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！

龙图腾网获悉同济大学申请的专利一种基于自动时序超参优化模型的驾驶风险识别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：CN115909244B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211511827.X，技术领域涉及：G06V20/56；该发明授权一种基于自动时序超参优化模型的驾驶风险识别方法是由柴晨;李佳欣设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本一种基于自动时序超参优化模型的驾驶风险识别方法在说明书摘要公布了：本发明涉及一种基于自动时序超参优化模型的驾驶风险识别方法，旨在基于时空轨迹数据构建自动时序超参优化模型识别驾驶风险行为，在现有模型基础上降低训练成本同时优化模型精度。该方法构建自动时序超参优化模型，基于车辆时空轨迹数据，搭建自动机器学习框架，实现滑动窗口参数与模型超参数的自动优化，首先基于动态时间规整算法同步多特征数据之间的相位耦合关系；其次，基于深度特征合成‑滑动窗口算法与t‑分布随机邻域嵌入算法自动特征生成与降维选择；最后，通过贝叶斯优化实现自动模型选择与超参数调整，并进行模型集成；该方法在自动机器学习框架中考虑数据时序特性，实现训练成本的降低与驾驶风险识别模型精度的优化。

本发明授权一种基于自动时序超参优化模型的驾驶风险识别方法在权利要求书中公布了：1.一种基于自动时序超参优化模型的驾驶风险识别方法，其特征是，包括： 步骤S1，建立时空轨迹综合数据集 获取车辆行驶的时空轨迹数据，基于DTW算法，同步时间序列数据之间的相位耦合关系，揭示驾驶轨迹数据的特征与结构； 步骤S2，基于多滑动窗口自动生成特征 在DFS算法中考虑滑动窗口参数，从时空轨迹数据集中自动抽取融合特征，获得包含多滑动窗口的高维特征集合，然后基于t-SNE算法降维，实现更有效的特征生成与选择； 步骤S3，构建自动分类模型 将步骤S2获得的特征集合作为输入，通过贝叶斯优化方法自动进行模型选择与超参数调整，并集成表现较优的模型避免过拟合的同时提升模型鲁棒性； 步骤S2中，实现过程： 步骤S21，构建包含关联规则的实体集；E1,2,…,k表示时空轨迹综合数据集中各个轨迹构成的实体，每个轨迹实体有唯一索引和J个特征，表示第k个轨迹的第i个实例特征j的值；通过索引变量表示实体间的关联规则并添加到实体集中，轨迹实体E1关联时间变量，时间变量关联车辆位置、速度这些运动学信息； 步骤S22，基于实体集自动生成特征；应用DFS算法有三种生成特征的方式： 1efeat：，通过对依次应用计算函数获得每个属性的值合成特征，为轨迹速度的对数值； 2dfeat：基于关系表的前向关系转移特征，相关实体e∈Ek中的特征被直接转移为m∈Ek的特征； 3rfeat：，在ek=i时提取实体特征j的所有值组合Ek，通过对应用计算函数导出实体Ek的实例i，基于关系表的后向关系获得特征的统计量； 所述DFS算法为给定实体合成的特征数量z与实体集中关联规则与递归次数i有关，其中j表示初始特征数量，n和m分别是前向关系和后向关系的数量，r是rfeat函数的数量,e是efeat函数的数量; 步骤S23，特征降维选择。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。