基于Transformer-LSTM模型的毫米波雷达行人轨迹预测方法

作者：何佳旭; 陈金立^*; 李爱庆; 陈缪龙; 李奥胜

来源：中国电子科学研究院学报, 2023, 18(06): 513-520.

• 行人轨迹预测
• 毫米波雷达
• Transformer
• LSTM
• 多头注意力机制

在智能交通领域，对行人轨迹进行预测是一个非常有意义的研究课题。毫米波雷达凭借其强大的抗干扰能力和高隐私保密性，在行人轨迹预测方面具有良好的应用前景。为了解决传统预测算法准确度不高、长序列预测效果不佳的问题，文中提出一种基于Transformer-LSTM毫米波雷达的行人轨迹预测方法。该方法利用毫米波雷达采集行人轨迹数据，通过DBSCAN方法合成轨迹点，建立行人轨迹数据集，进行模型训练。该模型利用Transformer的动态权重分配和长短期记忆网络(Long Short-Term Memory, LSTM)的轨迹特征提取，深度挖掘不同层次的关键信息。实验结果表明，与经典运动学模型和传统神经网络模型相比，Transformer-LSTM在行人轨迹预测任务中预测精度更高、稳定性更好。

• 单位
  南京信息工程大学