关键词：自动驾驶;城市交叉口;行人;轨迹预测;融合模型
摘 要：为了提高自动驾驶汽车在人车混行交叉口场景下的行车安全性，提出了一种面向自动驾驶汽车的信号交叉口行人多模态轨迹预测方法。考虑社会生成对抗网络模型（SGAN）的社会属性，将行人历史轨迹作为输入，通过生成器与判别器交替训练，采用交叉熵损失函数进行模型优化，提出基于SGAN的行人轨迹预测模型；建立行人自驱力、行人间交互力、斑马线边界力和信号灯作用力的4种约束力模型，提出基于社会力模型（SFM）的行人轨迹预测模型，采用粒子群算法对SFM的不可测量参数进行标定；基于AdaBoost算法对SGAN和SFM的预测结果进行融合，通过多个弱学习器迭代训练并动态优化各模型权重，以提高模型预测准确性；实验基于西安市某交叉口行人数据进行对比验证。结果表明：相比于单一SFM模型和单一SGAN模型，该文方法的平均位移误差（ADE）和最终位移误差（FDE）分别提高了约21.7%和10.5%，尤其在绕行超越、结伴等复杂行为场景中，该方法能够实现更精准的行人轨迹预测。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取