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。
