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！

龙图腾网恭喜江苏大学申请的专利一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质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：CN118953402B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202410982962.5，技术领域涉及：B60W60/00；该发明授权一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质是由刘擎超;陈思齐;蔡英凤;王海;陈龙;熊晓夏设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质在说明书摘要公布了：本发明公开了一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质，该方案整合了来自摄像头、激光雷达、多传感器的多模态信息，对可见光图像和红外图像进行信息传递和聚合。将来自多个传感器的数据进行融合，形成环视的动态时空信息。使用邻居交叉注意力机制融合2D‑3D环视图像的动静态特征；利用大模型建立预测模型，对时空风险信息和文本提示信息进行分析，生成短期和长期的预测结果。通过评估每个短期规划和相应的长期应对计划的成本，选择总成本最小的一个作为最优策略，指导智能车辆的安全行驶。

本发明授权一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法、系统及存储介质在权利要求书中公布了：1.一种基于多模态信息融合和大模型推演的自动驾驶车辆风险态势预测方法，其特征在于，包括如下步骤：步骤S1获取多模态信息：获取交通环境感知和障碍物感知信息；步骤S2大模型推演：利用大模型理解获取的多模态信息，生成智能文本提示，通过大模型输出运动规划轨迹；所述S2的具体实现包括如下：S2.1，获取交通对象特征：首先，将多帧的动静态融合图像，和采集的交通信息输入大模型，通过语言提示将图像转化成文本信息，包括交通对象的动作描述、动作证明和控制信号；经过提示，大模型观测代理者的自我状态，并将图像输出为运动姿势，并将自然语言编码成一个热点向量，具体表述如下：O-OneHotEncodeObservationList其中，自我状态O包括该车辆的历史轨迹及其当前状态；OneHotEncode代表对观测列表进行One-Hot编码，ObservationList观测列表包括车辆的各种传感器数据；S2.2，获取文本提示：通过提示输出对交通对象进一步的理解具体表述为：S-OneHotEncodeScenarioList，I-OneHotEncodeIntentionList其中，S代表对交通场景的描述，OneHotEncode代表对观测场景列表进行One-Hot编码，ScenarioList为观测场景列表，包括车辆的各种传感器数据；I代表对车辆意图的描述，OneHotEncode代表对车辆意图列表进行One-Hot编码，IntentionList意图列表包括转向、加速度等；针对车辆意图不唯一，通过大模型的理解，为意图赋予不同的权重，具体表述为：weighti-lengthIntentionInfoList-i其中，weighti代表对意义列表IntentionList的长度length分配权重，在多意图情况下，不同的意图被赋予不同的权重，以反映它们在驾驶决策中的重要性；S2.3，自动驾驶运动规划输出：基于大模型进行自动驾驶运动规划的目标是以自我状态O和环境观测S为输入，经过处理函数K规划出未来可行的驾驶轨迹T，运动规划过程表述为：{T,R}＝FLLMKO,SFLLM为大模型，T为输出未来可行的驾驶轨迹，R为需要遵循的规则和约束；将驾驶轨迹T表示为t个时间步长的一组航路点：T＝{x1,y1,...,xt,yt}，T∈Rt×2其中xi,yi是表示车辆在时间步长i的预期位置的2D航路点坐标；步骤S3长短期风险预测：构建行为预测模型的输入，进行短期和长期意图预测，预测障碍物的行为和总体行为趋势。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。