.png){kind=icon}
返回
A knowledge graph construction method based on co-occurrence for traffic entity prediction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jag.2025.104717.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 单纯的实时感知无法满足防御性驾驶的安全响应要求。
• 实时感知中的共现关系提升了危险实体的预测性认知。
• 风险实体的预测提供关键的早期预警信息，并允许宝贵的响应窗口。
• 共现知识图谱及其概率矩阵推进了前瞻性感知技术的发展。
Keyword:
Co-occurrence relationship
Knowledge graph
Traffic entity prediction
Automated driving
Digital twins
High-definition maps
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.6
论文数:
5.3K
被引数:
2.4W
机构
引用论文
分享收藏A Flexible Multi-Layer Map Model Designed for Lane-Level Route Planning in Autonomous Vehicles.png)
ENGINEERING
OAAI
ENGINEERINGIF11.6
OAAI分享收藏Graph attention network with dynamic representation of relations for knowledge graph completion具有动态关系表示的图注意网络用于知识图补全
PREAI
分享收藏分享收藏Explaining Potential Risks in Traffic Scenes by Combining Logical Inference and Physical Simulation
OAAI
OAAI分享收藏
查看更多内容