一种考虑船舶交互影响的船舶轨迹预测方法技术

本发明专利技术涉及一种考虑船舶交互影响的船舶轨迹预测方法，包括：对船舶AIS历史数据进行预处理，获得船舶时间序列轨迹数据集；根据船舶之间的交互影响关系，构建船舶空间网络关系图，获取船舶空间相对关系；根据船舶速度以及船舶相对距离计算船舶迫近效应获取船舶时间关系；构建基于GCN和GRU的神经网络船舶轨迹预测模型；构建损失函数自定义的混合损失函数；设置网络训练参数，输出未来一段时间船舶的轨迹。本发明专利技术模型将图神经网络与门控循环单元组合应用于船舶轨迹预测领域，利用图结构对空间的敏感度和门控循环单元对时间的敏感度有效提高了预测结果的科学性，保证了轨迹预测结果的精度。能为船舶行为分析与水上态势感知等场景提供更有效的技术支持。

【技术实现步骤摘要】

本专利技术涉及船舶轨迹预测，尤其涉及一种考虑船舶交互影响的船舶轨迹预测方法。

技术介绍

1、在交通冲突频繁、流量大，交通情况复杂的水域考虑其他船舶交互关系的船舶轨迹预测难度较大。传统的船舶轨迹预测方法通常利用船舶运动学模型实现对船舶微观运动行为的预测，但传统运动学模型易受到原始数据误差的影响，并且基于物理学建模在考虑风、浪、流等动态因素的复杂环境下建模难度较大。而神经网络由于能够处理不相关的特征，在相对短的时间内能够对大型数据源做出可行且效果良好的分析，且具有计算简单、易于理解、可解释性强等特点，在船舶轨迹预测研究中应用较多。有学者利用长短期记忆网络(long short-term memory，lstm)对船舶轨迹进行建模，通过数据驱动方式挖掘轨迹的时空分布规律，预测船舶的未来轨迹。但忽略了在狭窄水域和港口等复杂交通环境下的本船与周围其他船舶的相互作用。导致了轨迹预测的结果过于理想化并且缺乏可解释性，而无法解决实际的轨迹预测问题。

技术实现思路

1、鉴于现有技术的不足，本专利技术提供一种考虑船舶交互影响的船本文档来自技高网...

【技术保护点】

1.一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，所述步骤S1数据预处理包括如下子步骤：

3.根据权利要求1所述的一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，所述步骤S2中，从时间迫近效率与空间距离两个角度建立交互模块来定量考虑船舶间的相互影响，将预处理后的船舶时间序列数据用船舶空间关系图表示，包括：

4.根据权利要求1所述的一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，所述步骤S3中，构建基于图卷积网络和门控循环单元的组合神经网络船舶轨迹预...

【技术特征摘要】

1.一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，所述步骤s1数据预处理包括如下子步骤：

3.根据权利要求1所述的一种考虑船舶交互影响的船舶轨迹预测方法，其特征在于，所述步骤s2中，从时间迫近效率与空间距离两个角度建立交互模块来定量考虑船舶间的相互影响，将预处理后的船舶时间序列数据用船舶空间关系图表...

【专利技术属性】
技术研发人员：张新宇，黄瑞宁，刘震生，姜玲玲，李高才，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：