【摘 要】
：
随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同,将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法,分析了每类方法中具有代表性的算法的效果及优缺点,归纳了当前主流的轨迹预测公开数据集,并在数据集中对比了主流轨迹预测方法的性能,最后对轨迹预测技术面临的挑战
【基金项目】
：
国家自然科学基金资助项目（No.51775082,No.61976039）； 中央高校基本科研业务费专项资金资助项目（No.DUT19LAB36,No.DUT20GJ207）； ','','');
">大连市科技创新基金资助项目（No.2018J12GX061
论文部分内容阅读
随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同,将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法,分析了每类方法中具有代表性的算法的效果及优缺点,归纳了当前主流的轨迹预测公开数据集,并在数据集中对比了主流轨迹预测方法的性能,最后对轨迹预测技术面临的挑战与发展趋势进行了展望。
其他文献
"互联网+思想政治教育"是新时代思想政治教育创新的重要路径。互联网的信息繁多,有利有弊,如何趋利避害成为了"互联网+思想政治教育"的难题,思想政治教育如何在网络上开辟出自己的一块阵地也有待研究。互联网信息的输入和输出量都是巨大的,思政工作者需要利用互联网大数据输入有效信息,了解学生的思想动态,同时又要运用新媒体平台输出正确的思想政治观点,引导学生在各种繁杂的信息中树立正确的"三观"。
推进新时代思想政治教育改革创新,要处理好定位与功能之间的关系、主体多元与协同育人之间的关系、顶层设计与落地落细之间的关系、理论传导与实践展开之间的关系、供应与需求之间的关系、内容提供与智能化表达之间的关系。
行人轨迹预测在各种应用中具有关键性作用，为提高互中轨迹预测精度与模型可解释性，提出了一种基于时空信息和社交注意力的模型（SAGAT），模型整体采用编码-码的框架。首先，针对行人之间时间交互的连续性，构建额外的LSTM网络来捕获时间的相关性信息。然后，提出社交注意力机制，设置3种社交特征丰富行人交互信息，对同一场景中的不同行人进行权重分配。最后，在UCY和ETH公开数据集进行训练。多个实验结果表明，
针对变道过程中由于路面附着系数变化带来的模型非线性问题以及滚动优化算法对于实时性的要求，本文提出了变道过程非线性模型预测轨迹跟踪控制策略，分析了低路面附着系数带来的模型非线性特性，建立了变道过程轨迹跟踪模型及其前轮转角滚动时域优化求解方法。仿真分析及硬件在环测试可得，相比现有的线性轨迹跟踪方法，所提出的算法在高附着系数路面和低附着路面上的轨迹跟踪精度上平均可提高14.35%，在车辆横摆角速度跟踪误
不合理的车辆的换道行为是导致交通事故发生的主要原因之一，提前预知换道车辆的轨迹并及时做出相应调整有助于减少事故的发生。针对换道车辆轨迹预测问题，采用将深度学习和集成学习相结合的轨迹预测方法，并考虑了换道意图的影响。首先，建立连续隐马尔可夫模型对车辆进行换道意图检测，提前判别车辆的换道状态，并输入至相应的轨迹预测模型中。其次，将LSTM （Long Short Term Memory） 作为AdaB
针对城市车联网中出现的基站覆盖空洞及局部流量过载等问题，该文提出了一种基于车辆轨迹预测信息的动态预部署方案。首先，为了训练得到统一的Seq2Seq-GRU轨迹预测模型，多个携带边缘计算服务器的无人机在分布式联邦学习与区块链的架构下，去除中心聚合节点，采取改进的Raft算法，在每轮训练中根据贡献数据量的大小，选举得到节点来完成参数聚合及模型更新任务。其次，基于模型预测结果，提出了一种改进的虚拟力向导
针对自主车辆换道轨迹跟踪精度较低等问题进行了研究。提出了基于轨迹预测的多点预瞄权重增益分配的方法。首先，根据车辆与路径的实时横向偏差以及航向角偏差，建立驾驶员转向模型，获得最优方向盘转角；其次，为了提高车辆换道路径跟踪时的稳定性，采用线性模型预测控制（L-MPC）策略设计轨迹跟踪控制器。最后，搭建Carsim&Simulink联合仿真模型对比分析了不同车速工况实验，结果表明基于轨迹预测的驾驶员模型
脱贫摘帽不歇脚,乡村振兴再出发。根据最新数据显示,今年1—11月,广西县域全社会用电量达892亿千瓦时,同比增长10.2%。预计广西县域全年全社会用电量达970亿千瓦时,增长率持续增长。用电增长的背后是2021年以来,南方电网广西电网公司全力当好助力广西乡村振兴的电力"先行官",投资119亿元加快农村电网基础设施提挡升级,推动农村电网"两率一户"三大关键指标持续提升,激活乡村振兴新动能,让农
行人作为重要的交通参与者，其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。本文基于注意力机制增强的长短时记忆（Long Short-term Memory，LSTM）网络，设计了一种多特征融合的行人意图以及行人轨迹预测方法。该方法通过融合行人骨架和头部方向特征，以加强行人运动特征的表达，并将融合特征作为意图预测网络输入，继而得到行人意图；由于行人运动具有不确定性，本文将行人意图预测类别和