计算机科学与探索

作者：张霄雁, 张萌, 周宗润, 孟祥福, 方金凤

单位：辽宁工程技术大学，辽宁 葫芦岛 125105

关键词：多头注意力机制,控制点预测,多关系图卷积网络,轨迹优化,时空修正向量场

基金：国家自然科学基金（61772249）；辽宁省教育厅理工类项目（JYTQN2023211）。

行人轨迹预测对自动驾驶与智能交通系统至关重要，其预测精度受到人类行为的高度随机性、动态交互性及多模态分布等因素的显著影响。为应对上述挑战，提出一种基于多头注意力增强图网络的行人轨迹预测框架，通过动态交互建模与多阶段优化实现高精度预测。该方法以构建多关系时空图（MR-Graph）为基础，利用多头注意力机制（MHA）显式分离社交、运动与环境交互特征，从而提升了模型对复杂场景的建模能力。为进一步提高预测的多样性与合理性，设计了一种控制点驱动的高斯剪枝策略，通过混合密度网络生成多模态终点假设，并结合置信度动态剪枝机制，有效抑制了异常行为的影响。此外，轨迹优化被设计为“假设-引导-修正”三阶段轨迹优化机制，融合社交感知插值与时空修正向量场，实现了平滑且符合物理约束的高质量轨迹生成。基于ETH/UCY等公开数据集的实验结果表明，所提方法在建模复杂交互关系和生成符合社会规范的轨迹方面展现出明显优势，特别是在处理密集人群场景和突发行为预测时表现突出，为智能系统的安全决策提供了可靠的技术支持。

来源：2026年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第4期