買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京航空航天大學(xué)申請(qǐng)的專利一種考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)及方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116129637B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211724137.2，技術(shù)領(lǐng)域涉及：G08G1/01；該發(fā)明授權(quán)一種考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)及方法是由周小川;趙萬(wàn)忠;王春燕;汪桉旭;葉宇林;李威設(shè)計(jì)研發(fā)完成，并于2022-12-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)及方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)及方法，系統(tǒng)包括：傳感器單元，用于獲取車輛和行人的位置坐標(biāo)信息，并將信息存儲(chǔ)到車輛歷史軌跡數(shù)據(jù)庫(kù)和行人歷史軌跡數(shù)據(jù)庫(kù)中；車載計(jì)算單元，包括依次連接的編碼器、注意力模塊、解碼器；編碼器用于計(jì)算行人和車輛的歷史軌跡，并進(jìn)行存儲(chǔ)；注意力模塊包括時(shí)間注意力模塊和空間注意力模塊，時(shí)間注意力模塊用于計(jì)算歷史時(shí)間特征，空間注意力模塊用于計(jì)算全局空間特征；解碼器用于計(jì)算考慮交互關(guān)系的行人預(yù)測(cè)軌跡。本發(fā)明通過(guò)構(gòu)建基于注意力機(jī)制的行人軌跡預(yù)測(cè)框架，提高人車混合行駛道路下行人軌跡預(yù)測(cè)的精準(zhǔn)性。

本發(fā)明授權(quán)一種考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)及方法在權(quán)利要求書中公布了：1.一種考慮交互的行人軌跡預(yù)測(cè)方法，基于考慮交互的行人軌跡預(yù)測(cè)系統(tǒng)，系統(tǒng)包括：傳感器單元、行人歷史軌跡數(shù)據(jù)庫(kù)、車輛歷史軌跡數(shù)據(jù)庫(kù)、車載計(jì)算單元；傳感器單元，其包括但不局限于車載攝像頭和激光雷達(dá)、路側(cè)傳感單元、行人位置傳感器，用于獲取車輛和行人的位置坐標(biāo)信息，并將信息存儲(chǔ)到車輛歷史軌跡數(shù)據(jù)庫(kù)和行人歷史軌跡數(shù)據(jù)庫(kù)中；車輛歷史軌跡數(shù)據(jù)庫(kù)，用于存儲(chǔ)車輛的歷史位置坐標(biāo)信息；行人歷史軌跡數(shù)據(jù)庫(kù)，用于存儲(chǔ)行人的歷史位置坐標(biāo)信息；車載計(jì)算單元，其包括依次連接的編碼器、注意力模塊、解碼器；編碼器用于計(jì)算行人和車輛的歷史軌跡，并進(jìn)行存儲(chǔ)；注意力模塊包括時(shí)間注意力模塊和空間注意力模塊，時(shí)間注意力模塊用于計(jì)算歷史時(shí)間特征，空間注意力模塊用于計(jì)算全局空間特征；解碼器用于計(jì)算考慮交互關(guān)系的行人預(yù)測(cè)軌跡；其特征在于，方法步驟如下：1編碼器對(duì)行人歷史軌跡數(shù)據(jù)庫(kù)、車輛歷史軌跡數(shù)據(jù)庫(kù)中的運(yùn)動(dòng)特性進(jìn)行編碼，生成隱藏狀態(tài)和輸出張量；2注意力模塊對(duì)周圍行人和車輛運(yùn)動(dòng)特征的時(shí)間、空間信息進(jìn)行編碼，對(duì)不同時(shí)間、空間信息的影響賦予權(quán)重，分別確定各對(duì)象空間信息對(duì)行人的重要性，以及歷史時(shí)刻信息對(duì)當(dāng)前時(shí)刻的重要性，并將計(jì)算得到的時(shí)間特征向量和全局空間特征向量拼接，得到特征向