用于交通参与者行为预测模型闭环持续学习方法及系统

本发明公开了一种用于交通参与者行为预测模型闭环持续学习方法及系统，方法包括以下步骤：S1、根据实时采集的车辆周围环境信息生成预测轨迹，筛选出轨迹预测性能不佳的场景样本，并发送至云端；S2、云端将历史数据和新数据混合采样进行新一轮训练，得到更新后的轨迹预测模型参数；新一轮训练时，具体在损失函数中增加基于弹性权重巩固方法的正则化损失，以保护历史数据的关键特征，再将该正则化损失与新数据下的预测损失、历史数据下的预测损失进行动态加权组合，得到新一轮训练的综合损失函数；S3、云端将更新后的轨迹预测模型参数传输至车端车载计算设备，用于车端轨迹预测模型的参数更新。本发明实现了轨迹预测模型的自主迭代与快速演进。