【技术实现步骤摘要】
本专利技术涉及船舶轨迹预测,具体是涉及一种基于优化生成器的轨迹预测方法。
技术介绍
1、随着海运不断发展,加强船舶安全管理和重点目标监测更加迫切。在交通密集、状况复杂的很多沿海和港口的水域,海上交通事故预警的精确性和有效性也尤为重要。提前掌握船舶的走向信息能有效地减少船舶触礁和碰撞等海上交通事故的发生。现有技术在处理高度随机和复杂的船舶行为时仍面临挑战。特别是在交通密集和海况多变的沿海及港口水域,现有模型可能难以准确预测船舶的走向,从而影响海上交通事故预警的精确性和有效性。此外,传统方法对专业知识的依赖性高,且需要针对不同船舶和场景进行定制化改造,这限制了它们的通用性和可扩展性。
技术实现思路
1、专利技术目的:针对以上缺点,本专利技术提供一种提高预测的准确性和鲁棒性的基于优化生成器的轨迹预测方法。
2、技术方案:为解决上述问题,本专利技术采用一种基于优化生成器的轨迹预测方法,包括以下步骤:
3、(1)采集历史船舶ais数据,构建轨迹预测数据集;
4、(
...【技术保护点】
1.一种基于优化生成器的轨迹预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的轨迹预测方法,其特征在于,所述步骤(1)中对采集的历史船舶AIS数据进行预处理,包括数据清洗和对清洗后的数据进行归一化处理,所述数据清洗包括删除明显错误的数据、删除船舶航迹数据缺失超过阈值的数据、对船舶航迹数据缺失不超过阈值的数据进行线性插值修正。
3.根据权利要求2所述的轨迹预测方法,其特征在于,所述步骤(1)中采集的历史船舶AIS数据包括若干船舶航迹的经度、维度、航向和航速。
4.根据权利要求3所述的轨迹预测方法,其特征在于,所述步骤(2)
...【技术特征摘要】
1.一种基于优化生成器的轨迹预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的轨迹预测方法,其特征在于,所述步骤(1)中对采集的历史船舶ais数据进行预处理,包括数据清洗和对清洗后的数据进行归一化处理,所述数据清洗包括删除明显错误的数据、删除船舶航迹数据缺失超过阈值的数据、对船舶航迹数据缺失不超过阈值的数据进行线性插值修正。
3.根据权利要求2所述的轨迹预测方法,其特征在于,所述步骤(1)中采集的历史船舶ais数据包括若干船舶航迹的经度、维度、航向和航速。
4.根据权利要求3所述的轨迹预测方法,其特征在于,所述步骤(2)中卷积神经网络包括三个卷积层和一个全连接层,每个卷积层包括一维卷积操作、激活函数和池化操作,激活函数采用dhaf函数。
5.根据权利要求4所述的轨迹预测方法,其特征在于,所述步骤(3)中对抗神经网络gan的生成器包括若干bilstm层,每个bilstm层包括正向lstm单元和反向lstm单元,所述正向lstm单元按照正向序列进行训练,所...
【专利技术属性】
技术研发人员:王伟涵,谢非,马语婷,杨继全,刘星宇,贾露荷,洪煜茹,周正亚,刘益剑,
申请(专利权)人:南京师范大学,
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。