王爱兵， 刘亚朋， 夏 辉， 罗 磊

(1.河北交通职业技术学院 汽车工程系，河北 石家庄 050035；2.河北劳动关系职业学院 信息科学与工程系，河北 石家庄 050002)

行人的运动轨迹数据对于交通安全、智能机器人导航等领域具有十分重要的价值和意义.要对行人的运动轨迹进行研究，应采集行人的各项数据并对数据进行离线分析，在充分了解行人的行为及周围环境的具体情况后，再给出合理的决策分析结果[1].而根据行人在过去时刻的具体运动轨迹，预测出未来时刻的运动轨迹是存在一定困难的[2]，这是由于行人在运动过程中具有一定的随机性，因此在相应的预测任务中生成一条精确的轨迹是不可能的.每个行人并不是单独存在的个体，文献[3]表明，七成以上的行人更倾向于成群行走或在同一个空间下交互行走.而这些均会增加行人轨迹预测的难度.

轨迹相似度是在轨迹模式匹配的过程中，结合轨迹对应位置的匹配原则，来计算当前轨迹与历史轨迹的相似程度，再根据相似度的阈值判定来得出轨迹预测结果的[4].轨迹相似度的应用十分广泛，如语音识别分类、模板匹配、信息检索等方面.在实际应用中，通过轨迹相似度可以更加准确地预测出移动目标的未来运动轨迹.因此，将轨迹相似度引入行人轨迹预测中，可以增加预测结果的准确度.

1 社会关系影响下的行人轨迹建模

将对行人轨迹的预测问题归类为对序列的决策问题.一个独立……