一种面向交通系统仿真应用的行人轨迹预测方法及装置制造方法及图纸

一种面向交通系统仿真应用的行人轨迹预测方法及装置，通过从数据中推断隐藏的相互依赖关系，引入在图上定义的空间卷积操作、图卷积操作，将空间图卷积扩展为时空图卷积，使用时间扩展器卷积神经网络，将时间扩展器卷积神经网络的输出通过全连接层进行降维，生成具体的行人未来轨迹，预测轨迹表示，从而相较于现有方法在预测误差、计算时间和参数数量等关键方面均有所提升，有效提升了计算效率。

【技术实现步骤摘要】

本专利技术涉及智能交通的，尤其涉及一种面向交通系统仿真应用的行人轨迹预测方法，以及面向交通系统仿真应用的行人轨迹预测装置。

技术介绍

1、随着我国智能化城市建设进程的不断深化，以及互联网、物联网、5g等新科技技术的蓬勃发展，交通监控及仿真技术成为智能交通系统领域内重要研究课题，在多个实际应用场景发挥着不可替代的作用。在这其中，行人估计预测成为该课题的关键技术之一。行人轨迹的预测建立相应的仿真模型，实现对交通系统状况的评估和预测，为公共安全提供有力的技术支持。总的来说，随着相关技术的不断进步和应用的深入，行人轨迹预测已经成为交通系统仿真领域不可或缺的一环，对提升系统性能和保障公共安全具有显著的作用。

2、在现今的行人轨迹预测领域，研究人员正致力于深度学习方法来模拟行人间的社会互动，其中社会长短时记忆神经网络(social long short term memory,social-lstm)方法代表了这一趋势的前沿。该方法通过循环深度模型对每个行人的轨迹进行建模，并通过池化层实现行人间轨迹的相互作用。此外，一些研究团队也开始探索使用生成对抗网络(本文档来自技高网...

【技术保护点】

1.一种面向交通系统仿真应用的行人轨迹预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(1)中，给定场景中一组M个行人及其在T个时间点上观测到的对应位置集合其中，m＝{1，2，...，M}，t＝{1，2，...，T}；这M个行人在未来P个时间点上的轨迹集合其中p＝{T+1，T+2，...，T+P}，对于每个需要预测的轨迹点表示为其中是描述行第m人在时间点p上二维空间中位置的概率分布的随机变量。

3.根据权利要求2所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(2)中...

【技术特征摘要】

1.一种面向交通系统仿真应用的行人轨迹预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(1)中，给定场景中一组m个行人及其在t个时间点上观测到的对应位置集合其中，m＝{1，2，...，m}，t＝{1，2，...，t}；这m个行人在未来p个时间点上的轨迹集合其中p＝{t+1，t+2，...，t+p}，对于每个需要预测的轨迹点表示为其中是描述行第m人在时间点p上二维空间中位置的概率分布的随机变量。

3.根据权利要求2所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(2)中，首先根据历史数据构造其对应的一组空间图{gt}，这组空间图表示第t个时间点上场景中行人的相对位置，对于每一个图gt，定义为gt＝(vt，et)，其中表示图gt的顶点集合，对应的观测位置是点的属性，et表示图gt中的边集合，表示为如果和连接，则否则

4.根据权利要求3所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(4)中，用vt(l)表示第t个时间点和第l个网络层的节点参数值，v(l)定义为vt(l)的堆叠，邻接矩阵a是{a1，a2，...，at}的堆叠，基于上述定义按照下面的公式实现时空图卷积层：

5.根据权利要求4所述的面向交通系统仿真应用的行人轨迹预测方法，其特征在于：所述步骤(5)中，tecnn是由六个tecnn单元构成，tecnn就是在时域维度上做卷积的神经网络；第一层的tecnn单元将输入8维映射到12维；中间四层tecnn单元对时域特征做进一步的提取，输入12维输出12维，并且附带残差结构；经最后一层tecnn单元输出概率分布的结果。

【专利技术属性】
技术研发人员：魏运，李明华，豆飞，吴雁军，白文飞，光志瑞，张博，
申请(专利权)人：北京市地铁运营有限公司技术创新研究院分公司，
类型：发明
国别省市：