[发明专利]一种智能体轨迹预测方法、系统、设备和存储介质

权利要求书

1.一种智能体轨迹预测方法，其特征在于，包括以下步骤：

获取智能体及其周围智能体的历史轨迹信息作为数据集并进行预处理，得到训练样本集；

将训练样本集输入预先构建的智能体轨迹预测模型进行训练，并对训练完成的智能体轨迹预测模型进行测试评估；

将当前智能体的实时数据输入智能体轨迹预测模型中进行轨迹预测，得到当前智能体的预测轨迹分布。

2.如权利要求1所述的一种智能体轨迹预测方法，其特征在于：所述获取智能体及其周围智能体的历史轨迹信息作为数据集并进行预处理，得到训练样本集的方法，包括：

获取智能体及其周围智能体的历史轨迹；

基于获取的智能体的历史轨迹，计算得到智能体的位置及速度信息；

选取预测感兴趣的场景区域，并基于该场景区域内活动的智能体构建场景图，得到；

将场景图和各智能体的位置及速度信息合并后，作为训练样本集。

3.如权利要求1所述的一种智能体轨迹预测方法，其特征在于：所述将训练样本集输入预先构建的智能体轨迹预测模型进行训练，并对训练完成的智能体轨迹预测模型进行测试评估的方法，包括：

构建智能体轨迹预测模型；

确定损失函数；

基于训练样本集和损失函数，对构建的智能体轨迹预测模型进行训练，得到训练好的智能体轨迹预测模型；

对训练完成的智能体轨迹预测模型进行测试评估，得到最终的智能体轨迹预测模型。

4.如权利要求3所述的一种智能体轨迹预测方法，其特征在于：所述智能体轨迹预测模型包括：编码器单元、图神经网络单元和解码器单元；

所述编码器单元以相应场景下智能体及其周围智能体的位置和速度信息为输入，以智能体轨迹的编码信息为输出；

所述图神经网络单元以智能体轨迹的编码信息为输入，以表示智能体轨迹信息的隐变量z的采样值为输出；

所述解码器单元以表示智能体轨迹信息的隐变量z的采样值为输入，以智能体的预测轨迹的概率分布为输出。

5.如权利要求4所述的一种智能体轨迹预测方法，其特征在于：所述编码器单元包括智能体历史编码模块、智能体交互编码模块和智能体未来编码模块；

所述智能体历史编码模块以智能体本身的位置和速度信息为输入，以表示智能体历史轨迹编码的集合向量e₁为输出；

所述智能体交互编码模块以智能体i及其感兴趣的其他智能体j的位置和速度信息为输入，以表示智能体交互编码的集合向量e₂为输出；

所述智能体未来编码模块以智能体i本身的未来轨迹为输入，以表示智能体i未来轨迹编码的集合向量futureⁱ为输出。

6.如权利要求5所述的一种智能体轨迹预测方法，其特征在于：所述图神经网络单元包括第一全连接网络、第二全连接网络和第三全连接网络；

所述第一全连接网络以集合向量e₁、集合向量e₂和图像表示向量e₃的联合向量为输入，以表示智能体信息的隐变量z的概率分布为输出；

所述第二全连接网络以集合向量e₁、集合向量e₂、图像表示向量e₃以及集合向量futureⁱ的联合向量为输入，以表示智能体信息的隐变量z的概率分布为输出；

所述第三全连接网络用于对第一全连接网络和第二全连接网络输出的隐变量z的概率分布进行采样，实现一维化。

7.如权利要求4所述的一种智能体轨迹预测方法，其特征在于：所述解码器单元包括GRU模块、GMM模块和预测轨迹模块；

所述GRU模块用于对隐变量z进行解码，得到一个高斯混合模型的参数，用来描述当前智能体未来轨迹的概率分布；

所述GMM模块用于得到高斯混合模型的参数后生成轨迹的概率分布；

所述预测轨迹模块根据所需预测的模式，从概率分布中进行采样得到智能体的预测轨迹。