买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海智能网联汽车技术中心有限公司;上海交通大学申请的专利一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114462667B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111566614.2，技术领域涉及：G06Q10/04；该发明授权一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法是由张希;殷承良;赵柏暄;陈浩;林一伟;秦超;张宇超;高瑞金设计研发完成，并于2021-12-20向国家知识产权局提交的专利申请。

本一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法在说明书摘要公布了：本发明涉及一种基于SFM‑LSTM神经网络模型的过街行人轨迹预测方法，该方法包括以下步骤：步骤1：获取过街行人运动状态信息、个体特征信息和人车交互场景信息；步骤2：进行数据预处理和数据增强，建立行人轨迹数据集；步骤3：建立并训练LSTM神经网络模型；步骤4：通过训练后的LSTM神经网络模型获取过街行人的预测轨迹；步骤5：采用最大似然估计法对社会力模型进行参数标定；步骤6：根据社会力模型对预测轨迹进行修正，并输出过街行人的最优预测轨迹；步骤7：将最优预测轨迹广播至附近的车辆，以协助智能网联车辆进行决策，与现有技术相比，本发明具有提高行人过街的安全性、降低车辆的延误率和提高道路的通行能力等优点。

本发明授权一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法在权利要求书中公布了：1.一种基于SFM-LSTM神经网络模型的过街行人轨迹预测方法，其特征在于，该方法包括以下步骤： 步骤1：通过多传感器进行数据采集，以获取过街行人运动状态信息、个体特征信息和人车交互场景信息； 步骤2：进行数据预处理和数据增强，建立行人轨迹数据集； 步骤3：建立LSTM神经网络模型，基于行人轨迹数据集对LSTM神经网络模型进行训练； 步骤4：通过训练后的LSTM神经网络模型获取在未来第一预设时长内过街行人的预测轨迹； 步骤5：采用最大似然估计法对社会力模型进行参数标定； 步骤6：通过社会力模型对LSTM神经网络模型的预测轨迹进行修正，并输出第一预设时长内过街行人的最优预测轨迹； 步骤7：将最优预测轨迹广播至附近的车辆，以协助智能网联车辆进行决策； 所述的步骤5中，采用最大似然估计法对社会力模型进行参数标定的过程具体包括以下步骤： 步骤501：获取行人轨迹数据集中的初始条件下过街行人的真实轨迹； 步骤502：设置同样的初始条件，给定社会力模型参数一个初值； 步骤503：通过真实轨迹和预测轨迹的差异构造最大似然函数，二维正态分布的极大似然函数为： 其中，θ为参数向量，Ab表示斑马线边界力-强度系数，Bb表示斑马线边界力-距离系数，Ap表示行人间作用力-强度系数，Bp表示行人间作用力-距离系数，Av表示车辆对行人影响力-强度系数，Bv表示车辆对行人影响力-距离系数，表示x方向轨迹修正权重，表示y方向轨迹修正权重，pit为第i个行人经过社会力模型修正后的预测轨迹，Δpit＝pit+1-pit为从t时刻到t+1时刻的过街行人的预测位移，μ为均值向量，∑p为协方差矩阵，pit、Δpit和μ均为关于θ的函数； 步骤504：假设所有用以参数标定的真实轨迹中，共有N个过街行人，而对于每个过街行人的轨迹，时间长度为M，则总的极大似然函数的表达式为： 其中，M为预设的时间长度，N为过街行人的数量； 步骤505：通过最大似然估计法进行不断迭代，最终完成社会力模型参数的标定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海智能网联汽车技术中心有限公司;上海交通大学，其通讯地址为：201499 上海市奉贤区金海公路6055号22幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。