CN118013856B 基于hm-trw和hagenn结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统 （江苏大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118013856B(45)授权公告日2025.07.08

(21)申请号202410283548.5

(22)申请日2024.03.13

(65)同一申请的已公布的文献号申请公布号CN118013856A

(43)申请公布日2024.05.10

(73)专利权人江苏大学

地址212013江苏省镇江市京口区学府路

301号

(72)发明人刘擎超余若寒熊晓夏蔡英凤王海陈龙赵霞赵晶娅

周卫琪

(74)专利代理机构南京智造力知识产权代理有限公司32382

专利代理师张明明

(51)Int.CI.

GO6F30/27(2020.01)

GO6F30/15(2020.01)

GO6N3/042(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN113762473A,2021.12.07

CN109660967A,2019.04.19审查员轩海珍

权利要求书5页说明书12页附图7页

(54)发明名称

基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统

(57)摘要

CN118013856B本发明公开了一种基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统，将应急救援车辆与周边运动对象之间的关系抽象为动态异构图，利用HM-TRW捕获各周边运动对象和各种交互关系的重要性、动态性，并与各周边运动对象的原始特征融合，然后输入HAGENN进行碰撞风险预测，其将动态异构图嵌入的方法应用于层次注意神经网络进一步学习周边运动对象的异构特性和动态变化规律；在计算不同层次的注意力时，采取定位空间确定注意力的应用位置并采用参数化空间搜索注意力函数，并引入多阶段微分搜索加速以上搜索过

CN118013856B

动态异构围

动态异构围

30.8

HM-TRW和HAGENN结构搜索

CN118013856B权利要求书1/5页

2

1.基于HM-TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测方法，其特征在于：

数据集构建：在实车实验中，通过数据采集装备采集自车数据、周边运动对象数据，对所述数据进行预处理后存入数据库中；

碰撞风险预测模型搭建：利用采集的自车数据和周边运动对象数据构建动态异构图，由高阶记忆引导时间随机游走HM-TRW算法学习动态异构图的异构特性和动态变化规律，得到的各周边运动对象的节点表示，随后被馈送到层次注意图嵌入神经网络HAGENN进行碰撞风险的预测；

模型训练：将数据库中的训练集和验证集分别输入碰撞风险预测模型，优化模型参数；

模型测试：利用数据库中的测试集对训练好的碰撞风险预测模型进行测试，根据测试结果评估和分析模型预测性能；

碰撞风险预测：实时采集应急救援自动驾驶车辆的数据及周边运动对象数据，输入测试后的碰撞风险预测模型，实现碰撞风险的预测；

所述动态异构图的构建为：应急救援车辆及其周边运动对象表示节点，将它们之间的各种交互关系表示为边，节点和边随时间动态发生变化，构成动态异构图，其表达式如下：

G=(v?,e,u)

其中，v是节点类型为h的节点集，e是边类型为r的边集，u∈RN×D表示所有运动对象的特征集合，h∈H,r∈R,H和R分别为节点类型集和边类型集，R表示实数集，N为节点个数，D为特征维数；

所述学习动态异构图的异构特性，包括：

(1)转移向量

设置初始高阶记忆队列为空，类型转移向量以相等的概率访问各个类型的周边运动对象，当访问到周边运动对象v时，其类型转移向量Pv;按下式更新：

式中，φ(v;)表示周边运动对象v;的类型，Q表示先入先出队列，Norm()表示返回向量的二范数；

(2)类型转换

根据Pvy的概率分布决定要访问的下一周边运动对象类型，并采用具有搜索因子α∈[0,1]的搜索机制解决类型陷阱问题，具体如下：

Pr(hn+1)=αpv;+(1-α)p?;

式中，P°;表示类型转移向量最初访问的周边运动对象，Pr(h+)表示要访问的下一周

边运动对象的类型为h+1的概率；

(3)高阶记忆记录

访问完周边运动对象v;后，将类型转移向量Pv;存入下一步的先入先出队列Q’中：

Q′φ(v