一种基于LSTM网络的船舶轨迹预测方法技术

本发明专利技术提供一种基于LSTM网络的船舶轨迹预测方法，包括下列步骤：建立交互感知神经网络，提取交互感知加速度建立Conv

【技术实现步骤摘要】
一种基于LSTM网络的船舶轨迹预测方法


[0001]本专利技术涉及船舶轨迹预测
，尤其涉及一种基于LSTM网络的船舶轨迹预测方法。

技术介绍

[0002]船舶航行是一个连续的过程，AIS系统却并不是连续的发送数据，而是以一定的时间间隔发送报文信息，通常用于研究的航行数据是一个个离散的轨迹点信息，构成了离散的时间系列。基于AIS数据格式，船舶运动轨迹的研究大体分为两种方式：以航迹点为研究对象及以航线为研究对象。以航迹点为研究对象一般会采用网格划分的方式，将研究水域进行空间切割，对每个网格内的船舶轨迹点的特征数据(经纬度、航速及偏航角)进行分析，用建模的方式探寻该区域船舶行为规律。然而将轨迹点作为研究对象有两个缺点：1、网格的大小影响模型的性能，若网格划分过大，网格内的轨迹点数目增多，只能得到概括性信息，丢失局部特征信息；若网格划分过小，则网格数目增多，会增加计算复杂度。2、忽略了邻近轨迹点之间的关联性，且没有考虑轨迹序列的时序相关性。相比于轨迹点作为研究对象，更多的研究选择以航线作为研究对象，但完成的航迹线过长导致在建模过程中容易丢失大量局本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM网络的船舶轨迹预测方法，其特征在于，包括下列步骤：获取AIS原始数据，对所述AIS原始数据进行预处理，获得AIS数据集，所述AIS数据集包括船舶行驶的轨迹点；建立交互感知神经网络，将所述AIS数据集输入所述交互感知神经网络，提取船舶在时间戳t处的交互感知加速度建立Conv
‑
LSTM网络，将第1秒至第t秒的交互感知加速度以及AIS数据集导入所述Conv
‑
LSTM网络进行学习训练，使所述Conv
‑
LSTM网络输出船舶在第t+1秒的第一预测轨迹点P
t1
；建立运动层，将所述交互感知加速度输入运动层中，使所述运动层输出船舶在第t+1秒的第二预测轨迹点P
t2
；对所述第一预测轨迹点P
t1
、第二预测轨迹点P
t2
进行加权融合，获得第三预测轨迹点P
t3
；计算第一预测轨迹点P
t1
与实际轨迹点之间的第一均方根误差，计算第二预测轨迹点P
t2
与实际轨迹点之间的第二均方根误差，计算第三预测轨迹点P
t3
与实际轨迹点之间的第三均方根误差；对所述第一均方根误差、第二均方根误差、第三均方根误差进行归一化，对所述归一化后的第一均方根误差、第二均方根误差、第三均方根误差进行比较，选择数值小的值作为最优预测轨迹点。2.根据权利要求1所述的一种基于LSTM网络的船舶轨迹预测方法，其特征在于，在获取AIS原始数据，对所述AIS原始数据进行预处理时，包括：选定AIS数据中的经度、纬度、航速、偏航角、时间以及位置作为与船舶轨迹相关的AIS原始数据；采用线性插值的方法对AIS原始数据进行插值及修正，获得AIS数据集。3.根据权利要求1所述的一种基于LSTM网络的船舶轨迹预测方法，其特征在于，所述交互感知神经网络包括卷积层、全连接层、编码器LSTM、解码器LSTM，所述卷积层作为社会张量提取器，所述全连接层作为社会特征的混合器，所述编码器LSTM用于实现深度特征的合并，所述解码器LSTM用于输出船舶在时间戳t处的交互感知加速度其...

【专利技术属性】
技术研发人员：束锋，占习超，毋媛媛，冯思玲，黄梦醒，董榕恩，王雪辉，揭琦娟，孙钟文，丁耀晖，张鹏，
申请(专利权)人：海南大学，
类型：发明
国别省市：