基于图卷积网络和终点诱导的行人轨迹预测

来源：计算机应用杂志2025年第5期北京时间：

作者：陈满, 杨小军, 杨慧敏

单位：长安大学 信息工程学院，西安 710064

摘要：针对行人轨迹预测研究中仅关注历史轨迹的交互信息，而忽略了终点交互信息的问题，提出一种基于图卷积网络（GCN）和终点诱导（Endpoint Induction）的行人轨迹预测模型GCN-EI。首先，在训练集上使用分类方法学习行人未来可能的加权终点分布；其次，将可能的终点与它们对应的历史轨迹相连接，并使用基于注意力机制和终点条件的GCN在更长的时间跨度上提取行人的交互特征，同时使用个体特征模块提取行人的内在运动特征；最后通过时间内推卷积预测行人的未来轨迹。在ETH和UCY数据集上对模型进行的测试结果表明，相较于STITD-GCN（Spatio-Temporal Interaction and Trajectory Distribution GCN）模型，所提模型在平均位移误差（ADE）和最终位移误差（FDE）上分别下降了4.5%和5.0%；相较于采用分类方法的PCCSNet（Prediction via modality Clustering， Classification and Synthesis Network）模型，在FDE上下降了9.5%。

关键词：行人轨迹预测,注意力机制,终点诱导,图卷积网络

基金资助：陕西省自然科学基础研究计划项目(2024JC-YBMS-456)