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！

龙图腾网获悉同济大学申请的专利一种基于判别器隐式未来交互学习引导的车辆轨迹预测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：CN121723417B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610231187.9，技术领域涉及：G06F18/25；该发明授权一种基于判别器隐式未来交互学习引导的车辆轨迹预测方法是由高珍;陈晓雯;许靖宁;严周栋;杭鹏;余荣杰设计研发完成，并于2026-02-27向国家知识产权局提交的专利申请。

本一种基于判别器隐式未来交互学习引导的车辆轨迹预测方法在说明书摘要公布了：本发明涉及自动驾驶的轨迹预测领域，尤其是涉及一种基于判别器隐式未来交互学习引导的车辆轨迹预测方法。包括以下步骤：步骤1：设计基于cGAN的轨迹预测模型的训练框架；步骤2：设计评测车辆间未来交互关系的子任务网络PRNet；步骤3：基于动态权重策略交替训练生成器G和判别器D。在公开数据集及基线模型上的实验结果表明，本发明方法在轨迹的精确度和轨迹的社会合规性上取得了有效提升具有通用性。

本发明授权一种基于判别器隐式未来交互学习引导的车辆轨迹预测方法在权利要求书中公布了：1.一种基于判别器隐式未来交互学习引导的车辆轨迹预测方法，其特征在于，包括以下步骤： 步骤1：设计基于cGAN框架的轨迹预测模型的训练框架； 所述cGAN框架包括生成器G与判别器D，通过生成器G与判别器D的对抗训练得到轨迹预测模型； 其中生成器G用于轨迹预测，以车辆历史轨迹特征和地图特征作为条件信息y，与从随机噪声分布中采样的噪声向量一起输入生成器，生成预测未来轨迹z； 判别器D负责监督与评判生成器G的生成效果，将预测未来轨迹z、条件信息y以及真实未来轨迹x，分别输入判别器D，由判别器对其进行真假判断； 判别器D中，通过未来交互关系的子任务网络PRNet对车辆间未来交互关系进行预测，总损失函数除了考虑对抗训练的损失d_loss之外，还考虑未来交互关系评测的损失pr_loss； 步骤2：设计评测车辆间未来交互关系的子任务网络PRNet，计算未来交互关系评测的损失； 针对判别器中的未来交互关系评测，设计评测车辆间未来交互关系的子任务网络PRNet，使用基于道路的拓扑规则计算得出的车辆间真实未来轨迹的交互概率rr作为标签，通过最小化未来关系预测值pr与标签rr之间的差异，引导网络关注车辆之间的未来交互关系； 步骤3：基于动态权重策略交替训练生成器G和判别器D； 步骤2包括： 步骤2.1设计评测未来交互关系子任务的网络结构； 未来交互关系评测网络PRNet对车辆间未来交互关系进行预测，假设车辆数为N，其输入为同一场景中多辆车的历史轨迹、预测轨迹或真实轨迹、以及地图的融合特征，输出为对未来时段中车辆间交互关系评测矩阵pr； 网络处理过程为：将车辆特征两两合并为一个特征，特征表示车辆i的特征与车辆j的特征拼接，拼接特征依次通过多个由线性全连接层及其激活层组成的网络处理，最后通过输出层输出一个分数，将所有车辆组合的输出排列成一个N×N的矩阵，最后对矩阵的每一行进行归一化，得到0~1之间的概率矩阵pred_proximity即pr； 步骤2.2计算未来交互关系的真值作为训练标签； 未来交互关系的标签使用基于道路拓扑关系的规则计算生成： 假设车辆数N，道路中心线数M，首先根据车辆到道路中心的欧式距离求出每个车辆在道路中心点上的初始占用率矩阵，1为占用，0为不占用； 然后，为了进一步建模车辆的潜在移动意图，根据车道间的前继、后继、左邻、友邻拓扑关系以及车辆出现在相邻道路的先验概率，将车辆的初始道路占用率以加权的方式传播到其相邻车道，得到平滑占用率，车辆在所有道路占用率之和为1，平滑占用率的实际含义为车辆在下一时刻出现在各道路中心线位置的概率；由于同一道路中心线上占用概率高的车辆之间会存在较高的交互可能性，将平滑占用率矩阵自身相乘，即可得到车辆间对称交互概率矩阵； 最后进行归一化，得到某车辆视角下，其与所有其他车辆交互可能性的占比值rule_proximity，该交互关系更符合实际情况； 计算过程如下式所示： 其中，表示车辆的坐标矩阵，表示道路中心线的坐标矩阵，表示距离函数，表示距离阈值，表示拓扑关系矩阵，拓扑关系分为前继pre、后继suc、左邻left和右邻right关系，其中前、后继关系又分为直接相邻节点、二阶相邻节点…直至五阶相邻节点；对每种拓扑关系，都使用一个M×M大小的01矩阵表示，并乘以各自的影响系数后相叠加，其中影响系数在训练中经过反向传播不断迭代优化；通过对道路间拓扑关系进行加权求和计算得到如下式： 其中，影响系数表示某个相邻拓扑关系在关系计算中所占的权重，该系数大小取决于车辆在下一时刻出现在相邻拓扑路段的概率；，分别表示出现在之前的道路、出现在后继的道路、出现在左侧的道路和出现在右侧的道路； 步骤2.3计算车辆未来交互关系评测的损失； 计算未来交互概率pred_proximity与交互概率标签rule_proximity之间的误差pr_loss，通过缩小该误差，训练PRNet捕捉车辆间潜在的未来交互关系，并通过对抗训练过程中的梯度反向传播，使得生成器在特征提取与特征融合阶段，隐式学习未来车辆间的交互关系；pr_loss设计如下： 。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。