基于LSTM-GNN考虑道路信息的车辆轨迹多模态预测方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明提供一种基于LSTM‑GNN考虑道路信息的车辆轨迹多模态预测方法，所述车辆轨迹预测模型包括输入模块、编码器、交互特征提取模块、道路信息特征提取模块和解码器。输入模块为目标车辆和周围交通车辆的历史轨迹，编码器对输入的历史轨迹进行编码，交互特征提取模块用于提取车辆与车辆之间的交互影响，道路信息特征提取模块提取道路结构信息。本发明提出的预测方法考虑了道路结构信息对车辆预测轨迹的影响，在融合特征向量的基础上加入了高斯噪声，并引入了多样性损失函数。本发明有效提高了未来轨迹的预测精度，并提高了预测轨迹的社会可接受性和合理性。

《基于LSTM-GNN考虑道路信息的车辆轨迹多模态预测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023100763933，当前法律状态为已下证，由吉林大学提出申请，发明人为孟志伟;张素民;何睿;支永帅;杨志，申请日期为2023-01-28，公开（公告）日期为2025-09-05，国际专利分类号（IPC）为 G06F 18/25 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提供一种基于LSTM‑GNN考虑道路信息的车辆轨迹多模态预测方法，所述车辆轨迹预测模型包括输入模块、编码器、交互特征提取模块、道路信息特征提取模块和解码器。输入模块为目标车辆和周围交通车辆的历史轨迹，编码器对输入的历史轨迹进行编码，交互特征提取模块用于提取车辆与车辆之间的交互影响，道路信息特征提取模块提取道路结构信息。本发明提出的预测方法考虑了道路结构信息对车辆预测轨迹的影响，在融合特征向量的基础上加入了高斯噪声，并引入了多样性损失函数。本发明有效提高了未来轨迹的预测精度，并提高了预测轨迹的社会可接受性和合理性。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！