移动目标轨迹预测方法——概述

一、分类

可分为两类：

1. 基于数据驱动的方法

通过海量的历史数据来挖掘移动目标的行为特征，结合目标的当前位置，预判目标的运动趋势。

强调历史行为在时间和空间上的可重复性。

• 概率统计：卡尔曼滤波、差分自回归移动平均模型、隐马尔可夫模型、高斯混合模型、贝叶斯网络
• 神经网络：BP神经网络
• 深度学习：MLP、RNN、LSTM、ELM、GAN
• 混合模型：LSTM-ARIMA（深度学习+概率统计）

2. 基于行为驱动的方法

根据目标的当前状态、所处的环境预测轨迹。

• 动力学模型：描述运动规律
• 意图识别：先判断意图，再预测轨迹

二、难点

1. 意图预测不准确：如十字路口的转向问题

2. 环境与目标间的交互关系：环境的变化对目标的运动轨迹影响较大