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！

龙图腾网获悉长春工业大学申请的专利基于深度置信和门控循环单元的前车速度并行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：CN121246828B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511341581.X，技术领域涉及：B60W50/00；该发明授权基于深度置信和门控循环单元的前车速度并行预测方法是由张哲;董华慧;张袅娜;李绍松;代欣杰;胡通禹设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本基于深度置信和门控循环单元的前车速度并行预测方法在说明书摘要公布了：本发明属于智能交通与机器学习领域，具体的说是基于深度置信和门控循环单元的前车速度并行预测方法。步骤一：采集前车速度与加速度构建原始时序数据集，设定滚动窗口分割并归一化，作为训练与验证数据；步骤二：构建并训练深度置信网络，对数据进行多层特征提取；步骤三：将提取的高阶特征拼接后输入门控循环单元，学习时序依赖并实现速度预测；步骤四：设计多条件融合的事件触发机制，当数据达到触发阈值时启动离线参数学习并同步更新在线模块，在线预测依据更新后模型进行实时速度预测。本发明通过深层特征提取、时序建模与事件驱动更新机制，实现高精度在线速度预测，提高了对动态场景的适应性，适用于高级辅助驾驶系统、车联网等场景。

本发明授权基于深度置信和门控循环单元的前车速度并行预测方法在权利要求书中公布了：1.基于深度置信与门控循环单元的前车速度并行预测方法，其特征在于，包括以下步骤： 步骤一、通过车载传感器获取前车历史速度与加速度数据，采用长度为n的滚动时间窗口对时间序列进行分割，将连续多个时刻的速度与加速度数据构建为时间序列样本，并对样本数据采用归一化方法进行预处理，得到用于模型训练与预测的输入数据集，其中所述输入数据为包含速度与加速度两个通道的二维时间序列矩阵； 步骤二、构建由受限玻尔兹曼机RBM逐层堆叠形成的深度置信网络DBN，通过无监督逐层预训练对归一化后的输入数据进行特征学习，在各层受限玻尔兹曼机中采用对比散度算法对网络参数进行迭代更新，以逼近输入数据的概率分布特征，并将前一层隐含层的输出作为下一层的输入进行逐层递推训练，完成预训练后输出高维特征向量XDBN并送入步骤三；其中，所述输入数据为尺寸为2，T的二维矩阵，分别对应前车速度与加速度两个通道；所述受限玻尔兹曼机包括可见层、隐含层以及对应的权重参数和偏置参数，通过对输入数据进行概率建模实现特征提取； 步骤三、将深度置信网络输出的高阶特征输入门控循环单元网络，利用其门控结构对特征序列进行时序建模，并输出前车未来时刻的速度预测结果； 步骤四、构建离线学习模块与在线预测模块组成的并行预测架构，其中在线预测模块基于实时采集的车辆数据进行前车速度预测，同时将实时数据存入数据缓存模块，并设计基于多条件融合的事件触发机制；所述事件触发机制基于前车加速度、加速度变化率、交通密度以及道路类型构建多条件融合触发函数，通过对各触发条件进行加权融合并与预设触发阈值进行比较，当满足触发条件时启动离线学习模块对模型参数进行更新，并将更新后的参数以异步方式切换至在线预测模块，实现前车速度的实时预测。

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长春工业大学，其通讯地址为：130012 吉林省长春市朝阳区延安大街2055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。