量；3將包含周圍行人和車輛的特征向量和高斯采樣噪聲，輸入到基于LSTM的解碼器中進(jìn)行多模態(tài)軌跡預(yù)測(cè)，得到行人預(yù)測(cè)軌跡集，對(duì)真實(shí)軌跡和預(yù)測(cè)軌跡進(jìn)行比較判別，并通過(guò)損失函數(shù)計(jì)算，從軌跡集中選擇最優(yōu)的行人預(yù)測(cè)軌跡；所述步驟2中采用時(shí)間注意系數(shù)衡量歷史時(shí)刻信息對(duì)當(dāng)前時(shí)刻的重要性，具體包括：21行人編碼器輸出作為時(shí)間注意力模塊的輸入，得到時(shí)間注意系數(shù)： 式中，表示時(shí)間注意系數(shù)，表示中間向量，和分別表示k時(shí)刻和s時(shí)刻的中間向量，tanh為激活函數(shù)，和bα為網(wǎng)絡(luò)參數(shù)；22時(shí)間注意力模塊將時(shí)間注意系數(shù)與步驟12中的隱藏狀態(tài)相拼接，輸出時(shí)間特征向量 所述步驟2中采用空間注意系數(shù)衡量各對(duì)象空間信息對(duì)行人的重要性，并用歸一化后的注意系數(shù)計(jì)算得到行人的全局空間特征，具體包括：23計(jì)算人-人和人-車空間交互的距離和夾角信息： 式中，為t時(shí)刻行人i和周圍行人j之間的距離；為t時(shí)刻行人i和車輛之間的距離，為行人i的速度向量與行人i到行人j的方向向量間的夾角；為行人i和行人j的速度向量間的夾角；為行人i和車輛速度向量間的夾角；分別為t時(shí)刻行人i和行人j的位置坐標(biāo)，為t時(shí)刻車輛的位置坐標(biāo)；24將人-人和人-車交互信息進(jìn)行級(jí)聯(lián)，得到三個(gè)交互特征向量： 式中，為行人i和行人j的人-人交互關(guān)系向量；為行人i和車輛的人-車交互關(guān)系向量；為行人i與其他道路參與者交互關(guān)系的向量；25計(jì)算空間注意系數(shù)，并進(jìn)行歸一化得到行人i在t時(shí)刻的全局空間特征向量 式中，為行人i與行人j在t時(shí)刻交互的空間注意系數(shù)，為行人i的交互特征向量拼接成的特征向量，Wfc2為空間注意力模塊的全連接層參數(shù)，為行人j與無(wú)人車的距離，為除了行人i以外其他行人與車輛的距離，為車輛與行人間的距離拼接成的特征向量，N為行人數(shù)量，φ是歸一化函數(shù)；所述步驟2中將計(jì)算得到的時(shí)間特征向量和全局空間特征向量拼接，表示為： 式中，為特征向量；所述步驟3中采用多層感知器對(duì)真實(shí)軌跡和預(yù)測(cè)軌跡進(jìn)行比較判別，行人預(yù)測(cè)軌跡集為： 式中，k為預(yù)測(cè)軌跡的數(shù)量，和為t時(shí)刻與t-1時(shí)刻中間狀態(tài)向量，為第k條軌跡的特征向量，為高斯采樣噪聲，預(yù)測(cè)時(shí)間為t＝Tobs+1，...，Tpred；和為t時(shí)刻與t-1時(shí)刻解碼器的隱藏狀態(tài)，Wde為解碼器網(wǎng)絡(luò)權(quán)重參數(shù)，為預(yù)測(cè)軌跡，Wm2為多層感知機(jī)權(quán)重參數(shù)，和分別為觀測(cè)周期解碼器和編碼器的輸出；所述步驟3中采用最小化多模態(tài)損失函數(shù)，設(shè)置指數(shù)項(xiàng)來(lái)控制每個(gè)誤差在整個(gè)損失中的比例，根據(jù)計(jì)算結(jié)果，從行人預(yù)測(cè)軌跡集中，選擇計(jì)算值最小的軌跡，作為最優(yōu)的行人預(yù)測(cè)軌跡，最小化多模態(tài)損失函數(shù)L的計(jì)算方式如下： 式中，T為預(yù)測(cè)時(shí)長(zhǎng)，為待選的預(yù)測(cè)軌跡，為真實(shí)軌跡，λ為超參數(shù)，e為常數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京航空航天大學(xué)，其通訊地址為：210016 江蘇省南京市秦淮區(qū)御道街29號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。