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！

龙图腾网获悉浙江工业大学申请的专利一种基于时空融合的自适应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：CN119962721B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411965570.4，技术领域涉及：G06Q10/04；该发明授权一种基于时空融合的自适应行人轨迹预测方法是由蒋一波;周轲;陈伟杰设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于时空融合的自适应行人轨迹预测方法在说明书摘要公布了：一种基于时空融合的自适应行人轨迹预测方法，包括以下步骤：S1：提取不同场景中行人的时间位置特征向量，对信息进行预处理并构建源场景和目标场景的图结构；S2：实现领域特征的对齐，使用图卷积网络GCN和领域自适应技术，调整和整合源轨迹领域与目标轨迹领域之间的时空特征变化，从而完成特征对齐；S3：搭建时间主干网络，编码时间信息，与领域时空特征差异一同作为预测的重要要素，利用多头注意力机制实现时空特征的深度融合，通过自回归迭代实现高精度的行人轨迹预测。本发明有效提升模型的领域泛化能力，有效建模了长期运动模式并实现了预测轨迹的长期演化，使得模型能够自适应调整以应对不同场景间的潜在轨迹差异性。

本发明授权一种基于时空融合的自适应行人轨迹预测方法在权利要求书中公布了：1.一种基于时空融合的自适应行人轨迹预测方法，其特征在于，所述方法包括以下步骤： S1：提取不同场景中行人的时间位置特征向量，对信息进行预处理并构建源场景和目标场景的图结构； S2：实现领域特征的对齐，使用图卷积网络GCN和领域自适应技术，调整和整合源轨迹领域与目标轨迹领域之间的时空特征变化，从而完成特征对齐； S3：搭建时间主干网络，编码时间信息，与领域时空特征差异一同作为预测的重要要素，利用多头注意力机制实现时空特征的深度融合，通过自回归迭代实现高精度的行人轨迹预测； 所述S1中，若场景中包含N名行人，每位行人在任意时刻t的位置表示为，其中为从鸟瞰视角记录的行人i在时刻t的二维坐标，整个时间范围内的总序列长度定义为，已观测的时间段为到，每个时间步t的观察数据被抽象为一个图，其中包含顶点、边和相关特征，针对不同轨迹场景，即源领域和目标领域，分别构建专属的图和，以刻画特定领域内的行人交互特性； 图中，顶点集合表示t时刻N名行人的位置，顶点记录了个体的空间位置，是分析其轨迹和运动模式的基础，边集合描述了行人i和j之间的交互关系，通过边，模型能够揭示行人运动在群体环境中的相互影响，同时，模型为每位行人定义了特征向量，构成特征集合，特征向量表示时间t时行人i的运动特征，其计算公式为： ； 其中,W是权重矩阵，是ReLU激活函数，行人之间的互动关系通过邻接矩阵来描述，矩阵中的元素表示为： ； 根据两者之间的空间距离对交互强度进行归一化处理； 所述S2的过程如下： S2.1：采用图卷积网络来提取轨迹图中的时空特征； 对于源轨迹域和目标轨迹域，利用空间GCN在各自邻近节点的信息聚合，生成初步的特征表示，输入的轨迹图分别为源域和目标域，在任意时刻t，轨迹图由两个关键部分组成：归一化邻接矩阵和次矩阵，定义如下： ； 其中，是加权邻接矩阵，的对角次矩阵，E是单位矩阵；在观测周期内，将邻接矩阵和次矩阵按时间顺序叠加： 在GCN的第层，该特征矩阵的形式为： 其中，N为行人数，表示特征维度，是观测的时间步数，接下来，GCN利用以下传播规则对每一层的特征进行更新： ； 其中，代表第l层的可学习权重矩阵，是非线性激活函数，GCN设计为三层结构，，每一层都在前一层提取的特征基础上，逐步整合更大范围的空间邻域以及更长时间尺度的上下文信息，随后，利用TCN建模行人时间依赖性，为了稳定特征传播，加入残差连接机制，将优化特征与原始输入结合，最终，生成源领域和目标领域的域特征和； S2.2：将生成的两个领域特征进行对齐，以减少领域间的差异导致的预测影响； 针对领域中的每个行人i计算注意力得分，让模型能够基于特征在领域中的重要程度，对其进行加权处理，注意力得分的计算公式如下： ； 其中，表示领域r中行人i的特征向量，参数和是可学习参数，用于自适应地调整特定领域的注意力得分，在得到注意力得分后，对每个领域中的特征进行加权聚合，领域r的聚合特征定义为： ； 通过对特征向量的相关性进行加权聚合，提取出每个领域的核心特征，随后，为对齐源领域和目标领域的特征表示，模型将聚合特征表示和进行差值比较，输出领域特定的特征差异。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18号；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”。

以上内容由龙图腾AI智能生成。