[发明专利]一种复杂环境下的行人移动轨迹在线预测方法及系统

权利要求书

1.一种复杂环境下的行人移动轨迹在线预测方法，其特征在于，包括以下步骤：

基于智能移动设备探测一定时间内的行人位置数据，得到行人历史轨迹；

根据行人历史轨迹提取行人多维度移动特征；

基于行人多维度移动特征和行人历史轨迹训练支持向量回归模型，得到轨迹预测模型；

动态更新轨迹预测模型的参数并基于轨迹预测模型预测行人未来时刻的轨迹；

所述行人多维度移动特征包括位置特征、速度特征、加速度特征和阻力特征；

所述根据行人历史轨迹提取行人多维度移动特征这一步骤，其具体包括：

根据行人历史轨迹提取位置特征、速度特征、加速度特征和阻力特征；

所述位置特征包括行人当前位置的x坐标、行人当前位置的y坐标和对应的时刻t，所述速度特征包括行人当前运动速度大小和行人当前运动速度方向，所述加速度特征包括行人加速度大小和行人加速度方向，所述阻力特征包括行人运动阻力大小和行人运动阻力方向；

根据位置特征中相邻位置点的距离和时间间隔计算行人运动速度大小；

根据位置特征中相邻位置点的偏移计算行人运动速度方向；

根据相邻位置点的行人运动速度大小和时间间隔计算行人运动加速度大小；

根据行人运动速度大小和行人运动速度方向计算行人运动加速度方向；

根据可视域内其他行人及障碍物与当前行人的距离计算行人运动阻力大小和行人运动阻力方向；

所述基于行人多维度移动特征和行人历史轨迹训练支持向量回归模型，得到轨迹预测模型这一步骤，其具体包括：

以行人多维度移动特征为特征集，行人历史轨迹中下一时刻位置为结果集，对支持向量回归模型进行训练，建立特征集和结果集之间的映射关系，并预测k+1时刻的行人位置，k表示训练窗口大小；

计算每个目标行人在k+1时刻预测位置与真实位置的误差；

基于网格搜索法选择最优训练窗口和参数组合，得到轨迹预测模型。

2.根据权利要求1所述一种复杂环境下的行人移动轨迹在线预测方法，其特征在于，所述基于智能移动设备探测一定时间内的行人位置数据，得到行人历史轨迹这一步骤，其具体包括：

基于智能移动设备探测一定时间内的行人位置数据；

以T＝{(x₁，y₁，t₁),...,(x_i，y_i，t_i),...,(x_n，y_n，t_n)}三元组集合的形式表达每一个行人在一段时间内的运动轨迹，得到行人历史数据。

3.根据权利要求2所述一种复杂环境下的行人移动轨迹在线预测方法，其特征在于，所述行人运动速度大小的计算公式如下：

上式中，v(n)_value表示目标行人在n时刻的运动速度大小，(x_n,y_n)表示目标行人在n时刻的位置，(x_n-1,y_n-1)表示目标行人在n-1时刻的位置，Δt为行人连续两个位置点间的时间间隔。

4.根据权利要求3所述一种复杂环境下的行人移动轨迹在线预测方法，其特征在于，所述行人运动速度方向的计算公式如下：

上式中，v(n)_direction表示目标行人在n时刻运动速度方向。

5.根据权利要求4所述一种复杂环境下的行人移动轨迹在线预测方法，其特征在于，所述行人运动加速度大小的计算公式如下：

上式中，a(n)_value表示目标行人在n时刻的运动加速度大小，v(x)_n和v(y)_n分别为目标行人在n时刻的运动速度沿x轴和y轴方向的速度分量，v(x)_n-1和v(y)_n-1分别为目标行人在n-1时刻的运动速度沿x轴和y轴方向的速度分量，sgn为符号函数，取值{-1,0,1}。