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面向智能汽车复杂测试场景的主客观融合关键性量化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：CN118982675B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410980778.7，技术领域涉及：G06V10/28；该发明授权面向智能汽车复杂测试场景的主客观融合关键性量化方法是由朱冰;黄殷梓;赵健;张培兴;薛经纬设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本面向智能汽车复杂测试场景的主客观融合关键性量化方法在说明书摘要公布了：本发明涉及一种面向智能汽车复杂测试场景的主客观融合关键性量化方法，包括对复杂测试场景数据集进行处理、主客观融合关键性量化方法、利用软聚类算法对测试场景进行关键性量化等步骤，首先，该方法融合主观驾驶人评价和客观风险场量化了复杂测试场景的关键性；其次，基于软聚类方法实现了考虑样本数目不均衡的关键性量化，提高效率的同时降低人力成本。本发明能够确定复杂测试场景的测试价值和必要性，能够筛选出具有高测试价值的场景。本发明能够为关键测试场景提取与生成建立研究基础。

本发明授权面向智能汽车复杂测试场景的主客观融合关键性量化方法在权利要求书中公布了：1.一种面向智能汽车复杂测试场景的主客观融合关键性量化方法，其特征在于，包括以下步骤： 1对复杂测试场景数据集进行处理： 将第n个复杂测试场景的第t时刻数据拆分成三个场景要素，包括气象要素交通要素和道路要素 2主客观融合关键性量化方法 2.1主观复杂测试场景关键性量化方法 首先利用虚拟仿真软件复现上述三个场景要素，即在虚拟仿真场景中构建与真实环境相同的复杂场景； 然后将主车的驾驶视角在驾驶模拟器上进行展示； 招募数名驾驶人，在观测驾驶模拟器上的视频后，需要对测试场景进行复杂场景评价，即关键性量化；主观评价矩阵重于测试场景的两个方面：驾驶员认为场景存在碰撞风险的程度和驾驶员是否愿意控制车辆以提高交通效率；利用主观评价矩阵确定该复杂测试场景对应的主观评价结果； 为了保证主观量化的合理性，选取数个不同的驾驶员对每个测试场景进行量化，利用个数加权最终得到第n个测试场景的主观量化结果Labn，具体的加权过程如下： 式中，j代表场景标签数值；mj为驾驶人选择j标签对应的人数； 2.2客观复杂测试场景关键性量化方法 客观复杂测试场景关键性量化方法基于风险场方法进行构建，利用风险场方法分别针对交通要素和道路要素构建风险场，并利用气象要素构建场强衰减系数；然后利用上述场强分别构建主车和环境产生的风险场，并利用它们之间的交互作用构建交互场强特征，将交互场强特征IFF定义为客观方法的量化结果，将场景的交通、道路和气象要素三种异质的要素融合成一个量化结果，进而客观地描述主车在当前驾驶环境中的行车风险； 所述的交互场特征的计算过程如下： 首先，由道路要素、交通要素和气象要素分别产生道路势场交通势场和不利天气场强度劣化因子在此基础上，构建出环境场强然后，按照与相同的方法计算主车产生的风险场最后，基于Delaunay三角离散化方法离散和两个连续的非均匀势场，并计算两个离散势场之间的相互作用值IFFn,t；和之间的排斥越强烈，相应的IFFn,t值就越大，这代表了第n个场景中第t个时间点驾驶环境对本车产生的安全风险越大；将场景中取所有时刻中最大的IFFn,t作为客观复杂测试场景关键性量化结果IFFn；为保证关键性量化结果量纲一致性，将IFFn进行归一化处理； 2.3通过取主观和客观的测试场景关键性量化结果的平均值得出最终场景的量化结果Cn，其表达式为： 3利用软聚类算法对测试场景进行关键性量化 借助软聚类算法对未进行量化的测试场景进行关键性量化，使用的软聚类算法考虑了样本数目不均衡的情况，利用软聚类算法基于已量化的关键性结果对其他场景进行自动关键性量化，输出最终的复杂测试场景关键性量化结果。

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：130000 吉林省长春市前进大街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。