[发明专利]一种基于双重注意力机制的轨迹预测方法及装置

说明书

本发明公开了一种基于双重注意力机制的轨迹预测方法及装置。方法包括：获取观测区域内多个目标在上一时间段的轨迹数据；构建图结构数据，图结构数据中节点与目标一一对应；图注意力网络模组被配置为提取目标之间的空间交互信息以及基于所述空间交互信息更新图结构数据的节点特征；时间注意力网络模组从更新后的目标特征中提取时间交互信息以及基于提取的时间交互信息获取目标在下一时间段的预测轨迹。实现了空间交互信息、时间交互信息的融合即获得了时空交互信息，能够更有效地对交通场景下目标的运动模式建模和预测，以获得更好的目标轨迹预测结果，能并行预测多个目标轨迹，加快轨迹预测速度。

技术领域

本发明涉及轨迹预测领域，特别是涉及一种基于双重注意力机制的轨迹预测方法及装置。

背景技术

移动目标(如行人、汽车、无人驾驶智能汽车、移动机器人等)的轨迹数据中不仅含有丰富的时间特征信息，同一时刻相同场景下的目标之间还具有复杂的空间交互信息，不同时刻的不同目标之间的关联信息定义为时空关联信息。对于某一目标来说，与周围邻近目标的空间交互信息、以及时空关联信息可能会影响到该目标的未来轨迹。但现有技术中，往往都是只是基于目标轨迹数据中的时间特征信息进行轨迹预测，预测精度并不高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于双重注意力机制的轨迹预测方法及装置。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于双重注意力机制的轨迹预测方法，包括：获取观测区域内多个目标在上一时间段的轨迹数据；对目标的轨迹数据进行预处理，将预处理结果作为目标特征的初始值；构建图结构数据，所述图结构数据中节点与目标一一对应，所述节点特征的初始值为对应目标的目标特征的初始值，连接相邻节点形成图结构数据的边；将所述图结构数据输入图注意力网络模组，所述图注意力网络模组被配置为提取目标之间的空间交互信息以及基于所述空间交互信息更新图结构数据的节点特征，即更新目标特征；将更新后的目标特征输入时间注意力网络模组，所述时间注意力网络模组被配置为从更新后的目标特征中提取时间交互信息以及基于提取的时间交互信息获取目标在下一时间段的预测轨迹。

为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种轨迹预测装置，包括：获取模块，用于获取获取观测区域内多个目标在上一时间段的轨迹数据，将获取的轨迹数据输入轨迹预测模块；图结构数据构建模块，用于构建图结构数据并将所述图结构数据输入图注意力网络模组，其中，所述图结构数据中节点与目标一一对应，所述节点特征的初始值为对应目标的目标特征的初始值，连接相邻节点形成图结构数据的边；图注意力网络模组，被配置为提取目标之间的空间交互信息以及基于所述空间交互信息更新图结构数据的节点特征，即更新目标特征，将更新后的目标特征输入时间注意力网络模组；时间注意力网络模组，被配置为从更新后的目标特征中提取时间交互信息以及基于提取的时间交互信息获取目标在下一时间段的预测轨迹。

综上所述，由于采用了上述技术方案，本发明的有益效果是：通过图注意力网络模组提取目标轨迹数据中的空间交互信息，并利用空间交互信息更新目标特征，再将更新后的具备空间交互信息的目标特征输入时间注意力网络模组用于提取时间交互信息，这时得到的时间交互信息本质为时空关联信息，实现了空间交互信息、时间交互信息的融合，从轨迹数据中提取了更为丰富的信息，这样能够更有效的地对交通场景下目标的运动模式建模和预测，以获得更好的目标轨迹预测结果，并且能够并行的实现对观测区域内多个目标的轨迹预测，加快了轨迹预测速度。

附图说明

图1是本发明一具体实施方式中基于双重注意力机制的轨迹预测方法的流程示意图；

图2是本发明一具体实施方式中轨迹预测装置部分框架示意图；

图3是本发明一具体实施方式中图注意力网络提取相邻目标之间的空间交互信息的过程示意图；

图4是本发明一具体实施方式中门控激活模块的结构示意图；