1、针对传统轨迹预测算法无法深度挖掘行人步行意图信息，无法提前预测行人轨迹，导致无人驾驶汽车主动避碰算法、道路行人图像信息和位置信息存在缺陷的问题通过车载传感器获取道路行人的行为特征，基于卷积神经网络识别道路行人的行为特征，分析其步行意图。使用卡尔曼滤波算法得到状态估计的预测值，结合行人主观意图进行修正，输出符合行人主观意图的预测轨迹。通过行人车辆交叉口的特征，建立不同行人轨迹类别的估计安全距离模型，并基于道路对行人轨迹进行预测，结果表明当行人行为特征发生变化时，基于行为特征的行人轨迹预测算法分析可以提前预测行人轨迹变化，有效保证道路行人的安全。
2、所提出的轨迹特征分类可以更好地描述混合环境中的人车相交。主动避撞算法不仅提高了行人和无人驾驶车辆的行车安全，还保证了制动减速过程的顺畅和车流的畅通，道路行人安全逐渐成为人们关注的热点。传统的行人安全保障主要通过车身吸能材料减少碰撞伤害的被动行人保护系统来实现。然而，单纯的被动式行人保护系统还不足以充分保障行人安全。因此，基于多传感器检测的主动防撞系统应运而生。安全距离模型主要包括基于制动过程的安全距离模型和基于车头时距的安全距离模型，广泛应用于主动避碰算法中。
3、然而，由于行人步行意图的主观能动性，轨迹存在风险转移的可能性，具有潜在的突发性交通事故风险，现有的安全距离模型对人与人混合环境下潜在交通事故的轨迹存在一定的局限性。和车辆。提出了人车混合环境中由于人的运动轨迹变化而导致潜在碰撞事故的概念。通过卷积神经网络识别道路行人的动作特征，以行人过马路的身体动作特征作为判断步行意图的依据，分析了影响车辆驾驶的三种行人车辆轨迹的交叉点，包括大部分道路可能的行人轨迹变化特征。基于卡尔曼滤波算法，综合考虑道路行人的运动特性，提出了一种基于动作特征分析的行人轨迹预测方法。
4、该算法基于对行人轨迹位置点的连续预测，结合行人步行意图，预测动态系统的最优状态，得到符合行人主观意图的最优轨迹，提供实时有效的行人行人主动避碰算法的轨迹信息。 分析人车混合环境下的交通事故风险，根据人车交叉点建立估计的安全距离模型。测试结果表明，所提出的行人主动避碰算法能够有效保证道路行人的安全，能够保证制动减速过程的平稳性和交通流的平稳性。