基于CNN和Bi-LSTM的船舶航迹预测

• 作者: 刘姗姗 孟鑫 张启超 马社祥
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: AIS信息 卷积神经网络 双向长短期记忆 船舶航迹预测
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 电气·电子
• 页码范围: 196-205
• 页数: 10页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.12.025

摘要

船舶自动识别系统(automatic identification system,AIS)数据可以反映出船舶的航行状态特征,并且实时精确地预测船舶未来航行轨迹,能及时避免一些海上交通事故的发生,具有重要的现实意义.提出了一种根据船舶AIS数据训练混合深度学习网络预测船舶航行轨迹的方法.根据船舶AIS数据的航行轨迹特征,构建了基于卷积神经网络(convalutional neural network,CNN)和双向长短期记忆(bidirectional long short term memory,Bi-LSTM)网络的船舶航行轨迹预测混合模型.CNN-Bi-LSTM模型根据船舶AIS数据进行训练,形成期望的输入-输出映射关系,进而预测船舶未来的航行轨迹.实验结果表明,对比传统的预测方法,CNN-Bi-LSTM不仅能更加准确有效地处理序列数据,预测船舶航行轨迹的精确度也更高.