【技术实现步骤摘要】
本专利技术涉及智能车辆风险趋势预测，具体涉及一种智能车辆碰撞风险趋势预测方法及系统。
技术介绍
1、智能车辆的发展和高级驾驶员辅助系统的普及进一步提高了车辆的驾驶安全性。通过实时采集周边车辆轨迹数据，智能车辆可以推算风险演变趋势，进而提前制定相应的驾驶策略来避免碰撞。
2、基于图神经网络（gnn）的推理系统是当下的主流趋势之一，在风险趋势推理中，该系统能充分利用高阶关系以学习更好的智能车辆和周边车辆轨迹表征。但是基于gnn的风险趋势推理系统无法从交互数据中理解智能车辆的决策意图，此外在学习车辆轨迹表征时，往往需要借助代理任务来提取时间戳级嵌入或实例级嵌入。掩蔽策略和对比学习是近几年的先进代理任务，然而掩蔽策略在捕获补丁之间的依赖性时会导致模型效率和鲁棒性的降低，而对比学习在表征学习时大多采用池化方法从时间戳级嵌入中提取实例级嵌入，这会使学习的车辆轨迹嵌入大多集中在向量空间的某个子空间中，导致推理模型无法有效区分不同的车辆轨迹，从而对智能车辆与周边车辆的碰撞风险进行误判。
技术实现思路>
1、针对现有本文档来自技高网...
【技术保护点】
1.一种智能车辆碰撞风险趋势预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能车辆碰撞风险趋势预测方法，其特征在于，所述图结构用图表示；其中，节点集包含智能车辆轨迹、周边车辆轨迹和周边车辆轨迹概念，表示智能车辆轨迹序列，表示A个周边车辆轨迹序列的集合，表示B个周边车辆轨迹概念的集合；边集表示智能车辆轨迹和周边车辆轨迹关联关系，表示智能车辆轨迹与周边车辆轨迹的个历史风险趋势，表示周边车辆轨迹属于周边车辆轨迹概念。
3.根据权利要求2所述的一种智能车辆碰撞风险趋势预测方法，其特征在于，所述时间戳级表征的生成过程具体包括以下步骤：
4.根...
【技术特征摘要】
1.一种智能车辆碰撞风险趋势预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能车辆碰撞风险趋势预测方法，其特征在于，所述图结构用图表示；其中，节点集包含智能车辆轨迹、周边车辆轨迹和周边车辆轨迹概念，表示智能车辆轨迹序列，表示a个周边车辆轨迹序列的集合，表示b个周边车辆轨迹概念的集合；边集表示智能车辆轨迹和周边车辆轨迹关联关系，表示智能车辆轨迹与周边车辆轨迹的个历史风险趋势，表示周边车辆轨迹属于周边车辆轨迹概念。
3.根据权利要求2所述的一种智能车辆碰撞风险趋势预测方法，其特征在于，所述时间戳级表征的生成过程具体包括以下步骤：
4.根据权利要求3所述的一种智能车辆碰撞风险趋势预测方法，其特征在于，所述通过[cls]令牌策略，采用实例化对比任务从时间戳级表征中获取得到实例级表征，具体包括以下步骤：
5.根据权利要求4所述的一种智能车辆碰撞风险趋势预测...
【专利技术属性】
技术研发人员：刘擎超，余若寒，王瑞海，陈思齐，马国瑞，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。