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一种基于元数据驱动与因果分析理论的驾驶情境推理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：CN117217314B 。

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：202311226047.5，技术领域涉及：G06N5/04；该发明授权一种基于元数据驱动与因果分析理论的驾驶情境推理方法是由孙博华;单滢洁;李琬葶;杜泽文;谢飞;赖思琦;王鹏博;谢林宵;翟洋;赵帅设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本一种基于元数据驱动与因果分析理论的驾驶情境推理方法在说明书摘要公布了：本发明公开了一种基于元数据驱动与因果分析理论的驾驶情境推理方法，其方法为：第一步、整合多源感知元数据；第二步、分析人机协同系统驾驶情境因果认知机理；第三步、构建驾驶情境推理模型；第四步、构建人机协同情境演化评估体系；有益效果：有助于数据的管理和组织；提高了数据检索的效率；使人机协同驾驶系统决策具有可解释性；降低了计算的复杂度；使得自动驾驶系统能够做出更全面和合理的决策；使自动驾驶系统能够灵活地调整和适应不同的驾驶情境，适应动态和不确定的环境条件。

本发明授权一种基于元数据驱动与因果分析理论的驾驶情境推理方法在权利要求书中公布了：1.一种基于元数据驱动与因果分析理论的驾驶情境推理方法，其特征在于：其方法包括的步骤如下： 第一步、整合多源感知元数据，具体步骤如下： 步骤一、元数据表征框架构建； 步骤二、智能体元数据整合； 步骤三、交通情境元数据整合； 第二步、分析人机协同系统驾驶情境因果认知机理，具体步骤如下： 步骤一、驾驶员因果认知机理分析； 步骤二、自驾系统因果认知机理分析； 步骤三、人机协同系统因果认知耦合机理分析； 步骤四、人机协同系统因果分析综合模型； 第三步、构建驾驶情境推理模型，具体步骤如下： 步骤一、多目标驾驶情境学习框架； 步骤二、基于记忆元数据的扩展驾驶情境网络； 步骤三、动态模糊逻辑推理； 步骤三中的具体环节如下： 环节一、推理模式层次结构，在利用已知的驾驶情境元素进行对驾驶情境进行逻辑推理时，把以下推理模式18分为内外两层： 其中，内层为“XisCX”层和“YisCY”层，外层为“X,YisCX∩CY”层，内层即用一般推理模式来找出驾驶情境元素X和Y的相关信息CX和CY，外层则是在内层的基础上求驾驶情境元素X和Y的关联信息； 环节二、推理模式的图方法，首先，利用驾驶情境元素属性的约束规则建立规则库，以有向图结构来表示动态模糊推理系统，对于任一节点，若该节点的进入有向边不为0，该节点则是上一节点的结论；若该节点的离开有向边不为0，该节点则是下一节点的前提，对于输入的对象X和Y，首先分别查找与其动态模糊相似度高于指定阈值的节点并进行一次标记，在找到节点后沿有向边传播，并将传播所经过的节点进行标记同时记录信息到CX,CY中，若一个节点被标记两次，则将该节点与后续节点信息记录到CX∩CY中； 环节三、推理模式集合抽象，对于输入对象X和Y，在规则库有向图中匹配动态模糊相似度达到指定阈值的节点，并将该节点下的全部子节点分别纳入集合Dx,Dy中，对两集合求交集C＝Dx∩Dy，若C为空集，则在当前规则库中，X和Y没有关联；若C不为空集，则X和Y在当前规则库中相关联，并且关联结果为C中的元素； 环节四、多源推理扩展机制，对于复杂的驾驶情境而言，元素的关联并不只存在一对一的情况，更多情况下，多元素间彼此约束，如交通信号牌、道路条件、前车都影响着本车的行驶速度，因此将数个对象进行连接进行推理同样重要，对于图方法，当输入元素个数为n时，需要从被n次标记的节点开始传播记录；对于集合方法，则需要求n个集合Dn的交集； 步骤四、元数据融合推理； 步骤四中的具体环节如下： 环节一、元数据融合逻辑； 首先定义扩展型语义网络的元数据，包括节点和边的属性以及它们之间的关联关系信息，根据元数据的定义采用图数据库的格式对扩展型语义网络进行存储，并将节点和边的属性、关联关系映射到数据存储中的图结构中的字段； 针对推理知识库，元数据包括规则、概念、逻辑关系和语义关系，根据元数据的定义，建立一个包含数据表和图结构的存储知识库，将动态模糊逻辑推理知识库的数据加载到数据存储中，并根据元数据的定义，将规则、概念和逻辑关系映射到数据存储中的相应数据表及图结构中的字段； 分析两个数据源中的共同信息，并确定它们在各个数据源中的字段映射关系，通过映射关系，将不同数据源中相同含义的字段进行关联，基于元数据中的字段映射关系，创建一个联合查询语句，从而在两数据源中同时检索信息； 环节二、驾驶情境记忆重构，随着驾驶任务的进行，系统不断接收新信息，利用信息分析模块将新信息构建成扩展型语义网，并调用扩展驾驶情境网络中的相关贝叶斯驾驶情境网络，将新扩展型语义网与原扩展型语义网进行合并，重新计算概率，根据新计算得出的概率更新贝叶斯驾驶情境网络，回传至数据库中； 环节三、推理知识库更新，因数据库中存储的经验信息并不能反映真实驾驶情境的多样性，随着驾驶的进行，贝叶斯驾驶情境网络的节点不断增多，边所表示概率也发生改变，当概率低于0.20时，将推理知识库中对应的推理规则删除；当新的节点间的边的概率高于0.60，将新的推理规则添加至推理知识库； 环节四、推理模型整合，由于驾驶情境的多样性，经过数据的逐步累积，推理知识库中会增加新的推理规则，并存在结构与存储上的冗余，为使推理模型全面而简洁，需要定期合并公共节点，对推理模型进行整合； 第四步、构建人机协同情境演化评估体系，具体步骤如下： 步骤一、人机协同情境演化规律分析； 步骤二、基于时空规律的情境推推理； 步骤三、目标态势预测； 步骤四、情境演化评估结果整合。

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：130012 吉林省长春市朝阳区前进大街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。