基于大语言模型且可解释的行人轨迹预测方法、装置

本发明涉及行人轨迹预测领域，具体涉及一种基于大语言模型且可解释的行人轨迹预测方法、装置。方法包括：利用预先训练好的深度学习模型，对行人历史轨迹进行预测，得到初始的行人预测轨迹；将行人历史轨迹和初始的行人预测轨迹文本化，结合任务要求、响应要求构建成为提示模板TP；对提示模板TP进行可解释性扩展，得到提示模板TP_ERG，基于提示模板TP_ERG，采用LLM模型一，对行人轨迹进行解释性推理；对提示模板TP进行轨迹优化性扩展，得到提示模板TP_TPR，基于提示模板TP_TPR，采用LLM模型二，对初始的行人预测轨迹进行优化；对优化后的行人预测轨迹进行幻觉检查，得到最终的行人预测轨迹。本发明可提升深度学习模型预测结果的可解释性，并提升行人轨迹预测精度。