跨域海事搜救对象轨迹弥补方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种跨域海事搜救对象轨迹弥补方法、系统、装置和存储介质，该方法包括：获取包括带有时间标签的漂流轨迹坐标信息和洋流轨迹状态信息的历史轨迹数据；选取设定时间段的历史轨迹数据生成训练集；利用训练集对时空图神经网络模型进行训练以拟合历史时刻的漂流轨迹坐标信息和未来时刻的漂流轨迹坐标信息的映射关系，时空图神经网络模型设置有注意力机制；将搜救对象的历史时刻漂流轨迹坐标信息和洋流轨迹状态信息输入时空图神经网络模型，获取搜救对象的未来时刻漂流轨迹坐标信息预测结果。本发明专利技术通过借助先验的历史轨迹数据信息训练基于注意力机制的时空图神经网络模型，能够对缺失的搜救对象的轨迹信息进行预测和弥补。预测和弥补。预测和弥补。

【技术实现步骤摘要】
跨域海事搜救对象轨迹弥补方法、系统、装置和存储介质


[0001]本专利技术涉及海域搜救
，尤其涉及一种跨域海事搜救对象轨迹弥补方法、系统、装置和存储介质。

技术介绍

[0002]随着全球一体化进程的推进及海上运输和海洋开发规模的不断扩大，海事活动越来越频繁，海难事故发生频次也越来越多。海难事故在政治、经济、军事等各个层面都会给国家带来巨大灾难，在人员伤亡和财产损失的同时，还会给社会发展带来不良影响。因此，海事搜救工作越来越受到各沿海国家的重视，对于快速发展的海上运输业等行业，高效的海上搜救行动能够给人员及财产的安全提供不可替代的保障作用。
[0003]目前，在落水失事人员信号丢失后而导致其移动位置难以准确定位时，海上搜救指挥系统主要依靠卫星定位来确定搜救对象的漂流轨迹，而在卫星定位系统信号较弱或无法进行卫星定位的区域时，则搜救工作只能依赖于搜救指挥人员的经验直觉来预测搜救对象的漂流轨迹，导致搜救对象的漂流轨迹无法准确地被预报，严重影响了搜救指挥与协调工作的效率，贻误最佳的搜救时机。

