人群轨迹预测是指在给定场景中一段历史时期行人运动轨迹和场景信息的情况下,预测未来一段时期这些行人的运动轨迹。人群轨迹预测在许多方面都有重要应用,比如自动驾驶,机器人导航和智能交通系统。自动驾驶车辆和机器人在行进过程中一个很重要的任务是分析道路上其他使用者的运动意图和倾向,尤其是分析处于弱势地位的行人的运动倾向,从而避免可能发生的碰撞事故。人群轨迹预测问题的难点主要包含三个部分。一是行人之间的运动交互会影响互相的运动轨迹,所以预测目标行人的运动需要同时考虑周围其他人的运动。此外,周围不同行人对目标行人的影响是不同的,而且这种影响是动态变化的,因此很难用简单的规则建模行人之间的运动影响。二是行人运动会受到周围场景的影响,行人会走在道路上,尽量避免践踏草坪,行人也不会碰撞建筑物,而且行人会红灯停绿灯行,想去开车的人还会朝着车辆走去,因此,周围场景的影响也相当重要。三是因为在进行轨迹预测时行人的目标和心理状态等众多因素未知,所以针对每一条历史轨迹,都会有多条可能的未来轨迹是合理的,即轨迹预测是一个多模态问题。论文围绕人群轨迹预测问题展开研究。首先,针对现有人群轨迹预测方法评价体系的不足,提出新的定量评价方法,除轨迹的准确度外还考虑轨迹的合理性。本文使用平均碰撞次数（average collision times,ACT）指标统计预测轨迹的碰撞情况,并作为轨迹合理性的考量。其次,为了充分考虑行人之间的运动交互及其影响,减少预测轨迹的碰撞,提出了一个基于注意力机制和生成对抗网络的模型。它的注意力机制在每个预测时刻直接从行人之间的相对距离和相对速度出发推断每个行人对于目标行人的运动交互重要性。受到PixelGAN和PatchGAN的启发,本文对模型的判别器进行了优化。实验结果表明,在ETH-UCY数据集上CoL-GAN的ACT-avg指标比STGAT下降了 17.917%,ADE（average displacement error）下降了 1.845%。最后,针对行人较多、交互频繁、预测时间长的场景（如PEDWALK数据集场景）,提出了一个基于图卷积神经网络的模型。为了能更好地建模行人运动交互过程,该模型将行人运动交互过程建模成为了一个多层次时空有向图。通过将不同距离范围的行人划分到图的不同层次,差异化建模不同距离范围内行人的交互影响。此外,时空有向图不仅可以建模行人交互的时空特性,还建模了行人互相影响的非对称性。实验证明,该模型在PEDWALK数据集上取得了比STGAT 低 7.765%的 ADE,低 4.172%的 FDE（final displacement error）。