【技术实现步骤摘要】
一种船舶运动轨迹实时预测方法
[0001]本专利技术属于船舶导航定位和海事信息安全领域，更具体地，涉及一种基于AIS数据的船舶运动轨迹实时预测方法。
技术介绍
[0002]船舶自动识别系统(Automatic Identification System，AIS)能够实现VHF覆盖范围以内的船与岸、船与船之间关于船位、航速、船名、MMSI等重要信息的自动交换，作为一种海事导助航系统，可以有效减少船舶碰撞事故。由于本身开放式数据传输特点，AIS接收到的周围船舶信息总是存在一定延时性。
[0003]公告号为CN111027459A的专利公开了一种船舶轨迹预测的方法，利用遥感卫星预设时间频率采集相应区域图像并建立基于遥感图像的船舶运动轨迹预测模型。公告号为CN107170295A的专利公开了一种船舶失控运动轨迹预测及概率风险分析方法，适用于短时间内无动力的船舶轨迹预测研究。公告号CN111565430A的专利提出一种基于历史轨迹数据的置信度模型来预测船舶轨迹。公告号CN109856625A的专利公布一种基于多源数据融合的船舶...
【技术保护点】
【技术特征摘要】
1.一种基于AIS数据的船舶运动轨迹实时预测方法，其特征在于，包括：(1)从AIS历史数据中提取船舶特征信息，根据船舶特征信息得到船舶运动轨迹，船舶运动轨迹包括船舶运动信息的初始轨迹时间序列，将船舶运动信息的初始轨迹时间序列进行结构化处理，消除AIS异常轨迹，并转换成连续稳定的目标轨迹时间序列作为LSTM网络模型输入；(2)构建以LSTM为核心的自定义LSTM神经网络模型，通过结构化处理后的目标轨迹时间序列对神经网络模型进行训练学习，以通过训练后的神经网络模型预测目标船舶在未来时段内的运动轨迹。2.根据权利要求1所述的船舶运动轨迹实时预测方法，其特征在于，所述船舶特征信息包括船舶方位的经纬度坐标、船舶的航向、船舶的航度、船舶的船型及船舶的吨位。3.根据权利要求2所述的船舶运动轨迹实时预测方法，其特征在于，步骤(1)包括：(1.1)从AIS历史数据中提取船舶特征信息，根据船舶特征信息得到船舶运动轨迹，其中，船舶运动轨迹包括船舶运动信息的初始轨迹时间序列；(1.2)对初始轨迹时间序列中的数据进行异常过滤，其中，异常过滤包括对初始轨迹时间序列中的误差数据和重复数据进行过滤，误差数据过滤包括去除因为定位误差导致的轨迹点，重复数据过滤包括对长时间停止运行的轨迹点进行合并；(1.3)对过滤后的初始轨迹时间序列中的数据进行插值补全，其中，插值补全包括将过滤后的初始轨迹时间序列中的不连续的或者丢失的AIS数据通过插值方式转换成具有固定时间间隔周期的目标轨迹时间序列。4.根据权利要求3所述的船舶运动轨迹实时预测方法，其特征在于，步骤(1.2)包括：计算初始轨迹时间序列中轨迹停留点之间的平均时间和平均距离，结合船舶驾驶速度的上限，获取预设时间段内船舶行驶距离的上限，消除初始轨迹时间序列中明显定位误差的轨迹点。5.根据权利要求4所述的船舶运动轨迹实时预测方法，其特征在于，步骤(1.3)包括：通过K
‑
Modes算法的轨迹间距离聚类算法，对过滤后的初始轨迹时间序列中的数据进行插值补全，在确定K值的基础上，计算样本与聚类中心的距离，按照距离平方和最小原则将样本聚簇进行归属划分，确定每一组的众数，利用各组的众数来补全处于该聚类中的缺失轨迹点坐标。6.根据权利要求4所述的船舶运动轨迹实时预测方法，其特征在于，步骤(1.2)包括：假设轨迹点X
i
、X
j
、X
k
是初始轨迹时间序列中连续三个轨迹点，所对应的时间分别为t
i
、t
j
、t
k
，定义轨迹点X
i
和X
j
之间的时间间隔为Δt1＝t
j
‑
t
i
，距离间隔为Δd1，定义轨迹点X
k
和轨迹点X
j
之间的时间间隔为Δt2＝t
k
‑
t
j
，距离间隔为Δd2；已知指定航行区域内船速最大值为V
max
，如果Δd1、Δd2满足：Δd1＞Δt1*...
【专利技术属性】
技术研发人员：元海文，王知昊，肖长诗，李永帅，王艳锋，程莉，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。