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！

龙图腾网恭喜南京理工大学申请的专利基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别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：CN114548216B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202111675120.8，技术领域涉及：G06F18/25；该发明授权基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别方法是由唐坤;杨力;戴语琴;郭唐仪;徐永能设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别方法在说明书摘要公布了：本发明公开了一种基于Encoder‑Decoder注意力网络与LSTM的异常驾驶行为在线识别方法。本发明采用基于LSTM的编码器‑解码器、注意力机制以及基于SVM的分类器3个主要模块构成，包括输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类。本发明以手机多传感器融合数据为基础，在驾驶行为数据特性与行为模式分析的基础上，融合Encoder‑Decoder深度学习模型、Attention注意力机制与SVM分类模型对异常驾驶行为进行识别。本发明具有数据易获取、非侵入、成本低等优点，不仅考虑了驾驶行为的时间相关性，而且考虑了不同时刻的差异性，能够以端到端的方式对异常驾驶行为进行在线识别，可为驾驶行为评估与安全预警提供方法基础，对智能驾驶系统设计、交通安全决策制定具有显著意义。

本发明授权基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别方法在权利要求书中公布了：1.基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别方法，其特征在于，具体步骤为：步骤1、获取手机传感器数据，并进行预处理与正态分布变换，得到驾驶行为时间序列数据；步骤2、构建Encoder-Decoder注意力网络与LSTM融合模型并对其进行训练，所述Encoder-Decoder注意力网络与LSTM融合模型包括编码器模块、注意力学习模块、解码器模块、序列重构模块、重构误差模块以及SVM分类器模块；步骤3、利用训练好的模型进行异常驾驶行为识别，具体步骤为：步骤4.1：将时间序列数据输入编码器，编码器计算各时刻隐含层状态，具体计算公式为： 式中，f为编码器，为编码器t时刻的隐含层状态，xt为时间序列数据；步骤4.2：注意力学习模块利用注意力权重对编码器中的所有隐含层状态i＝1,2,…,T进行加权求和，得到t时刻的语义向量ct，具体计算公式为： 式中，ati表示编码器第i个隐含层状态对解码器t时刻隐含层状态的权重；编码器第i个隐含层状态对解码器t时刻隐含层状态的权重由解码器在t时刻的隐含层状态与编码器在i时刻的隐含层状态之间的相关性得分确定，具体计算公式为： 式中，Wa为权重矩阵，exp·为指数函数，T为序列长度；步骤4.3：将t时刻的语义向量与解码器原隐含层状态拼接在一起，得到解码器新的隐含层状态；步骤4.4：利用融合注意力的解码器隐含层状态st得到重构序列具体计算公式为： 式中，Who为解码器隐含层输出系数矩阵，bh0为偏置项；融合注意力的解码器隐含层状态st，具体计算公式为： 式中，Wc为转换矩阵，为解码器t时刻隐含层状态，ct为t时刻的语义向量；步骤4.5：针对各时刻的重构序列与原始序列进行残差计算，得到各时刻的重构误差，拼接得到混合分类特征向量；步骤4.6：将混合分类特征向量作为SVM分类器输入，利用SVM分类器对驾驶行为进行分类得到分类结果实现异常驾驶行为识别。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。