计算机科学与探索

作者：刘桂红, 周宗润, 孟祥福

单位：辽宁工程技术大学，辽宁 葫芦岛 125105

关键词：T-Transformer,图卷积网络（GCN）,锚点控制,行人轨迹预测

基金：国家自然科学基金（61772249）。

在自动导航应用领域，行人轨迹相对复杂，有效且合理地预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用，因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题，提出了一种基于Transformer和多关系图卷积网络（GCN）的行人轨迹预测模型。该模型由交互捕获模块、锚点控制模块和轨迹修正补全模块构成。交互捕获模块由T-Transformer和多关系图卷积网络组成，分别提取每个行人在时间序列和空间序列上的运动特征，并结合锚点控制模块推断行人的中间目的地以减少递归累计误差，由修正补全模块进行最终轨迹细化。在提取特征时添加逆关系可得到更为优化的结果，使用高斯剪枝减少虚假路径的生成也可提高模型效率。在ETH与UCY数据集上的实验结果表明，在平均位移误差（ADE）和最终位移误差（FDE）方面，该模型具有比现有大部分主流模型更好的性能。由于该模型在行人轨迹预测上的出色性能，可避免不必要的轨迹变更和碰撞风险，为行人轨迹预测应用提供了更为可能的解决方案。

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