行人意图预测是指自动驾驶系统通过分析行人的运动状态、姿态、视线方向等行为特征，结合环境上下文信息，对其未来可能采取的行动进行预判的智能技术。这项技术的核心在于理解行人微观行为与宏观路径之间的关联性，例如通过步态变化判断行人是否准备横穿马路，或通过头部转动预测其注意力方向。在技术实现上，通常融合了计算机视觉、行为模式识别和时空轨迹预测等多种算法模块。
对于自动驾驶产品开发而言，精准的行人意图预测能显著提升系统预判能力，将反应时间提前0.5-2秒。实际应用中需特别注意不同文化背景下的行为差异，例如中国式过马路特有的群体行进特征。当前最前沿的研究正尝试结合图神经网络与社会力模型，以更好地建模行人之间的社交互动影响。值得推荐的经典文献包括《Predicting Pedestrian Crossing Intention with Feature Fusion and Spatio-Temporal Attention》（IEEE T-IV 2022），该论文提出了融合多模态特征的时空注意力预测框架。