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！

申请/专利权人：安徽大学

摘要：本发明公开了基于人类群体行为特性引导的行人轨迹预测方法及系统，属于自动驾驶技术领域。方法包括：首先，根据行人的历史轨迹和可学习的距离阈值参数对其进行分组，并从行人的历史位置获得位置层面的群体特征。同时引入行人的速度信息作为约束，获取速度层面的群体特征；接着，从多层面的群体特征中获取不同行人群体的运动模式；最后，基于稀疏图卷积网络进行轨迹预测，该网络提取群体与行人之间的交互特征，并根据这些特征获得未来轨迹的概率分布，从而推断出预测轨迹。使用本发明提出的方法，可以更好的辅助规划驾驶路线，减少交通事故的发生。

主权项：1.基于人类群体行为特性引导的行人轨迹预测方法，其特征在于，包括以下步骤：S1、基于行人的历史轨迹信息计算出成对距离，并将所述成对距离进行记录；基于记录的结果和可学习的阈值参数，为行人分配行列索引；基于所述行列索引，对行人进行分组；S2、基于组内行人的所述历史轨迹信息获取速度信息，并基于所述速度信息获取组内行人对群组特征的影响程度；基于所述影响程度得到分组速度级别的群体特征；以及基于组内行人的位置信息以及群体索引，得到分组位置级别的群体特征；S3、对所述分组速度级别的群体特征和所述分组位置级别的群体特征进行融合，得到群体融合特征；S4、基于行人历史轨迹信息提取行人个体特征，并基于所述行人个体特征和所述群体融合特征进行轨迹预测，得到群体层面的轨迹预测特征和个人层面的轨迹预测特征，并基于所述群体层面的预测轨迹特征以及所述个人层面的预测轨迹特征之间的交互关系，进行轨迹预测并生成预测轨迹；所述S4包括：S41、基于行人历史轨迹信息提取行人个体特征；S42、基于所述群体融合特征，构建时间图和空间图；所述时间图用于描述整个m组的运动轨迹；所述空间图用于描述t时刻每个分组在场景中的位置；S43、以所述时间图和所述空间图为输入，采用稀疏时空图卷积网络提取所述融合特征的交互特征和运动趋势特征；S44、将所述交互特征和所述运动趋势特征分别输入至两个图卷积网络，得到轨迹表征；S45、将所述轨迹表征和所述行人个体特征分别输入至两个时间卷积网络中，得到所述群体层面的预测轨迹特征以及所述个人层面的预测轨迹特征；S46、基于所述群体层面的预测轨迹特征以及所述个人层面的预测轨迹特征之间的交互关系，进行轨迹预测并生成预测轨迹。

全文数据：

权利要求：

百度查询： 安徽大学 基于人类群体行为特性引导的行人轨迹预测方法及系统