申请/专利权人:华东师范大学
申请日:2023-09-18
公开(公告)日:2023-11-17
公开(公告)号:CN117077727A
主分类号:G06N3/042
分类号:G06N3/042;G06N3/044;G06N3/0455;G06N3/0464;G06N3/0499;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.05#实质审查的生效;2023.11.17#公开
摘要:本发明公开了一种基于时空注意力机制和神经常微分方程的轨迹预测方法,包括:获取行人和相邻行人的历史轨迹,将历史轨迹转化为社会特征向量;基于历史轨迹与社会特征向量获取初始潜在变量与外部输入变量;基于初始潜在变量与外部输入变量获取潜在变量;基于循环神经网络与神经常微分方程构建轨迹预测模型,并基于历史轨迹与潜在变量获取行人的预测位移序列;将预测位移序列与历史轨迹的序列相加,获取最终预测结果;基于预测位移序列对轨迹预测模型进行参数优化。本发明综合考虑了场景中行人间的相互影响以及VAE中RNN循环更新隐藏状态是否连续的因素,在轨迹预测时了解行人的交互特征,从而提高行人轨迹预测的准确性。
主权项:1.一种基于时空注意力机制和神经常微分方程的轨迹预测方法,其特征在于,包括以下步骤:获取行人和相邻行人的历史轨迹,将所述历史轨迹转化为社会特征向量;采用时空注意力机制与图注意力机制,基于所述历史轨迹与所述社会特征向量获取初始潜在变量与外部输入变量;基于所述初始潜在变量与所述外部输入变量获取潜在变量;基于循环神经网络与神经常微分方程构建轨迹预测模型,并基于所述历史轨迹与所述潜在变量获取行人的预测位移序列;将所述预测位移序列与所述历史轨迹的序列相加,获取最终预测结果;基于所述预测位移序列对所述轨迹预测模型进行参数优化。
全文数据:
权利要求:
百度查询: 华东师范大学 基于时空注意力机制和神经常微分方程的轨迹预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。