来源：期刊VIP网 时间：
作者：韩新宇;李思照;徐火生;付小晶;
单位：哈尔滨工程大学计算机科学与技术学院;武汉数字工程研究所;
摘要：针对交通环境中高灵活性的行人与车辆难以建模问题，提出了一个基于多尺度全局时空特征图的深度学习模型。该模型通过多尺度图编码和解码，引入不同层次的历史轨迹特征编码，以实现精准预测。为了解决时序模型记忆能力有限的问题，模型引入了基于时空图的自注意力机制，增强了历史特征的记忆能力，提供多种预测结果选择。模型考虑了行人自身属性所蕴含的全局时间特征，以丰富可学习特征，增强时间关系。通过在5个基准数据集上进行测试实验，所提模型方法实现了最优效果。与现有方法相比，平均位移误差降低了17%,终点位移误差降低了52%。
关键词：图神经网络;;轨迹预测;;时空特征;;注意力机制
基金资助：科技部重点研发计划(2022YFB4400703);; 基础科研计划(JCKY2021604B002);; 中央高校基础科研业务费(3072024XX0601)~~
