買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉上海智能網聯汽車技術中心有限公司;上海交通大學申請的專利一種基于SFM-LSTM神經網絡模型的過街行人軌跡預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114462667B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111566614.2，技術領域涉及：G06Q10/04；該發明授權一種基于SFM-LSTM神經網絡模型的過街行人軌跡預測方法是由張希;殷承良;趙柏暄;陳浩;林一偉;秦超;張宇超;高瑞金設計研發完成，并于2021-12-20向國家知識產權局提交的專利申請。

本一種基于SFM-LSTM神經網絡模型的過街行人軌跡預測方法在說明書摘要公布了：本發明涉及一種基于SFM?LSTM神經網絡模型的過街行人軌跡預測方法，該方法包括以下步驟：步驟1：獲取過街行人運動狀態信息、個體特征信息和人車交互場景信息；步驟2：進行數據預處理和數據增強，建立行人軌跡數據集；步驟3：建立并訓練LSTM神經網絡模型；步驟4：通過訓練后的LSTM神經網絡模型獲取過街行人的預測軌跡；步驟5：采用最大似然估計法對社會力模型進行參數標定；步驟6：根據社會力模型對預測軌跡進行修正，并輸出過街行人的最優預測軌跡；步驟7：將最優預測軌跡廣播至附近的車輛，以協助智能網聯車輛進行決策，與現有技術相比，本發明具有提高行人過街的安全性、降低車輛的延誤率和提高道路的通行能力等優點。

本發明授權一種基于SFM-LSTM神經網絡模型的過街行人軌跡預測方法在權利要求書中公布了：1.一種基于SFM-LSTM神經網絡模型的過街行人軌跡預測方法，其特征在于，該方法包括以下步驟： 步驟1：通過多傳感器進行數據采集，以獲取過街行人運動狀態信息、個體特征信息和人車交互場景信息； 步驟2：進行數據預處理和數據增強，建立行人軌跡數據集； 步驟3：建立LSTM神經網絡模型，基于行人軌跡數據集對LSTM神經網絡模型進行訓練； 步驟4：通過訓練后的LSTM神經網絡模型獲取在未來第一預設時長內過街行人的預測軌跡； 步驟5：采用最大似然估計法對社會力模型進行參數標定； 步驟6：通過社會力模型對LSTM神經網絡模型的預測軌跡進行修正，并輸出第一預設時長內過街行人的最優預測軌跡； 步驟7：將最優預測軌跡廣播至附近的車輛，以協助智能網聯車輛進行決策； 所述的步驟5中，采用最大似然估計法對社會力模型進行參數標定的過程具體包括以下步驟： 步驟501：獲取行人軌跡數據集中的初始條件下過街行人的真實軌跡； 步驟502：設置同樣的初始條件，給定社會力模型參數一個初值； 步驟503：通過真實軌跡和預測軌跡的差異構造最大似然函數，二維正態分布的極大似然函數為： 其中，θ為參數向量，Ab表示斑馬線邊界力-強度系數，Bb表示斑馬線邊界力-距離系數，Ap表示行人間作用力-強度系數，Bp表示行人間作用力-距離系數，Av表示車輛對行人影響力-強度系數，Bv表示車輛對行人影響力-距離系數，表示x方向軌跡修正權重，表示y方向軌跡修正權重，pit為第i個行人經過社會力模型修正后的預測軌跡，Δpit＝pit+1-pit為從t時刻到t+1時刻的過街行人的預測位移，μ為均值向量，∑p為協方差矩陣，pit、Δpit和μ均為關于θ的函數； 步驟504：假設所有用以參數標定的真實軌跡中，共有N個過街行人，而對于每個過街行人的軌跡，時間長度為M，則總的極大似然函數的表達式為： 其中，M為預設的時間長度，N為過街行人的數量； 步驟505：通過最大似然估計法進行不斷迭代，最終完成社會力模型參數的標定。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海智能網聯汽車技術中心有限公司;上海交通大學，其通訊地址為：201499 上海市奉賢區金海公路6055號22幢；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。