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