本发明提供一种多船交互环境下的船舶航迹预测方法、系统及存储介质，方法包括：获取目标船舶及其周边船舶的历史航迹数据并进行预处理；基于预处理后的历史航迹数据，构建目标船舶在多个时间片下的动态有向图序列；将动态有向图序列输入图神经网络进行特征聚合，得到目标船舶在每个时间片下的特征表示；将特征表示输入预测网络，获取目标船舶的航迹预测结果；本发明使得船舶可以有效应对动态演变环境下的船舶交互问题，避免因为忽视动态环境中的多船交互问题产生结果误差，同时本发明在面对复杂、高密度航道等场景时，相比其它方案也拥有更高的鲁棒性、准确性和有效性。
📄 2025117565229
📂 G06F18_20
👤 广东海洋大学
📅 2025-11-27
本发明公开了一种基于人工智能的自动驾驶车辆控制决策确定方法，涉及车辆自动控制决策技术领域，根据车辆在隧道内的实时获取的最高限速、实时可见距离、剩余弯道距离、车辆实时颠簸程度以及周围车辆的实时距离等实时环境数据，计算出环境安全系数，再获取车辆在隧道内的历史行驶数据，并根据历史行驶数据生成每个时间步的数据样本，利用数据样本训练实时决策是否遵循司机行车操作的深度强化学习模型，司机在隧道内手动操控时，智能控制系统基于手动操作对环境安全系数的影响，实时决策是否遵循司机的行车操作；在保证车辆的行车安全的基础上，满足司机自由操作的体验。
📄 2023103969995
📂 B60W30_14
👤 龙岩市责诚创新科技成果转化有限公司
📅 2023-04-14
本发明公开了基于深度强化学习的无信号灯交叉口控制方法及设备，使用了深度强化学习算法协调控制交叉口无冲突放行，通过冲突点的判断方式避免了冲突放行，通过奖励函数的设计实现了车辆放行的公平性，以及在此基础上的最大限度放行，通过交互更新训练后的DQN网络计算得到当前时刻目标无信号灯交叉口的放行动作，减少了车辆的平均等待时间，增加了通行效率，从而解决了无信号灯交叉口车辆拥堵的问题。本发明相较于现有技术的深度强化学习的无信号灯交叉口放行方法而言，通过使用深度学习框架制定交叉口协调问题，无需记录冲突区域网格的占领情况，降低了计算的复杂度；同时，将无信号灯交叉口整体进行分析也充分发挥了交叉口的协调潜力。
📄 2023104432747
📂 G08G1_01
👤 重庆邮电大学工业互联网研究院
📅 2023-04-21
本发明公开了基于深度强化学习的瓶颈区换道控制方法、设备及介质，通过选取一定比例的车辆使其提前换道来避免临近瓶颈区车辆集中换道而导致通行能力下降的发生，通过奖励函数的设计实现了每条车道车辆密度的平均，以最大限度避免了集中换道和为了追求速度的频繁换道行为，保证了瓶颈区交通流的稳定。此外，通过DQN网络与环境的交互更新训练，得到最优换道策略，该最优换道策略可协调控制瓶颈区车辆的换道行为，通过在瓶颈区上游进行提前换道，避免临近瓶颈区车辆集中换道导致交通拥堵的发生，有效地解决瓶颈区通行能力下降的问题。本发明的瓶颈区换到控制方法与传统的基于交通流控制方案相比，减少了车辆的平均行程时间，提高了通行效率。
📄 2023108088344
📂 G08G1_01
👤 重庆邮电大学
📅 2023-07-03
本申请通过一种用于检测机动车加塞行为的方法及设备，首先获取车辆的行车路况图像序列，接着将所述行车路况图像序列中当前图像输入车辆检测网络模型，以识别所述图像中的全部机动车，然后从所述全部机动车中确定目标机动车，最后基于所述行车路况图像序列，跟踪所述目标机动车，并检测到所述目标机动车被遮挡，则确定有机动车加塞行为发生。通过该方法可实时自动检测当前车辆的行车道路前方是否有其它机动车加塞行为，效率高，具有非常实用的市场价值。
📄 2020114362200
📂 G06V20_54
👤 上海芯翌智能科技有限公司
📅 2020-12-10
一种基于联合预测框架的车辆轨迹预测鲁棒增强方法，首先，构建了一个联合时空注意力网络，包含教师模型和学生模型，形成联合预测结构：教师模型专注于正常轨迹的高精度预测，而学生模型通过知识蒸馏从教师模型中学习，并经过简化和增强，以适应对抗性噪声的干扰；其次，为优化学生模型的结构和鲁棒性，设计了一种多阶段剪枝与自蒸馏结合的鲁棒压缩策略，该策略对教师模型进行逐阶段剪枝，接着通过自蒸馏生成适用于对抗性环境的学生模型；然后，基于极值理论提出了流峰值过阈值方法，分析教师模型与学生模型的预测差异，检测异常输入。本发明在对抗性噪声下显著降低了预测误差，且具有高检出率，充分证明其在复杂噪声环境中的预测鲁棒性。
📄 2024117702467
📂 G06N3_0455
👤 浙江工业大学
📅 2024-12-04
