一种信号交叉口的行人过街轨迹预测方法及装置

本发明属于轨迹预测，尤其涉及一种信号交叉口的行人过街轨迹预测方法及装置。

背景技术：

1、行人轨迹预测是智能交通和计算机视觉领域中的关键问题，对于交通管理、交通流规划和自动驾驶等具有重要意义。现实场景中，行人通常受到社会规则、环境约束以及与其他行人相互作用的影响，这使得轨迹预测变得复杂。

2、在过街过程中，行人需要同时处理车辆、附近行人、信号时间和行人设施的多个不同信息源。这被认为是一个复杂的认知过程的感知、注意和决策。

3、社会力模型是目前在交通工程领域被广泛运用于行人流仿真的一种方法，起初主要用于电影院、地铁站、展览馆等人群密集场所突发情况下行人疏散的仿真模拟，后来也有研究将其运用于信号灯路口行人过斑马线的仿真模拟，上述应用场景的目的都是根据模拟情况对安全通道、斑马线长度、红绿灯时间长短进行优化，缺乏对行人之间可能发生的潜在冲突的考虑，从而导致使用效果不佳的技术问题。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种信号交叉口的行人过街轨迹预测方法及装置，解决现有社会力模型缺乏对行人之间可能发生的潜在冲突的考虑，应用于行人过街轨迹预测时，准确性低的技术问题。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种信号交叉口的行人过街轨迹预测方法，包括：

4、获取目标信号交叉口的人车交互场景数据；

5、构建用于判断行人面对马路对面右转车辆是否继续通过的广义线性模型和用于预测行人通过马路运动轨迹的社会力模型；

6、根据所述人车交互场景数据对所述广义线性模型和所述社会力模型进行训练；

7、将训练好的所述广义线性模型和所述社会力模型部署使用，实现行人过街轨迹预测。

8、可选的，所述人车交互场景数据包括：

9、用于所述广义线性模型训练的自变量和因变量：；

10、式中，为行人性别，为行人年龄段，为行人与车辆的距离，为车辆的移动速度；

11、；

12、用于所述社会力模型训练的行人理想速度、行人速度响应时间、行人位置坐标和目标点位置坐标。

13、可选的，所述广义线性模型的训练过程包括：

14、将各行人对应的所述自变量和所述因变量分别作为训练样本和训练样本标签；

15、初始化所述广义线性模型的模型参数，构建所述广义线性模型的损失函数：

16、；

17、；

18、式中，为第个行人对应的训练样本和训练样本标签，为第个行人对应的训练样本预测；为行人数量，为激活函数；

19、通过梯度下降的方式求得所述损失函数的全局最优，得到最优的模型参数。

20、可选的，所述社会力模型为：

21、；

22、式中，为第个行人所受社会力，为第个行人受目标点影响的自驱力，

23、为第个行人受其他行人、斑马线以及信号灯影响的作用力；为第个行人受前侧反向行走行人影响的避让力；

24、；

25、；

26、；

27、式中，为速度响应时间，为第个行人的理想速度，为第个行人时刻的实际速度，为时间步，为第个行人时刻所受社会力，为方向系数，为时刻第个行人指向目标点的单位向量，为目标点和时刻第个行人的位置坐标；

28、；

29、；

30、式中，，为第个行人对第个行人的作用力，为第个行人对应的作用力强度系数，为行人对行人作用力的速度系数，为第个行人和第个行人的间距，为第个行人的视野范围半径，为第个行人指向第个行人的单位向量，为信号灯对第个行人的吸引范围；

31、；

32、；

33、式中，为第个行人与斑马线边界的间距，为高斯函数的标准差，为斑马边界力的半径，为常数项，为势函数；

34、；

35、式中，为信号灯对行人作用力的增益系数；

36、；

37、；

38、式中，为避让力幅度系数，为吸引力范围系数，为第个行人和第个行人的间距，第个行人位于第个行人前侧且反向行走；为第个行人指向第个行人的单位向量与第个行人速度方向的夹角，为垂直于期望方向的单位向量。

39、可选的，所述社会力模型的训练过程包括：

40、确定社会力模型的模型参数；

41、构建模型参数的极大似然函数：

42、；

43、式中，为第个行人时刻的加速度，为的均值向量；

44、设行人数量为，第个行人具有个时间步，将所述极大似然函数转换为：

45、；

46、对所述极大似然函数两边取对数，转换为：

47、；

48、求对于的导数，令导数为0得到的最大值，从而获取最终的模型参数。

49、第二方面，本发明提供了一种信号交叉口的行人过街轨迹预测装置，包括：

50、数据处理模块，用于获取目标信号交叉口的人车交互场景数据；

51、模型构建模块，用于构建用于判断行人面对马路对面右转车辆是否继续通过的广义线性模型和用于预测行人通过马路运动轨迹的社会力模型；

52、模型训练模块，用于根据所述人车交互场景数据对所述广义线性模型和所述社会力模型进行训练；

53、模型应用模块，用于将训练好的所述广义线性模型和所述社会力模型部署使用，实现行人过街轨迹预测。

54、第三方面，本发明提供了一种电子设备，包括处理器及存储介质；

55、所述存储介质用于存储指令；

56、所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。

57、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

58、第五方面，本发明提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

59、与现有技术相比，本发明所达到的有益效果：

60、本发明提供的一种信号交叉口的行人过街轨迹预测方法及装置，利用改进的社会力模型，充分考虑行人之间的相互作用，使得模型更加真实地反映了行人之间的相互作用，提高了行人过街轨迹预测的准确性。

技术特征：

1.一种信号交叉口的行人过街轨迹预测方法，其特征在于，包括：

2.根据权利要求1所述的信号交叉口的行人过街轨迹预测方法，其特征在于，所述人车交互场景数据包括：

3.根据权利要求2所述的信号交叉口的行人过街轨迹预测方法，其特征在于，所述广义线性模型的训练过程包括：

4.根据权利要求2所述的信号交叉口的行人过街轨迹预测方法，其特征在于，所述社会力模型为：

5.根据权利要求4所述的信号交叉口的行人过街轨迹预测方法，其特征在于，所述社会力模型的训练过程包括：

6.一种信号交叉口的行人过街轨迹预测装置，其特征在于，包括：

7.一种电子设备，其特征在于，包括处理器及存储介质；

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。

9.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-5中任一项所述方法的步骤。

技术总结本发明公开了一种信号交叉口的行人过街轨迹预测方法及装置，其方法包括获取目标信号交叉口的人车交互场景数据；构建用于判断行人面对马路对面右转车辆是否继续通过的广义线性模型和用于预测行人通过马路运动轨迹的社会力模型；根据人车交互场景数据对广义线性模型和社会力模型进行训练；将训练好的广义线性模型和社会力模型部署使用，实现行人过街轨迹预测；本发明通过改进社会力模型，引入避让力来更好地描述正常情况下的行人动力学，从而提高行人过街轨迹预测的准确性。技术研发人员：吴瑶,许媛,胡筠卓,吴秀梅,周继彪,丁红亮受保护的技术使用者：南京邮电大学技术研发日：技术公布日：2024/6/20