无人驾驶技术作为一项集多学科、跨领域的新兴技术代表,吸引了各行业领域的研究人员、企业及政府部门的关注,但在目前的研究中很少深入地研究其技术融合的演化规律以及预测未来融合方向,导致技术及产业的发展方向不够明确,企业的创新能力无法快速提升。技术融合的预测是当前的研究热点和难点,目前多基于传统链路预测方法,其具有准确度低和前瞻性不足的缺点。基于现有的研究痛点,本文通过图卷积DGCNN链路预测的方法进行了无人驾驶汽车技术融合演变研究,分析了无人驾驶汽车技术的TF（技术领域）和IPC4（专利代码）共现网络的演化规律,建立基于图卷积神经网络的链路预测模型对未来潜在融合技术对进行预测,并结合无人驾驶汽车的研究现状分析潜在融合技术对的发展前景。本文的研究内容和创新成果如下:（1）构建无人驾驶技术融合测度指标体系,建立TF和IPC4共现网络,通过八个网络指标来分析网络的拓扑属性及演化过程,结果表明TF技术领域由早期的大范围广泛融合转变为核心技术领域的集中融合;IPC4技术不断向核心技术集合,同时核心技术的融合范围也在持续扩大,并呈现出以多个技术为中心的多主导融合模式。（2）建立基于图卷积DGCNN的链路预测模型,并结合先前建立的IPC4专利共现网络进行模型的有效性检验,同时对比计算传统链路预测的AUC值,结果表明基于图卷积DGCNN的链路预测模型性能更好。（3）计算三阶段IPC共现网络的预测结果在后续阶段的发生率,进一步验证模型的预测性能及准确性,并利用Louvain算法对每个阶段预测结果进行分析,结果显示未来在车辆驾驶控制系统、交通控制系统、通信网络及数字信息传输领域以及视觉图像数据识别和处理领域有较强的融合趋势。（4）根据预测的潜在融合技术对的研究现状对研究机构、企业和政府提出可行的建议。本文通过专利共现技术和图卷积神经网络链路预测对无人驾驶技术融合的演化特征进行量化分析并挖掘潜在融合的技术对,为相关政策的制定及合理的战略布局提供参考。