1.基于空间感知的智能公共空间交互设计方法，其特征在于，该方法包括以下步骤：在公共空间内通过多源传感器实时采集数据，并采用LIO‑SAM算法进行融合，得到多源融合数据；

对多源融合数据采用MaskR‑CNN模型进行语义分割，并构建三维动态空间模型；

基于Social‑STGCNN‑Transformer网络构建行为预测模型，基于多源融合数据预测人员未来的行为趋势，得到用户行为分析结果；

根据三维动态空间模型和用户行为分析结果，生成智能交互策略，并将智能交互策略通过公共空间内的交互设备进行执行；

获取反馈数据，并基于反馈数据采用多目标贝叶斯优化算法对智能交互策略进行评估和优化；

所述在公共空间内通过多源传感器实时采集数据，并采用LIO‑SAM算法进行融合，得到多源融合数据，包括：在公共空间内通过多源传感器实时采集数据，将采集到的数据进行时间戳对齐预处理；

将激光雷达提取的特征点与地图进行匹配，得到激光雷达位姿的约束信息，形成激光雷达因子；

根据IMU数据计算得到的位姿信息，以及相邻时刻位姿之间的关系，构建IMU因子；

在每次迭代中，根据当前的位姿估计值，重新计算激光雷达因子和IMU因子的误差，不断调整因子图中节点的位姿估计值，最小化激光雷达点云配准误差和IMU惯性测量误差，得到多源融合数据。

2.如权利要求1所述的基于空间感知的智能公共空间交互设计方法，其特征在于，所述LIO‑SAM算法基于因子图优化框架，其中因子图由节点和边组成，节点代表包含激光雷达位姿和IMU位姿的变量，边代表变量之间的约束关系。

3.如权利要求1所述的基于空间感知的智能公共空间交互设计方法，其特征在于，所述对多源融合数据采用MaskR‑CNN模型进行语义分割，并构建三维动态空间模型，包括：将多源融合数据输入MaskR‑CNN模型中，通过卷积神经网络对多源融合数据进行特征提取，利用区域建议网络生成可能包含目标的候选区域；

通过ROIAlign层对候选区域进行特征对齐，以对每个目标的分类、边界框回归和掩码预测，得到语义分割结果；

基于语义分割结果，结合激光雷达点云数据的三维坐标信息，运用三维建模技术构建三维动态空间模型。

4.如权利要求1所述的基于空间感知的智能公共空间交互设计方法，其特征在于，所述基于Social‑STGCNN‑Transformer网络构建行为预测模型，基于多源融合数据预测人员未来的行为趋势，得到用户行为分析结果，包括：将多源融合数据进行预处理，提取人员的运动特征，以及人员之间的相对位置关系，构建时空图；

将时空图输入行为预测模型，时空图卷积层对时空图进行特征提取，捕捉人员行为在空间和时间维度上的局部特征；

Transformer层通过多头注意力机制，对不同人员之间的长距离依赖关系进行建模，学习人员之间的社交交互模式；

通过行为预测模型预测人员未来10秒‑30秒内的行为趋势，输出用户行为分析结果，其中行为趋势包括移动方向、停留概率和与他人交互可能性。

5.如权利要求1所述的基于空间感知的智能公共空间交互设计方法，其特征在于，所述根据三维动态空间模型和用户行为分析结果，生成智能交互策略，并将智能交互策略通过公共空间内的交互设备进行执行，包括：将公共空间内不同的交互对象设定为多个智能体，基于三维动态空间模型和用户行为分析结果，为每个智能体构建状态空间；

基于多层感知机构建策略网络，策略网络以智能体的状态空间作为输入，输出在当前状态下各个可能动作的概率分布；

智能体根据策略网络输出的动作概率分布，采用贪心选择选取一个动作执行，当所有智能体都选择并执行动作后，构成联合动作，公共空间产生相应的奖励信号；

基于获得的奖励信号和状态信息，采用近端策略优化对智能体的策略网络进行优化，每个智能体的策略网络输出的动作选择策略，整合得到智能交互策略。

6.如权利要求1所述的基于空间感知的智能公共空间交互设计方法，其特征在于，所述获取反馈数据，并基于反馈数据采用多目标贝叶斯优化算法对智能交互策略进行评估和优化，包括：通过交互设备获取反馈数据，构建目标函数的概率模型，通过不断采样和评估新的智能交互策略，逐步找到最优的策略组合，使多个优化目标达到平衡，其中优化目标至少包括用户满意度、空间使用效率和交互响应速度。

7.基于空间感知的智能公共空间交互设计系统，其特征在于，该系统包括：

采集模块，用于在公共空间内通过多源传感器实时采集数据，并采用LIO‑SAM算法进行融合，得到多源融合数据：在公共空间内通过多源传感器实时采集数据，将采集到的数据进行时间戳对齐预处理；将激光雷达提取的特征点与地图进行匹配，得到激光雷达位姿的约束信息，形成激光雷达因子；根据IMU数据计算得到的位姿信息，以及相邻时刻位姿之间的关系，构建IMU因子；在每次迭代中，根据当前的位姿估计值，重新计算激光雷达因子和IMU因子的误差，不断调整因子图中节点的位姿估计值，最小化激光雷达点云配准误差和IMU惯性测量误差，得到多源融合数据；

构建模块，用于对多源融合数据采用MaskR‑CNN模型进行语义分割，并构建三维动态空间模型；

预测模块，用于基于Social‑STGCNN‑Transformer网络构建行为预测模型，基于多源融合数据预测人员未来的行为趋势，得到用户行为分析结果；

执行模块，用于根据三维动态空间模型和用户行为分析结果，生成智能交互策略，并将智能交互策略通过公共空间内的交互设备进行执行；

优化模块，用于获取反馈数据，并基于反馈数据采用多目标贝叶斯优化算法对智能交互策略进行评估和优化。

8.一种基于空间感知的智能公共空间交互设计设备，其特征在于，所述基于空间感知的智能公共空间交互设计设备包括存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于空间感知的智能公共空间交互设计设备执行如权利要求1‑6中任一项所述的基于空间感知的智能公共空间交互设计方法的各个步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1‑6中任一项所述基于空间感知的智能公共空间交互设计方法的各个步骤。