交通状态预测 | Python实现基于Social-LSTM的轨迹预测方法

交通状态预测 | Python实现基于Social-LSTM的轨迹预测方法

基本介绍

轨迹预测其实就是序列生成问题，而序列生成问题当时主流解决方法都从循环神经网络（如GRU或者LSTM）入手。所以本文就利用LSTM来才从行人的历史轨迹中学习行人的运动模式。

研究回顾

先简单了解一下何为过街意图识别以及轨迹预测。

• 两个任务的输入具有一定的相似性，即都是通过观察一段时间的行人（车辆）历史帧，然后确定未来几秒内行人的过街意图（即是否过街的二分类问题）或者预测未来几秒内行人的运动轨迹。
• 因此，这两个任务对于自动驾驶、交通安全分析和事故阻止都有相当重要的意义。
• 写到这里，读者可以自行想象一下，过街意图识别以及轨迹预测与什么因素有关呢？
• 就过街意图而言，可能相关的因素有：行人历史的轨迹以及周围环境。事实上，行人历史轨迹一定程度上反映了行人本身的