科研之友
微信
新浪微博
Facebook
分享链接
摘要
行人轨迹预测在自动驾驶和社交机器人等领域有着广泛地应用。对行人间复杂的交互关系进行有效建模是提高轨迹预测准确性的关键问题。然而基于图神经网络的方法建模行人间的复杂交互时，存在行人间交互关系不会随着时间推移而改变，并且图模型无法自适应的调整网络参数，导致了预测轨迹和真实轨迹偏差较大。为此，本文提出了基于动态进化图的行人轨迹预测方法，设计了动态特征更新(Dynamic Feature Update,DFU)以定义行人间的动态特性，对行人间动态交互进行建模，以构建时间域的网络动态性，提升了对行人间复杂交互关系建模的能力。采用进化图卷积单元优化编码器，灵活进化图模型网络参数，增强图模型的自适应能力。研究结果表明，在预测8个时间步长下，与STGAT模型相比，所提出模型在两个公开数据集(ETH和UCY)上取得了更好的性能，平均位移误差降低12.26%，最终位移误差降低14.10%。
- 单位