技术实现思路

[0004]为解决上述现有技术中存在的部分或全部技术问题，本专利技术提供一种跨域海事搜救对象轨迹弥补方法、系统、装置和存储介质。
[0005]本专利技术的技术方案如下：
[0006]第一方面，提供了一种跨域海事搜救对象轨迹弥补方法，所述方法包括：
[0007]获取包括带有时间标签的漂流轨迹坐标信息和洋流轨迹状态信息的历史轨迹数据；
[0008]选取设定时间段的历史轨迹数据生成训练集；
[0009]利用训练集对时空图神经网络模型进行训练以建立漂流轨迹与洋流轨迹的邻接关系，以及拟合历史时刻的漂流轨迹坐标信息和未来时刻的漂流轨迹坐标信息的映射关系，其中，时空图神经网络模型设置有注意力机制；
[0010]将搜救对象的历史时刻漂流轨迹坐标信息和洋流轨迹状态信息输入时空图神经网络模型，获取搜救对象的未来时刻漂流轨迹坐标信息预测结果。
[0011]在一些可能的实现方式中，所述时空图神经网络模型包括轨迹编码子模块、图特征提取层、图结构生成子模块、数据处理子模块和轨迹解码子模块；
[0012]所述轨迹编码子模块用于对历史轨迹数据中包含的所有轨迹的运动模式进行建模处理，以获取轨迹编码矩阵；
[0013]所述图特征提取层采用基于注意力机制的节点分类层，所述图特征提取层的输入和输出分别连接所述轨迹编码子模块和所述图结构生成子模块，所述图特征提取层用于根据每个轨迹节点在邻轨迹节点上的注意力权重对轨迹节点的轨迹编码矩阵进行融合更新；
[0014]所述图结构生成子模块用于根据所述图特征提取层输出的轨迹节点的轨迹编码矩阵对不同轨迹之间的时序关联性进行建模处理；
[0015]所述数据处理子模块用于对所述轨迹编码子模块输出的轨迹编码矩阵和所述图结构生成子模块的输出矩阵进行激活处理、连接处理和加噪处理；
[0016]所述轨迹解码子模块用于根据处理后的所述轨迹编码子模块输出的轨迹编码矩阵和所述图结构生成子模块的输出矩阵获取包括历史时刻和未来时刻的轨迹矩阵。
[0017]在一些可能的实现方式中，所述轨迹编码子模块包括至少一层双向递归型神经网络，所述双向递归型神经网络包括双向长短期记忆单元、或双向门限循环单元、或双向长短期记忆单元与双向门限循环单元的组合网络，所述轨迹编码子模块通过双向递归型神经网络对历史轨迹数据中包含的所有轨迹的运动模式进行建模。
[0018]在一些可能的实现方式中，对历史轨迹数据中包含的所有轨迹的运动模式进行建模处理，以获取轨迹编码矩阵，包括：
[0019]利用以下公式一对每个时刻的相邻时刻的位置进行差分运算，得到每个时刻的相对关联位置；
[0020][0021]其中，表示t时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标经度值，表示 t
‑
1时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标经度值，表示t时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标纬度值，表示t
‑
1时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标纬度值，表示第i条洋流轨迹节点或漂流轨迹节点在t时刻的相对关联位置；
[0022]利用以下公式二将每个时刻的相对关联位置嵌入到一个定长向量中；
[0023][0024]其中，表示第i条洋流轨迹节点或漂流轨迹节点在t时刻的相对关联位置信息与嵌入权重通过嵌入函数映射得到的关联矩阵，φ表示嵌入函数，W
ee
表示嵌入权重；
[0025]将预设长度的洋流轨迹节点或漂流轨迹节点合并作为定长序列，使定长序列作为双向递归型神经网络的输入，获取轨迹编码矩阵。
[0026]在一些可能的实现方式中，根据每个轨迹节点在邻轨迹节点上的注意力权重对轨迹节点的轨迹编码矩阵进行融合更新，包括：
[0027]根据输入轨迹节点的轨迹编码矩阵集，利用以下公式六进行自注意力加权处理；
[0028]e
ij
＝A(Wm
i
||Wm
j
)
ꢀꢀꢀꢀꢀ
公式六
[0029]其中，e
ij
表示第i条轨迹节点和第j条轨迹节点拼接加权后的轨迹编码矩阵，A表示一个的映射，W表示权值矩阵，m
i
表示第i条轨迹节点的轨迹编码矩阵，m
j
表示第j条轨迹节点的轨迹编码矩阵，表示实数集，F
′
表示新特征向量维度，轨迹节点包括洋流轨迹节点或漂流轨迹节点；
[0030]基于掩码式注意力机制，利用以下公式七将注意力分配到轨迹节点的邻轨迹节点
集上；
[0031][0032]其中，α
ij
表示第i条轨迹节点的轨迹编码矩阵在所有相邻轨迹节点上的权重，softmax
j
表示激活函数，用于将数据归一化，exp表示以自然常数e为底的指数函数，M＝[1,2,...,N]，N表示轨迹节点的轨迹编码矩阵集中的轨迹节点个数；
