计算机科学与探索

作者：杨智勇, 郭洁铷, 郭子杭, 张瑞祥, 周瑜

单位：1. 重庆师范大学 计算机与信息科学学院，重庆 4013312. 重庆工程职业技术学院 大数据与物联网学院，重庆 4022603. 重庆工程职业技术学院 财经与旅游学院，重庆 402260

关键词：自动驾驶,行人轨迹预测,深度学习

基金：重庆市自然科学基金（cstc2021ycjh-bgzxm0088）；重庆市教育委员会科学技术研究计划项目（KJZD-M202303401）；重庆市高校创新研究群体项目（CXQT21032）。

在自动驾驶汽车与行人共享空间的路径规划中，精准、高效的行人轨迹预测是保障道路安全的核心问题。行人轨迹预测不仅依赖于历史行为数据，更需全面考虑行人与车辆、交通设施及多方向车辆间的复杂动态交互。近年来，该领域取得了显著进展，逐渐成为研究热点。系统梳理了现有的研究成果，界定了行人轨迹预测的基本概念，并对主流预测方法进行了深入剖析。归纳了行人行为数据的主要来源，包括激光雷达、摄像头等多模态感知设备，并探讨了关键特征提取方式，涵盖行人运动特征、场景上下文特征及交通设施影响等。基于这些数据，对物理模型与数据驱动的预测方法进行了系统总结，重点分析了统计模型、深度学习与强化学习模型的发展现状，尤其是深度学习方法，依据其网络结构进一步细分为序列模型、卷积神经网络、图卷积神经网络和生成对抗网络等类型。总结了该领域常用的数据集和评价指标，对现有算法的性能进行了综合评估。针对行人轨迹预测在自动驾驶中的挑战，尤其是行人与多方向车辆及交通设施之间的动态耦合问题，提出了潜在的解决思路，并展望了未来的研究方向。

来源：2025年第5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2025年第5期