公开(公告)号：CN117037491A

公开(公告)日：2023-11-10

申请号：CN202311023827.X

申请日：2023-08-15

Applicant: 长安大学

Inventor： 刘占文 ,  王洋 ,  李文倩 ,  牛艺丹 ,  杨楠 ,  程娟茹 ,  薛志彪 ,  范锦 ,  贾晓航 ,  赵彬岩 ,  李蕊芬 ,  肖方伟 ,  方帆 ,  刘文龙

IPC: G08G1/01 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于时空特征的动态图卷积交通流预测方法，采用由时空嵌入模块、时空特征融合模块、加权融合层和外部因素模块组成的STF‑SDAM‑DGCN模型，首先对历史交通流数据进行周期划分后与时空嵌入模块学习到的时空嵌入信息融合作为时空特征融合模块的输入数据，同时使用注意力机制、非对称卷积以及Zero‑Softmax函数构建稀疏有向邻接矩阵；将数据输入时空特征融合模块中，同时与外部因素模块中的外部影响因素融合后得到融合外部因素的历史交通流时空特征数据；数据随后传入加权融合层，时空嵌入模块将预测的未来时间步信息也传入该层，依据编码器得到的历史交通流特征生成未来交通流表示，并将其作为解码器输入，通过解码器进行预测，经过全连接层得到最终的未来交通流预测结果。

公开(公告)号：CN116612468A

公开(公告)日：2023-08-18

申请号：CN202310438843.9

申请日：2023-04-21

Applicant: 长安大学

Inventor： 刘占文 ,  程娟茹 ,  范锦 ,  薛志彪 ,  李文倩 ,  李蕊芬 ,  肖方伟 ,  方帆 ,  刘文龙

IPC: G06V20/64 ,  G06V10/764 ,  G06V10/42 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态融合与深度注意力机制的三维目标检测方法：步骤1：获得原始点云数据和原始图像数据并预处理；步骤2：将预处理后的点云数据和图像数据输入基于多模态融合与深度注意力机制的三维目标检测网络中，基于多模态融合与深度注意力机制的三维目标检测网络包括3D建议框生成阶段和3D边界框细化阶段，网络输出目标边界框参数和分类置信度；步骤3：训练基于多模态融合与深度注意力机制的三维目标检测网络；步骤4，采用训练好的检测网络对采集到的点云数据和图像数据处理，输出3D目标信息，实现3D目标检测。本发明使点云和图像特征得到更充分和有效的利用；同时实现了高精度的环境感知。

公开(公告)号：CN115730637A

公开(公告)日：2023-03-03

申请号：CN202211490477.3

申请日：2022-11-25

Applicant: 长安大学

Inventor： 刘占文 ,  李超 ,  李文倩 ,  杨楠 ,  薛志彪 ,  樊星 ,  范锦 ,  程娟茹 ,  肖方伟 ,  李蕊芬 ,  方帆

IPC: G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本申请涉及多模态车辆轨迹预测模型训练方法、装置及轨迹预测方法，模型训练方法包括将车辆运动轨迹训练数据划分为多个类别；对每个类别的训练数据基于解码器模块进行权重迭代剪枝，得到每个类别对应的掩码矩阵；基于每个类别的训练数据、每个类别对应的掩码矩阵对编码器模块和解码器模块进行训练，得到训练后的多模态车辆轨迹预测模型，能够输出与多个类别对应的多个轨迹预测结果。本申请的多模态车辆轨迹预测模型训练方法，采用基于数据驱动的方式，充分考虑不同驾驶操作意图，结合车辆的历史运动轨迹状态信息和不同驾驶操作意图的特征，进行多模态车辆轨迹预测模型的训练，生成的车辆轨迹预测模型能够输出多个合理的预测轨迹。