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！

龙图腾网获悉浙江工业大学;中国电子科技集团公司第三十六研究所申请的专利基于SCINet网络的多目标交互飞行轨迹预测方法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：CN119673007B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202411959607.2，技术领域涉及：G06Q10/04；该发明授权基于SCINet网络的多目标交互飞行轨迹预测方法是由钱丽萍;徐乐;朱辉杰;徐轶扬;王欣悦设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于SCINet网络的多目标交互飞行轨迹预测方法在说明书摘要公布了：一种基于SCINet网络的多目标交互飞行轨迹预测方法，属于交通轨迹预测领域，包括以下步骤：步骤1、提取轨迹数据，形成多目标交互场景；步骤2、设计一种基于SCINet网络的多目标交互飞行轨迹预测的模型框架；模型捕捉了轨迹长期时间依赖性、多层次特征与多目标空间特性；用于捕捉轨迹长期时间依赖性、多层次特征的方法是基于SCIcross的时间特征提取方法；步骤3、将测试的观测轨迹信息输入到训练好的模型中，得到预测轨迹。本发明提升了同一场景的多目标交互情况下的飞行轨迹预测准确性。

本发明授权基于SCINet网络的多目标交互飞行轨迹预测方法在权利要求书中公布了：1.一种基于SCINet网络的多目标交互飞行轨迹预测方法，其特征在于，所述方法包括以下步骤： 步骤1、从数据集中获取飞行轨迹，建立多目标交互场景； 步骤2、针对多目标交互场景，设计一种基于SCINet网络的多目标交互飞行轨迹预测的模型框架，并设计模型训练方法与训练目标；模型捕捉了轨迹长期时间依赖性、多层次特征与多目标空间特性；用于捕捉轨迹长期时间依赖性、多层次特征的方法是基于SCIcross的时间特征提取方法，过程如下： SCIcross是由多个SCI-Block以树结构堆叠而成，并对每个分解序列进行维度交互计算，允许加深堆叠深度以提升模型能力；首先，将输入轨迹序列分解为奇、偶子序列，使用卷积滤波器对每个子序列提取不同的时间特征；然后，将奇序列与卷积后的偶序列元素相乘，偶序列与卷积后的奇序列元素相乘，从而得到两组具有完整序列视野的特征，堆叠SCI-Block则能将两组具有完整序列视野的特征进一步分解，得到更为细致的信息；其中，每次分解处理后的序列还需对维度特征进行注意力计算，考虑维度之间的交互注意力，以增强预测的精度；最后将所得特征重新组合排列得到最终的特征； F″odd＝AttF′oddx,F′oddy,F′oddz F″even＝AttF′evenx,F′eveny,F′evenz 其中，Fodd、Feven为原始序列中的奇序列、偶序列；ρ、η为一维卷积滤波器；⊙表示将两个矩阵对应位置的元素相乘；为奇偶序列相互作用后的特征；F′odd、F′even为相互作用后特征组合的结果；Att为注意力计算操作；F″odd、F″even为维度交互后的结果； 步骤3、将用于测试的观测轨迹信息输入到训练好的模型中，得到预测轨迹； 所述步骤1中，场景划分方法的过程如下： 从数据集中获取一天中某段时间T的飞行轨迹，用集合A＝{a1,a2,…,aN}表示不同的轨迹的序列号；根据序列号获取其下的所有位置，每个位置包含{x,y,z}三个维度的信息，得到对应的轨迹信息其中ai∈A，划分的观测轨迹为预测轨迹为t为所设观测轨迹的时间长度；将指定时间长度T下存在轨迹的集合视为一个多目标交互场景； 用于捕捉多目标交互轨迹特征的方法是基于GATv2的空间特征提取方法，过程如下： GATv2网络能够计算图像中相邻点之间的相关性，并计算其对中心节点的重要性占比，从而为其分配更多的资源；将同一场景中的轨迹视为图像中的一个节点，计算轨迹与轨迹之间相关系数归一化得到节点之间的注意力系数其内所含的多头注意力机制，进一步学习多个非线性映射，以在不同的潜在子空间中模拟受各种因素影响的动态空间交互； 其中，ai和aj为序列号，这里视为图的中心点与相邻点；和表示序列号对应轨迹时间编码后的特征；W和a为线性变换矩阵；e为节点ai和aj的相关系数；att为注意力系数；A为轨迹序列号集合。

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浙江工业大学;中国电子科技集团公司第三十六研究所，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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”。

以上内容由龙图腾AI智能生成。