应用DBSCAN算法简化人群预测的方法分析
摘要：行人的预测直接影响到自动驾驶系统的安全性和可靠性，尤其是密集人群场景的行人预测。传统的人群预测方法通过对人群进行优先级分类，再按照不同优先级对行人逐个预测。但是，在密集人群场景，因为预测目标较多，即使正确划分了优先级，单纯依靠这种方法也会带来很大的处理时延。使用空间密度聚类（Density-Based Spatial Clustering of Applications with Noise， DBSCAN）算法对密集人群场景进行分析，选择合理的聚类算法参数，在聚类结果的基础上，结合传统优先级分类算法，简化人群的处理，并提出多线程并行处理的方法，以提高聚类算法的效率。（剩余6632字）