用于行人轨迹预测的时空多图融合的稀疏图卷积网络

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：习炎, 王文格, 彭景阳, 韩林慧

单位：湖南大学 机械与运载工程学院，长沙 410000；

摘要：在机器人导航和自动驾驶等方面，行人轨迹预测具有重要的研究意义和应用价值。基于图卷积神经网络的轨迹预测方法可以更加直观地模拟行人之间的社会交互，但大多数模型对行人的时空交互定义并不准确。因此，提出了一种时空多图融合的稀疏图卷积网络（spatial-temporal multi-graph fusion sparse graph convolutional network，STMGF-SGCN）用于行人轨迹预测。通过引入先验信息，总结出影响行人运动轨迹的三个因素：相对距离、相对速率、潜在冲突，并由此建立三个空间图结构。同时，模型融合了时间图以提高对运动趋势的捕捉能力，还采用非对称卷积操作以获取行人间非对称的时空交互信息；引用了稀疏的思想来减少模型建立和多图融合带来的冗余交互。实验结果表明，在公开行人轨迹数据集ETH和UCY上，相比于基线Social-STGCNN和SGCN，模型的平均位移误差（ADE）和最终位移误差（FDE）分别降低了18.2%、20%和2.7%、7.7%。

关键词：行人轨迹预测,图卷积网络,多图融合,时空交互