[0033]利用以下公式九获取轨迹节点的新轨迹编码矩阵；
[0034][0035]其中，m
′
i
表示图特征提取层输出的第i条轨迹节点的新轨迹编码矩阵，σ表示sigmod激活函数，用于将输出的轨迹编码矩阵映射到0～1之间，M
i
表示第i条轨迹节点的邻轨迹节点集。
[0036]在一些可能的实现方式中，所述图结构生成子模块根据所述图特征提取层输出的轨迹节点的轨迹编码矩阵，利用以下公式十三对不同轨迹之间的时序关联性进行建模处理；
[0037][0038]其中，表示t+1时刻下式结构生成子模块的输出矩阵，G_GRU表示对不同轨迹之间的时序关联性建模，表示t时刻下式结构生成子模块的输出矩阵，W
g
表示不同轨迹的时序权重矩阵，m
′
i,t
表示t时刻图特征提取层输出的第i条轨迹节点的新轨迹编码本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨域海事搜救对象轨迹弥补方法，其特征在于，包括：获取包括带有时间标签的漂流轨迹坐标信息和洋流轨迹状态信息的历史轨迹数据；选取设定时间段的历史轨迹数据生成训练集；利用训练集对时空图神经网络模型进行训练以建立漂流轨迹与洋流轨迹的邻接关系，以及拟合历史时刻的漂流轨迹坐标信息和未来时刻的漂流轨迹坐标信息的映射关系，其中，时空图神经网络模型设置有注意力机制；将搜救对象的历史时刻漂流轨迹坐标信息和洋流轨迹状态信息输入时空图神经网络模型，获取搜救对象的未来时刻漂流轨迹坐标信息预测结果。2.根据权利要求1所述的跨域海事搜救对象轨迹弥补方法，其特征在于，所述时空图神经网络模型包括轨迹编码子模块、图特征提取层、图结构生成子模块、数据处理子模块和轨迹解码子模块；所述轨迹编码子模块用于对历史轨迹数据中包含的所有轨迹的运动模式进行建模处理，以获取轨迹编码矩阵；所述图特征提取层采用基于注意力机制的节点分类层，所述图特征提取层的输入和输出分别连接所述轨迹编码子模块和所述图结构生成子模块，所述图特征提取层用于根据每个轨迹节点在邻轨迹节点上的注意力权重对轨迹节点的轨迹编码矩阵进行融合更新；所述图结构生成子模块用于根据所述图特征提取层输出的轨迹节点的轨迹编码矩阵对不同轨迹之间的时序关联性进行建模处理；所述数据处理子模块用于对所述轨迹编码子模块输出的轨迹编码矩阵和所述图结构生成子模块的输出矩阵进行激活处理、连接处理和加噪处理；所述轨迹解码子模块用于根据处理后的所述轨迹编码子模块输出的轨迹编码矩阵和所述图结构生成子模块的输出矩阵获取包括历史时刻和未来时刻的轨迹矩阵。3.根据权利要求2所述的跨域海事搜救对象轨迹弥补方法，其特征在于，所述轨迹编码子模块包括至少一层双向递归型神经网络，所述双向递归型神经网络包括双向长短期记忆单元、或双向门限循环单元、或双向长短期记忆单元与双向门限循环单元的组合网络，所述轨迹编码子模块通过双向递归型神经网络对历史轨迹数据中包含的所有轨迹的运动模式进行建模。4.根据权利要求3所述的跨域海事搜救对象轨迹弥补方法，其特征在于，对历史轨迹数据中包含的所有轨迹的运动模式进行建模处理，以获取轨迹编码矩阵，包括：利用以下公式一对每个时刻的相邻时刻的位置进行差分运算，得到每个时刻的相对关联位置；其中，表示t时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标经度值，表示t
‑
1时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标经度值，表示t时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标纬度值，表示t
‑
1时刻下第i条洋流轨迹节点或漂流轨迹节点的坐标纬度值，表示第i条洋流轨迹节点或漂流轨迹节点在t时刻的相对关联位
置；利用以下公式二将每个时刻的相对关联位置嵌入到一个定长向量中；其中，表示第i条洋流轨迹节点或漂流轨迹节点在t时刻的相对关联位置信息与嵌入权重通过嵌入函数映射得到的关联矩阵，φ表示嵌入函数，W
ee
表示嵌入权重；将预设长度的洋流轨迹节点或漂流轨迹节点合并作为定长序列，使定长序列作为双向递归型神经网络的输入，获取轨迹编码矩阵。5.根据权利要求4所述的跨域海事搜救对象轨迹弥补方法，其特征在于，根据每个轨迹节点在邻轨迹节点上的注意力权重对轨迹节点的轨迹编码矩阵进行融合更新，包括：根据输入轨迹节点的轨迹编码矩阵集，利用以下公式六进行自注意力加权处理；e
ij
＝A(Wm
i
||Wm
j
)公式六其中，e
ij
表示第i条轨迹节点和第j条轨迹节点拼接加权后的轨迹编码矩阵，A表示一个的映射，...

【专利技术属性】
技术研发人员：王凯，李献斌，姜勇，覃江毅，张海超，张飞，李泰博，田世伟，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：