一种基于Transformer-GNN的驾驶风格与交通密度联合识别方法

本发明涉及智能交通和驾驶行为分析技术领域，公开了一种基于Transformer‑GNN的驾驶风格与交通密度联合识别方法，包括获取车辆行驶状态数据和环境感知数据；对车辆行驶状态数据和环境感知数据进行特征提取，获得驾驶行为序列特征和车辆环境特征；采用基于Transformer的行为序列编码器获得包含全局时间依赖信息的隐状态行为表示；同时采用基于图神经网络的交通交互模型获取车辆间的空间交互特征；对隐状态行为表示和车辆间的空间交互特征进行特征融合，根据融合特征生成包含驾驶风格识别和交通密度预测的多任务输出结果。本发明能够同时捕捉微观驾驶行为和宏观交通状态之间的关联，提高了模型对复杂场景的认知能力，增强了驾驶风格与交通密度联合识别的精度和鲁棒性。