摘要
本发明提供了一种融合社会交互感知的行人轨迹预测方法,属于智能交通技术领域,包括以下步骤:S1:通过专用的嵌入层将原始的行人轨迹数据编码为高维特征空间;S2:对轨迹数据中的时间关系进行建模;S3:构建了一个行人社交图;S4:Transformer的解码器集成了经过时间和空间处理的特征,这些特征结合了历史运动信息和当前的社会互动,从而生成一个全面的综合特征表示;本发明通过协同合并时间和空间处理,可以更准确地预测行人轨迹,尤其是在复杂的人群密集环境中;同时本发明能够有效集成Transformer和GCN架构的特征,使其能够捕捉到对行人动态的深入上下文理解以及行人轨迹在隐藏状态内的关联,同时考虑个人运动模式和集体社会影响。
技术关键词
行人轨迹预测方法
解码器
节点特征
交互特征
序列
高层次
嵌入特征
社会
编码器
注意力机制
数据编码
线性变换矩阵
智能交通技术
前馈神经网络
计算方法
行人特征
邻居
运动
系统为您推荐了相关专利信息
统计特征
位置更新
余弦算法
融合特征
计算机程序代码
热交换单元
智能调控方法
热交换介质
绒面革
动态预测模型
符号定时同步方法
误差估计值
环路滤波器
插值滤波器
信号
度预测方法
LSTM模型
桥梁健康监测系统
滑动窗口
数据
攻击防御方法
皮尔逊相关系数
时序
网络流量特征
域名解析请求