Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 交通运输部公路科学研究所张一鹏获国家专利权

交通运输部公路科学研究所张一鹏获国家专利权

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!

龙图腾网获悉交通运输部公路科学研究所申请的专利一种基于深度学习的智能车极端测试场景生成方法及系统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:CN119783568B

龙图腾网通过国家知识产权局官网在2025-06-17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:202510298092.4,技术领域涉及:G06F30/27;该发明授权一种基于深度学习的智能车极端测试场景生成方法及系统是由张一鹏;张为;刘砚玥;李振华;吴梦怡;张卓敏;殷其昊;范青蓝设计研发完成,并于2025-03-13向国家知识产权局提交的专利申请。

一种基于深度学习的智能车极端测试场景生成方法及系统在说明书摘要公布了:本发明公开了一种基于深度学习的智能车极端测试场景生成方法,包括以下步骤:搭建混合对抗生成网络场景;数据采集与预处理;动态对抗训练;模拟极端测试:一种基于深度学习的智能车极端测试场景生成系统,包括混合对抗生成网络模型、数据输入模块、预处理模块、边缘云模块和交互模块,本发明采用对抗生成网络与变分自编码器进行深度耦合模型,并且双通道对抗机制使生成场景的风险可控性较高,进行动态对抗训练;对于真实的多源数据集进行增强与标注,通过点云缺失区域特征补全算法,使点云数据完整度较高,动态障碍物建模引入社会力模型有效的模拟动态的风险进入;多模态风险评估网络提高评估准确率。

本发明授权一种基于深度学习的智能车极端测试场景生成方法及系统在权利要求书中公布了:1.一种基于深度学习的智能车极端测试场景生成方法,其特征在于,包括以下步骤: 搭建混合对抗生成网络场景:采用对抗生成网络与变分自编码器进行融合,生成混合对抗生成网络模型; 数据采集与预处理:采集真实的多源数据集,并且对多源数据集进行增强与标注,生成稠密数据集; 动态对抗训练:将生成的稠密数据集输入到混合对抗生成网络模型中进行训练,通过双通道对抗机制生成高风险的极端场景,进行动态对抗训练; 模拟极端测试:将智能车的各项数据输入到训练完成的对抗生成网络模型中,进行极端环境下的测试; 所述动态对抗训练中还包括以下步骤: 多模态动态风险评估:采用双流网络分别处理场景的物理约束和逻辑约束,再通过引入注意力机制加权融合风险因子,然后进行风险可解释性分析,生成可量化的风险指标,最后将可量化的风险指标输入到混合对抗生成网络模型中,推动生成高风险场景; 进化算法优化与仿真验证:对极端场景进行多目标优化处理,然后通过数字孪生闭环验证,并且将验证结果输入到混合对抗生成网络模型中; 双流网络架构通过物理约束流与逻辑约束流的并行处理,实现多维特征解耦分析,物理流检测加速度突变率硬性指标,逻辑流预测车辆-行人交互轨迹,四头注意力机制的加权融合通过反事实推理定位关键风险源; 所述混合对抗生成网络模型通过所述变分自编码器进行潜在空间的概率建模; 假设,输入稠密数据集,输出潜在分布参数;采样得到潜在变量; 通过KL散度约束,控制潜在空间的正则化强度; , 其中,; 其中,表示为空间的散度函数,表示为正则化系数,,表示为编码器定义的条件分布,给定输入稠密数据集,潜在变量的后验分布,表示为标准正态分布:均值为0,协方差矩阵为单位矩阵,表示为衡量两个概率分布差异的指标,表示为编码器网络输出的均值向量,表示为编码器网络输出的标准差向量。

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交通运输部公路科学研究所,其通讯地址为:100088 北京市海淀区西土城路8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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。