一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法

摘要

本发明涉及一种基于SFM‑LSTM神经网络模型的过街行人轨迹预测方法，该方法包括以下步骤：步骤1：获取过街行人运动状态信息、个体特征信息和人车交互场景信息；步骤2：进行数据预处理和数据增强，建立行人轨迹数据集；步骤3：建立并训练LSTM神经网络模型；步骤4：通过训练后的LSTM神经网络模型获取过街行人的预测轨迹；步骤5：采用最大似然估计法对社会力模型进行参数标定；步骤6：根据社会力模型对预测轨迹进行修正，并输出过街行人的最优预测轨迹；步骤7：将最优预测轨迹广播至附近的车辆，以协助智能网联车辆进行决策，与现有技术相比，本发明具有提高行人过街的安全性、降低车辆的延误率和提高道路的通行能力等优点。