计算机应用研究

作者：李文礼,张祎楠,王梦昕,

单位：1.重庆理工大学汽车零部件先进制造技术教育部重点实验室,重庆400054；2.重庆长安汽车股份有限公司,重庆400020；

关键词：轨迹预测,深度学习,行人视野域,生成对抗网络,

基金：重庆市研究生科研创新项目(gzlcx20222128)；重庆市巴南区科技成果转化及产业化专项(2020TJZ022)；重庆市自然科学基金面上项目(cstc2021jcyj-msxmX0183)；重庆市留学人员回国创业创新支持计划资助项目(cx2021070)；；

为提高行人在复杂交通场景中交互的安全性，提出一种基于social-GAN（social-generative adversarial network）的行人轨迹预测算法SAN-GAN（social angle norm-GAN）。该算法首先以行人历史位置信息与头部信息为输入，通过轨迹生成器LSTM网络（long short term memory networks）获取行人隐藏特征信息，并基于行人视野域模块捕捉行人视野域动态变化，对所有行人建立扇形视野域并筛选有效信息，从而驱动神经网络模型预测行人未来轨迹变化。将SAN-GAN与LSTM、social-LSTM（social-long short term memory networks）、social-GAN等轨迹预测算法进行对比实验，结果表明SAN-GAN算法相较于其他算法，在预测3.2 s的行人轨迹时，ADE分别平均降低65.8%、51.2%、10.7%，FDE分别平均降低73.6%、60.9%、10.4%。SAN-GAN能够有效地预测行人在复杂交通环境中进行交互的未来轨迹。

来源：2023年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第1期