2026《基于长短时记忆网络（LSTM）的行人轨迹预测实证研究》22000字.docx

-PAGEV-

基于长短时记忆网络（LSTM）的行人轨迹预测实证研究

对真实复杂的交通场景中行人的运动轨迹坐标进行准确预测，以此作为合理规划车辆行驶路径的基础，对将来可能发生的碰撞位置进行预测，甚至避免可能发生的碰撞，对于保障行人的生命安全十分重要。行人轨迹受到众多因素的影响，传统的基于社会力模型的行人运动建模方法不能很好地解决该任务，循环神经网络模型为行人轨迹预测任务提供了新的思路。本文以长短时记忆网络（LSTM）为基础，提出了Attention-LSTM行人轨迹预测模型：

首先，通过丰富的视觉特征对行人进行编码，用带有RoIAlign功能的CNN网络和人物关键点检测模型对行人的行为