基于时空图注意力网络的跳高轨迹预测

作     者：钟亦强 尚维 石坚 程燕 苑廷刚 ZHONG Yi-qiang;SHANG Wei;SHI Jian;CHENG Yan;YUAN Ting-gang

作者机构：中国科学院数学与系统科学研究院北京100190 中国科学院大学管理决策与信息系统实验室北京100190 国家体育总局体育科学研究所北京100061 

出 版 物：《数学的实践与认识》 (Mathematics in Practice and Theory)

年 卷 期：2022年第52卷第5期

页      面：64-73页

学科分类：0403[教育学-体育学] 12[管理学] 04[教育学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家体育总局体育科学研究所(基本20-35课题) 

主　　题：图注意力网络 长短时记忆网络 跳高轨迹位置预测 时空信息 

摘      要：跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.