一种密集异质交通环境下道路用户轨迹与行为预测方法

本发明公开了一种密集异质交通环境下道路用户轨迹与行为预测方法，包括：对视频图像序列帧中的各道路用户进行基于深度卷积神经网络的目标检测与识别，将识别结果作为道路用户类别约束；将检测与识别到的道路用户的轨迹坐标及时间戳信息作为道路用户历史轨迹信息；预测得到时间戳t之后tf时段内每秒目标道路用户交通图谱序列，一方面经过谱聚类后以正则化损失函数的形式作为图谱正则化约束，用来修正半监督管道预测输出的道路目标用户的未来轨迹坐标，另一方面经过一个全连接网络后再进入一个逻辑回归函数网络，输出道路用户的行为预测类型。本发明能够在密集异质交通环境下对道路用户轨迹和行为进行精准预测。