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！

龙图腾网获悉西安交通大学申请的专利基于运动查询增强的弱势道路使用者轨迹预测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：CN120216607B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510297766.9，技术领域涉及：G06F16/29；该发明授权基于运动查询增强的弱势道路使用者轨迹预测方法及系统是由康妙;石刘帅;付臻;叶锞;周三平;郑南宁设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于运动查询增强的弱势道路使用者轨迹预测方法及系统在说明书摘要公布了：本发明提供一种基于运动查询增强的弱势道路使用者轨迹预测方法及系统，方法包括：通过归一化过程对每个运动样本的当前位置和方向对齐，对归一化的运动样本的终点进行聚类，将得到的聚类中心作为生成的静态查询，使用扩展静态查询DSQ来延长静态查询的覆盖范围以提供更多样化的运动模式；结合对轨迹特征与地图特征进行提取并融合，得到地图特征和增强轨迹特征，用于后续得到每层的更新查询特征，使用交叉连接动态查询BDQ在浅层和深层解码器输出的动态查询之间建立连接，协调解码层之间的查询优化；对多个同质模型进行预测结果集成得到最终预测轨迹。本发明能更加有效地提取能够反映弱势道路使用者的运动趋势的特征，使预测结果更准确。

本发明授权基于运动查询增强的弱势道路使用者轨迹预测方法及系统在权利要求书中公布了：1.一种基于运动查询增强的弱势道路使用者轨迹预测方法，其特征在于，包括以下步骤： 通过归一化对每个运动样本的当前位置和方向进行对齐，对归一化的运动样本的终点进行聚类，将聚类得到的聚类中心作为生成的静态查询，并将运动样本的观察序列添加到静态查询的生成过程，得到扩展的静态查询； 基于级联Transformer解码层，使用交叉连接动态查询在浅层解码器和深层解码器输出的动态查询之间建立连接，结合交叉注意力模块聚合增强轨迹特征O和地图特征C得到每层的更新查询特征，得到优化的动态查询；具体包括：根据以下公式更新每个解码器输出的动态查询： =+Fc,F,F+ 其中，Dlq,k,v是Transformer中具有交叉注意力机制的第l个解码器层，0≤l≤L1；Fc是待预测VRU的特征；F=是待预测VRU、邻近VRU和地图折线之间的交互特征；N是交互对象的总数，为在第l个解码器层中的第k个动态查询，动态查询由静态查询初始化； 通过汇聚方式连接实现或通过密集连接方式实现交叉连接动态查询； 其中增强轨迹特征O获取包括以下步骤：基于矢量化处理之后的轨迹数据与地图数据，提取VRU轨迹特征与VRU地图特征并进行拼接和交叉注意力计算得到地图特征C，结合VRU轨迹特征、地图特征和轨迹历史特征，提取未来轨迹的交互特征；将VRU轨迹特征和未来轨迹的交互特征通过特征拼接和三个MLP层得到增强轨迹特征O； 将优化的动态查询作为运动解码器模块的输入，在运动解码器模块中，为每个解码层使用一个MLP层，预测每个时间步使用高斯混合模型的每个高斯分量的概率和参数，利用提取高斯分量的预测中心来获得预测轨迹； 对多个同质运动解码器模块的预测轨迹进行集成，采用相似运动模式的集成策略，基于不同运动解码器模块的预测轨迹和每条预测轨迹对应的评分，用非最大抑制计算预测的所有轨迹之间的距离，选择距离小于设定阈值的作为预测结果；给定模型集{M1,M2,…,MJ}，每个模型给出K条预测轨迹和相应的评分，预测轨迹是模型Mj的第k条预测轨迹，第k条预测轨迹对应的评分∈R1，其中Tp是未来轨迹的长度，k∈{1,2,…,K}，j∈{1,2,…,J}，设每个模型的第k条预测轨迹{}j={1,2,…,J}具有相似的运动模式，其对应的预测评分为{}j={1,2,…,J}；对于置信度集成，计算所有J个模型给出的第k条轨迹置信度的平均值，作为集成后第k条预测轨迹的置信度； 对于轨迹集成：通过计算J个模型给出的第k条预测轨迹的终点{}j=1,2,…,J得到平均轨迹终点；取与最近的终点k作为最终的集成目标点，而k对应的预测轨迹k则被选为集成的第k条预测轨迹，对于K次预测，得到K条轨迹{1,2,…,k}及K条轨迹对应的置信度{1,2,…,k}。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。