-
公开(公告)号：CN119625018A
公开(公告)日：2025-03-14
申请号：CN202411663331.3
申请日：2024-11-20
Applicant: 南通大学
Abstract: 本发明提供了一种基于多尺度图卷积的高效多目标车辆轨迹预测方法，属于智能交通和自动驾驶技术领域。解决了在复杂交通环境中现有预测方法的不足，尤其是在多目标情况下的效率和精度不够的技术问题。其技术方案为：首先，构建车辆和车道的子图，通过多尺度图卷积网络对车辆轨迹和车道特征进行提取；其次，利用自适应动态权重模块对不同目标车辆的权重进行动态调整；然后，基于运动特征库对车辆运动模式进行聚类。本发明的有益效果为：该方法通过结合高清语义地图，采用时空多头注意力机制和自适应动态权重模块，提升了特征提取和预测性能，该方法在多个交通场景下均表现出优于现有技术的性能，具有显著的实际应用潜力。
-
公开(公告)号：CN119579338A
公开(公告)日：2025-03-07
申请号：CN202411536349.7
申请日：2024-10-31
Applicant: 南通大学
IPC: G06Q50/00 , G06F18/20 , G06F18/23 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于图注意力自动编码器的车辆重叠群组检测方法，属于车联网技术领域和社交网络技术领域。其技术方案为：包括以下步骤：步骤1、将网络拓扑结构和节点属性信息输入图注意力自动编码器的编码器部分；步骤2、编码器的图注意力机制对输入的网络拓扑结构和节点属性信息进行编码；步骤3、解码器将新的节点嵌入表示与原始的嵌入表示进行组合，还原网络拓扑结构和节点属性信息；步骤4、通过模块度优化增强模块的优化约束进一步调整节点嵌入；步骤5、使用先验信息进行半监督聚类，得到基于节点的嵌入表示生成社群检测结果。本发明的有益效果为：可有效提高车辆节点的重叠社群检测的准确性。
-
公开(公告)号：CN119763355A
公开(公告)日：2025-04-04
申请号：CN202411888720.6
申请日：2024-12-20
Applicant: 南通大学
IPC: G08G1/0967 , G08G1/01 , G01C21/34 , G06Q10/04 , G06F17/16 , G06F17/18 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08 , G06F18/25 , G06F18/213
Abstract: 本发明提供了一种稀疏性时空融合模块的车辆轨迹预测方法，属于智能交通和自动驾驶技术领域，解决了传统注意力机制缺乏对动态场景中关键交互特征精准聚焦的技术问题。其技术方案为：首先，从传感器中获取目标信息，将其作为节点构建出相应特征；其次，通过扩散卷积和tanh‑sigmoid结合的稀疏性时空注意力模块提取车道线和车辆特征；最后，通过全连接层预测出车辆轨迹。本发明应用扩散卷积和高效加性注意力对提取的特征进行空间和时间维度上的注意力强化，提高车辆轨迹预测的精度和实时性，能够掌握车辆的行驶路径，适用于自动驾驶和智能交通系统。
-
公开(公告)号：CN119722736A
公开(公告)日：2025-03-28
申请号：CN202411725558.6
申请日：2024-11-28
Applicant: 南通大学
IPC: G06T7/246 , G06V40/10 , G06V10/40 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/049 , G06N3/0495 , G06N3/084
Abstract: 本发明提供了一种多尺度时空特征融合网络的行人轨迹预测方法，属于计算机视觉技术领域。解决了行人轨迹预测中如何有效学习复杂的时空特征及其相互关系的问题。其技术方案为：包括以下步骤：S1：获取数据集数据；S2：使用自注意力机制学习每个行人的时间依赖性特征；S3：将行人坐标转换为空间图；S4：跨时空交互特征通过多头自注意力来提取；S5：获取时间特征、空间特征和跨时空交互特征；S6：将融合后的时空特征通过时间外推卷积神经网络MTCN，实现多轨迹预测。本发明的有益效果为：通过多层时间外推卷积神经网络MTCN实现多轨迹预测。
-
-
-
Search Results
4
records
(took 0.012 seconds)
