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！

龙图腾网获悉武汉理工大学申请的专利用于交通参与者行为预测模型闭环持续学习方法及系统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：CN120950999B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511472765.X，技术领域涉及：G06F18/22；该发明授权用于交通参与者行为预测模型闭环持续学习方法及系统是由尹智帅;缪铭泽;王云西;姚成博;陶博;韦清泉设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本用于交通参与者行为预测模型闭环持续学习方法及系统在说明书摘要公布了：本发明公开了一种用于交通参与者行为预测模型闭环持续学习方法及系统，方法包括以下步骤：S1、根据实时采集的车辆周围环境信息生成预测轨迹，筛选出轨迹预测性能不佳的场景样本，并发送至云端；S2、云端将历史数据和新数据混合采样进行新一轮训练，得到更新后的轨迹预测模型参数；新一轮训练时，具体在损失函数中增加基于弹性权重巩固方法的正则化损失，以保护历史数据的关键特征，再将该正则化损失与新数据下的预测损失、历史数据下的预测损失进行动态加权组合，得到新一轮训练的综合损失函数；S3、云端将更新后的轨迹预测模型参数传输至车端车载计算设备，用于车端轨迹预测模型的参数更新。本发明实现了轨迹预测模型的自主迭代与快速演进。

本发明授权用于交通参与者行为预测模型闭环持续学习方法及系统在权利要求书中公布了：1.一种用于交通参与者行为预测模型闭环持续学习方法，其特征在于，包括以下步骤： S1、自动驾驶车辆的车端计算设备根据车载传感器实时采集的车辆周围环境信息，通过在线运行轨迹预测模型实时生成交通参与者的预测轨迹，对预测轨迹进行判断，筛选出轨迹预测模型预测性能不佳的场景样本，并发送至云端； S2、云端将接收到的数据输入预先设置的基于持续学习方法的模型训练优化模块中，将历史数据和新数据混合采样进行新一轮训练，得到更新后的轨迹预测模型参数；新一轮训练时，具体在损失函数中增加基于弹性权重巩固方法的正则化损失，以保护历史数据的关键特征，再将该正则化损失与新数据下的预测损失、历史数据下的预测损失进行动态加权组合，得到新一轮训练的综合损失函数； S3、云端将更新后的轨迹预测模型参数传输至车端车载计算设备，用于车端轨迹预测模型的参数更新； 其中，预测性能不佳的场景样本的筛选具体包括以下步骤：将采集的车辆周围环境信息以及车辆历史轨迹输入当前轨迹预测模型生成预测的多模态轨迹，通过量化评估当前轨迹预测模型因内部机制导致的预测不确定性和输入的车辆历史轨迹本身的复杂性，得到一阶段评估综合指标；若该一阶段评估综合指标未能达标，则将此次采集的车辆周围环境信息作为预测性能不佳的场景样本发送至云端。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。