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?</