计算机应用研究

作者：厍向阳,王艺龙,

单位：西安科技大学人工智能与计算机学院,西安710600；

关键词：行人轨迹预测,矩阵记忆的长短期记忆网络,多尺度特征融合,指数移动平均,多任务学习,

基金：陕西省自然科学基础研究资助项目(2019JLM-11)；陕西省科技计划资助项目(2021JQ-576)；陕西省教育厅项目(19JK0526)；；

针对行人轨迹预测中存在的时序特征建模不足、多尺度融合缺乏明确区分以及多任务训练不稳定等问题，提出一种基于矩阵记忆长短期记忆网络（matrix long short-term memory，mLSTM）的纯时序预测算法。该算法构建以mLSTM为核心的编码器-解码器架构，挖掘轨迹的时间依赖特征；设计多尺度轨迹特征融合模块，采用双向策略实现短期与长期特征的层次化表达；引入指数移动平均标准化的多任务机制，提升训练的稳定性与模型的泛化能力。在ETH和UCY数据集上的实验结果表明，该算法相较于Trajectory-Transformer和SGCN，在平均位移误差上分别降低14.81%和16.21%，在最终位移误差上分别降低19.66%和4.62%，展现出良好的预测精度与鲁棒性，为行人轨迹预测提供稳健有效的基础模型。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期