本发明公开了一种基于雅各比显著图的单交叉口信号灯控制的交通状态对抗扰动生成方法，基于已由强化学习算法DQN训练好的交通信号灯控制模型，利用JSMA攻击的前向导数雅各比矩阵和显著图制作对抗样本，将符合限制的对抗样本输入智能体模型中，最后在sumo上分析单交叉口路段的交通状况，以此检验对抗攻击的效果。本发明可以在只修改一小部分原始状态的情况下，对最终的信号灯输出动作造成较大的影响，以此高效地影响单交叉口路段的道路交通状况，降低模型的性能。
📄 2022110405668
📂 H04L9_40
👤 浙江工业大学
📅 2022-08-29
本发明涉及基于WOA‑改进TD3算法的车辆纵向控制方法及系统，建立纵向动力学模型，基于待控制车辆的行驶工况配置关联车辆的行驶状态策略；引入不对称Actor‑Critic网络机制，建立基于马尔可夫决策过程的TD3算法网络预测模型，对其输出的期望加速度以优先经验回放机制及WOA优化算法迭代训练；以训练后的预测模型对待控制车辆纵向控制；系统包括配置于待控制车辆的控制器、驱动系统、传动系统和传感设备，传感设备获取待控制车辆的关联车辆的行驶状态，传输至控制器，控制器采用方法获取期望加速度，控制器将期望加速度转换为控制指令，驱动系统基于控制指令控制待控制车辆的加速和制动，传动系统配合驱动系统实现动力传递。
📄 2025106121830
📂 B60W50_00
👤 浙江工业大学
📅 2025-05-13
基于邻域重建和图对比学习的交通轨迹异常检测方法和装置，其方法包括：通过选择Porto数据集并进行数据预处理，构建了一个交通轨迹网络，将每辆车的轨迹数据抽象为图中的节点，并通过边表示车辆之间的关系；通过邻域重建模块，利用图神经网络对节点的接收域进行编码，在降维空间中重建节点的邻域结构，捕捉交通轨迹中车辆之间的复杂关系和属性信息；利用图对比学习最大化正样本相似度和最小化负样本相似度，以增强模型对交通轨迹异常行为的学习能力，进而提高对异常轨迹的检测准确性；通过定义的异常评分函数，计算每个轨迹的异常分数，并基于历史数据和误差分析等手段设定异常分数的阈值；最终，通过排名异常分数，高分的轨迹被标记为可能的异常，实现了对交通轨迹异常行为的有效检测。
📄 2025100138876
📂 G06F18_2433
👤 浙江工业大学
📅 2025-01-06
一种基于时空超图神经网络的交通流预测方法，包括：1)数据收集：采用真实交通数据集，经预处理，得到实验所需的数据；2)超图构造，将交通数据在空间维度上展现的局部相关性与跨路网同构性进行统一；3)空间特征提取，设计基于超图的双通道超图卷积算法，在捕捉节点间高阶空间关系的同时，学习到超边与节点之间的关系，实现对交通数据空间特征的提取；4)时间特征提取：使用LSTM进行时间特征提取；5)模型构建：联合时间和空间特征，构建用于交通流预测的时空超图神经网络模型；6)数据集验证：采用真实世界的交通数据集对时空超图神经网络模型进行性能评估，最终确定时空超图神经网络模型的有效性，并用于交通流预测。
📄 2022102593383
📂 G08G1_01
👤 浙江工业大学
📅 2022-03-16
一种基于Transformer‑WGAN的车辆跟驰行为建模方法，包括：获取跟驰场景中多组跟驰车和其前车的状态序列数据，将数据进行预处理使其符合模型输入的数据格式的步骤；建立Transformer网络模型，利用多头自注意力机制学习跟驰场景中车辆状态序列数据中复杂的时序依赖关系，提取驾驶数据中潜在时间特征的步骤；构建生成对抗网络WGAN，使用时间特征数据实现跟驰场景中车辆未来状态预测；将预测结果和真实结果作为由全连接网络构成的判别器的输入，判别器的目的是将预测结果和真实结果区分开，将预测的结果判断为假；通过生成器与判别器的对抗训练后，使判别器难以判定预测的结果为假，使得最小化预测结果和真实结果之间的误差，实现模型准确预测跟驰场景中车辆未来状态。
📄 2022111133622
📂 G06N3_0455
👤 浙江工业大学
📅 2022-09-14
本发明公开了一种拉力赛车手操作预测和路书辅助生成系统及实现方法。本发明中车载端数据采集模块中RGB摄像头、IMU惯性测量单元、车辆控制数据采集单元连接车载端数据处理与存储模块，车载端数据处理与存储模块将采集到的图像以唯一标识ID‑三轴速度‑三轴加速度‑转向数值‑油门数值‑刹车数值‑当前档位‑升档‑降档命名并存储，供离线端模型训练使用。离线端模型训练模块使用Caffe深度学习框架搭建训练模型与预测模型，车载端车手操作预测和路书辅助生成模块使用离线端模型训练好的模型在墈路时实时预测车手操作和生成路书。本发明解决了拉力赛时墈路次数受限的问题，解决了车手和导航员因配合不默契导致的路书制作问题。
📄 201810148521X
📂 G05B19_042
👤 杭州电子科技大学
📅 2018-02-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台