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！

龙图腾网获悉南京航空航天大学申请的专利一种基于相邻车辆概率运动预测的车辆汇入次序优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：CN116824844B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310613947.9，技术领域涉及：G08G1/01；该发明授权一种基于相邻车辆概率运动预测的车辆汇入次序优化方法是由刘津强;赵万忠;王春燕;曲梦悦;许科磊;吕远飞;薛子宽;叶英楠设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种基于相邻车辆概率运动预测的车辆汇入次序优化方法在说明书摘要公布了：本发明公开了一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，包括：对汇入控制区域内所有主道车辆编号；匝道车辆从路侧控制器处接收汇入控制区域内主道车辆的位置、速度信息；采用高斯混合模型构建车辆驾驶行为分类器，并求解相邻车辆属于各驾驶行为类别的概率；采用考虑驾驶行为的相邻车辆概率运动预测方法，预测相邻车辆运动轨迹；设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序。本发明结合高斯混合模型和智能驾驶员模型，基于对相邻车辆的概率运动预测，构建以能耗最低为目标的匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序，提高了匝道车辆在汇入过程的节能经济性。

本发明授权一种基于相邻车辆概率运动预测的车辆汇入次序优化方法在权利要求书中公布了：1.一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，步骤如下： 步骤1：匝道车辆进入汇入控制区域时，与处于汇入口的路侧控制器建立通信；对汇入控制区域内所有主道车辆编号；匝道车辆从路侧控制器处接收汇入控制区域内主道车辆的位置、速度信息； 步骤2：采用高斯混合模型构建车辆驾驶行为分类器，并求解相邻车辆属于各驾驶行为类别的概率； 步骤3：采用考虑驾驶行为的相邻车辆概率运动预测方法，预测相邻车辆运动轨迹； 步骤4：设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序； 所述步骤2中采用高斯混合模型构建车辆驾驶行为分类器，具体为：基于高斯混合模型的车辆驾驶行为分类器为： 式中，px为概率密度函数；变量x＝[v,Δvp,Δsp]T；v为车辆速度；Δvp为车辆与其前车的相对速度；Δsp为车辆与其前车的相对位置；c为驾驶行为类别，c∈{1,2,3}；αc，μc和∑c分别为驾驶行为类别c对应的模型混合系数，均值向量和协方差矩阵； 采用期望最大算法求解得到高斯混合模型的参数，包括模型混合系数αc、均值向量μc和协方差矩阵∑c； 所述步骤2中求解相邻车辆属于不同驾驶行为的概率具体为：根据当前t0时刻相邻车辆n的变量xnt0，求解得到相邻车辆属于c类驾驶行为的概率为： 式中，pc|xnt0为当前t0时刻相邻车辆n的变量为xnt0时，相邻车辆属于驾驶行为c的概率；pxnt0|μc,Σc为采用均值向量μc和协方差矩阵∑c的高斯混合模型时，当前t0时刻相邻车辆n的变量为xnt0的概率； 所述步骤3中考虑驾驶行为的相邻车辆概率运动预测方法具体为：车辆的运动学模型为： 式中，s，v，a分别为车辆的位置、速度和加速度； 智能驾驶员模型为： 式中，为c类驾驶行为对应的期望加速度；vn为相邻车辆n的速度；Δsn为相邻车辆n与其前车的相对位置；vp,n为相邻车辆n的前车的速度；和分别为c类驾驶行为对应的最大加速度和最小加速度；和分别为c类驾驶行为对应的期望速度、最小停车间距和期望车头时距； 结合智能驾驶员模型，相邻车辆n的预测加速度为： 式中，将相邻车辆n的预测加速度代入到运动学模型中，得到相邻车辆n预测位置和预测速度，

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。