摘 要 行人轨迹预测旨在利用观察到的人类历史轨迹和周围环境信息来预测目标行人未来的位置信息，该研究具有重要的应用价值，可以降低自动驾驶车辆在社会交互下的碰撞风险。然而，传统的模型驱动的行人轨迹预测方法难以在复杂高动态的场景下对行人进行轨迹预测。相比之下，数据驱动的行人轨迹预测方法依靠大规模数据集平台，可以更好地捕捉和建模更复杂的行人交互关系，进而取得较精准的行人轨迹预测效果，成为自动驾驶、机器人导航和视频监控等领域的研究热点。为了宏观把握行人轨迹预测方法的研究现状及关键问题，以行人轨迹预测技术和方法分类为切入点，首先，详述行人轨迹预测已有方法的研究进展并归纳了目前存在的关键问题与挑战；其次，根据行人轨迹预测模型的建模差异，将现有方法分为模型驱动和数据驱动的行人轨迹预测方法，同时总结了不同方法的优缺点及适用场景；然后，对行人轨迹预测任务中使用的主流数据集进行了归纳总结，并对比了不同算法的性能指标；最后，针对行人轨迹预测的未来发展方向进行了展望。
关键词 行人轨迹预测；数据驱动；社会交互；自动驾驶
0 引言
交通安全问题一直是当今社会关注的焦点问题，安全的道路环境是自动驾驶车辆在社会交互下行驶的必要条件。根据世界卫生组织（WHO）发布的《全球道路安全现状报告》，每年全球道路死亡人数已达到史无前例的135万人。其中，超过一半的事故受害者是弱势道路交通参与者（vulnerable road users，VRU），如道路行人、骑行者和摩托车驾驶者等。因此，对VRU群体的道路行驶安全问题需要重点关注。另外，行人作为交通场景中的重要参与者，是交通事故中最大的受害者，对其未来运动轨迹进行合理的推理及预测，对于自动驾驶决策规划和道路