静态交通环境数据及其对应的目标车辆实际轨迹的数学期望，表示快速记忆模块中存储的动静态交通环境数据及其对应的目标车辆预测轨迹的数学期望，表示差异记忆模块中存储的动静态交通环境数据及其对应的目标车辆预测轨迹的数学期望。

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北京理工大学;北理慧动(北京)教育科技有限公司，其通讯地址为：100081 北京市海淀区中关村南大街5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。