摘要：在自动导航应用领域，行人轨迹相对复杂，有效且合理预测行人未来轨迹对自动驾驶和出行安全至关重要。行人轨迹随机性和动态性极高且与交通环境有着复杂相互作用，因此需要对行人的时间依赖性和空间相互作用进行合理建模。为了解决该问题，本文提出了一种基于Transformer和多关系图卷积网络（GCN）的行人轨迹预测模型，该模型由交互捕获模块、锚点控制模块和轨迹修正补全模块构成，交互捕获模块由T-Transformer和多关系图卷积网络组成，分别提取每个行人在时间序列和空间序列上的运动特征，并结合锚点控制模块推断行人的中间目的地以减少递归累计误差，最后由修正补全模块进行最终轨迹细化。此外，在提取特征时添加逆关系可得到更为优化的结果，使用高斯剪枝减少虚假路径的生成也可提高模型效率。在ETH与UCY数据集上的实验结果表明，在平均位移误差（ADE）和最终位移误差（FDE）方面，该模型具有比现有大部分主流模型更好性能。由于在行人轨迹预测上的出色性能，可避免不必要的轨迹变更和碰撞风险，为行人轨迹预测应用提供了更为可能的解决方案。
文章目录
1 相关工作
2 多关系时空轨迹预测模型
2.1 问题定义
2.2 在锚点条件下的终点预测
2.3 高斯剪枝。
2.4 确定最终点。
2.5 多关系GCN（多关系行人图卷积网络）
2.6 T-Transformer模型
2.7 轨迹修正补全
2.8 损失函数
3 实验
3.1 数据集
3.2 模型效果对比
3.3 消融实验
3.4 效率研究
4 结束语
