杨文彦，张 希，陈 浩，金文强

(上海交通大学 机械与动力工程学院，上海 200240)

0 引言

行人是重要的交通参与者，由于缺乏外界保护，行人也是交通参与者中最为弱势的群体，除此之外，行人的运动特性与过街时的行为特征复杂多变，在人车混行的路口，面对来车，行人可能采取加速前行或止步避让等不同的行动[1]。人类驾驶员可相对容易地判断出行人的意图，进而选择继续行驶或是停车避让，而自动驾驶场景下，仅通过传感器检测、跟踪难以得出行人下一步的运动轨迹，如果只要检测到有行人就停下避让，在一些场景下可能使车辆的控制过于保守，影响通行的效率，而错误的判断则可能造成人车相撞导致行人伤亡的惨剧。研究表明，当车辆以50 km/h的速度行驶时，提前0.16 s进行制动，可使人员伤亡的概率降低15%[2]，由此可见，为自动驾驶汽车建立行人轨迹预测模型，对可能与车辆产生交互的行人的运动轨迹进行预测，能够给自动驾驶汽车的控制预留时间，提高安全性与通行效率。

国内外学者已经开展了一些行人轨迹预测的相关研究，包括基于多重环境的行人过街行为预测模型[3]；基于动态贝叶斯网络(Dynamic Bayesian Network，DBN)的概率预测模型[4];基于马尔可夫链，考虑行人个性和过去行为状态的预测模型[5]；分析行人微观动力学特性的社会力模型(Social Force Model)[6]等。社会力模型由Dirk Helbing和Peter Molnar提出，将行人与外界空间的相互作用量化为引力和斥力，此后许多学者在此基础之上对社会力模型做出了改进，例如由单个行人拓展到人群[7]，考虑行人的路径选择[8]等，并将其运用到轨道交通行人流仿真[9]、人群疏散[10]、信号灯控制下路口行人过街仿真[11]等领域。……