基于LSTM的船舶航迹预测模型

摘要：

针对海上日趋复杂的情形,提高船舶交通服务系统(Vessel Traffic Service,VTS)的决策水平迫在眉睫.针对船舶航行轨迹多维度的特点以及对船舶轨迹预测的精确度和实时性的需求,提出了结合船舶自动识别系统(Auto-matic Identification System,AIS)数据和深度学习的船舶航行轨迹预测方法.构造基于AIS数据的航行轨迹特征,提出了循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)模型,利用广州港内的船舶AIS数据对模型进行训练,并对未来船舶航行轨迹进行预测.实验结果表明,利用RNN-LSTM模型的预测方法具有精确度高、易实现的特点,并且与传统处理方法相比,其在处理序列数据方面更具优越性.

关键词：循环神经网络、航迹预测、长短期记忆、船舶自动识别系统

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金青年基金61502082

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：126-131