买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利一种考虑交互的行人轨迹预测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116129637B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211724137.2，技术领域涉及：G08G1/01；该发明授权一种考虑交互的行人轨迹预测系统及方法是由周小川;赵万忠;王春燕;汪桉旭;叶宇林;李威设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种考虑交互的行人轨迹预测系统及方法在说明书摘要公布了：本发明公开了一种考虑交互的行人轨迹预测系统及方法，系统包括：传感器单元，用于获取车辆和行人的位置坐标信息，并将信息存储到车辆历史轨迹数据库和行人历史轨迹数据库中；车载计算单元，包括依次连接的编码器、注意力模块、解码器；编码器用于计算行人和车辆的历史轨迹，并进行存储；注意力模块包括时间注意力模块和空间注意力模块，时间注意力模块用于计算历史时间特征，空间注意力模块用于计算全局空间特征；解码器用于计算考虑交互关系的行人预测轨迹。本发明通过构建基于注意力机制的行人轨迹预测框架，提高人车混合行驶道路下行人轨迹预测的精准性。

本发明授权一种考虑交互的行人轨迹预测系统及方法在权利要求书中公布了：1.一种考虑交互的行人轨迹预测方法，基于考虑交互的行人轨迹预测系统，系统包括：传感器单元、行人历史轨迹数据库、车辆历史轨迹数据库、车载计算单元；传感器单元，其包括但不局限于车载摄像头和激光雷达、路侧传感单元、行人位置传感器，用于获取车辆和行人的位置坐标信息，并将信息存储到车辆历史轨迹数据库和行人历史轨迹数据库中；车辆历史轨迹数据库，用于存储车辆的历史位置坐标信息；行人历史轨迹数据库，用于存储行人的历史位置坐标信息；车载计算单元，其包括依次连接的编码器、注意力模块、解码器；编码器用于计算行人和车辆的历史轨迹，并进行存储；注意力模块包括时间注意力模块和空间注意力模块，时间注意力模块用于计算历史时间特征，空间注意力模块用于计算全局空间特征；解码器用于计算考虑交互关系的行人预测轨迹；其特征在于，方法步骤如下：1编码器对行人历史轨迹数据库、车辆历史轨迹数据库中的运动特性进行编码，生成隐藏状态和输出张量；2注意力模块对周围行人和车辆运动特征的时间、空间信息进行编码，对不同时间、空间信息的影响赋予权重，分别确定各对象空间信息对行人的重要性，以及历史时刻信息对当前时刻的重要性，并将计算得到的时间特征向量和全局空间特征向量拼接，得到特征向量；3将包含周围行人和车辆的特征向量和高斯采样噪声，输入到基于LSTM的解码器中进行多模态轨迹预测，得到行人预测轨迹集，对真实轨迹和预测轨迹进行比较判别，并通过损失函数计算，从轨迹集中选择最优的行人预测轨迹；所述步骤2中采用时间注意系数衡量历史时刻信息对当前时刻的重要性，具体包括：21行人编码器输出作为时间注意力模块的输入，得到时间注意系数： 式中，表示时间注意系数，表示中间向量，和分别表示k时刻和s时刻的中间向量，tanh为激活函数，和bα为网络参数；22时间注意力模块将时间注意系数与步骤12中的隐藏状态相拼接，输出时间特征向量 所述步骤2中采用空间注意系数衡量各对象空间信息对行人的重要性，并用归一化后的注意系数计算得到行人的全局空间特征，具体包括：23计算人-人和人-车空间交互的距离和夹角信息： 式中，为t时刻行人i和周围行人j之间的距离；为t时刻行人i和车辆之间的距离，为行人i的速度向量与行人i到行人j的方向向量间的夹角；为行人i和行人j的速度向量间的夹角；为行人i和车辆速度向量间的夹角；分别为t时刻行人i和行人j的位置坐标，为t时刻车辆的位置坐标；24将人-人和人-车交互信息进行级联，得到三个交互特征向量： 式中，为行人i和行人j的人-人交互关系向量；为行人i和车辆的人-车交互关系向量；为行人i与其他道路参与者交互关系的向量；25计算空间注意系数，并进行归一化得到行人i在t时刻的全局空间特征向量 式中，为行人i与行人j在t时刻交互的空间注意系数，为行人i的交互特征向量拼接成的特征向量，Wfc2为空间注意力模块的全连接层参数，为行人j与无人车的距离，为除了行人i以外其他行人与车辆的距离，为车辆与行人间的距离拼接成的特征向量，N为行人数量，φ是归一化函数；所述步骤2中将计算得到的时间特征向量和全局空间特征向量拼接，表示为： 式中，为特征向量；所述步骤3中采用多层感知器对真实轨迹和预测轨迹进行比较判别，行人预测轨迹集为： 式中，k为预测轨迹的数量，和为t时刻与t-1时刻中间状态向量，为第k条轨迹的特征向量，为高斯采样噪声，预测时间为t＝Tobs+1，...，Tpred；和为t时刻与t-1时刻解码器的隐藏状态，Wde为解码器网络权重参数，为预测轨迹，Wm2为多层感知机权重参数，和分别为观测周期解码器和编码器的输出；所述步骤3中采用最小化多模态损失函数，设置指数项来控制每个误差在整个损失中的比例，根据计算结果，从行人预测轨迹集中，选择计算值最小的轨迹，作为最优的行人预测轨迹，最小化多模态损失函数L的计算方式如下： 式中，T为预测时长，为待选的预测轨迹，为真实轨迹，λ为超参数，e为常数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。