重庆理工大学学报(自然科学) ›› 2020, Vol. 34 ›› Issue (12): 196-205.doi: 10.3969/j.issn.1674-8425(z).2020.12.025

• 电气·电子 • 上一篇    下一篇

基于CNN和Bi-LSTM的船舶航迹预测

刘姗姗,马社祥,孟 鑫,张启超   

  1. 天津理工大学电气电子工程学院,天津 300384
  • 收稿日期:2019-09-10 出版日期:2021-01-28 发布日期:2021-01-28
  • 作者简介:刘姗姗,女,硕士,主要从事基于AIS的船舶航迹预测的研究,E-mail:shandaytoy@163.com;通讯作者马社祥,男,博士,教授,主要从事无线通信与导航、图像处理与计算机视觉的研究,E-mail:masx_tjut@126.com。
  • 基金资助:
    国家自然科学基金项目(61601326,61371108

  • Received:2019-09-10 Online:2021-01-28 Published:2021-01-28

摘要: 船舶自动识别系统(automaticidentificationsystem,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(convalutionalneuralnetwork,CNN)和双向长短期记忆(bidirectionallongshorttermmemory,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。

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

中图分类号: 

  • TP391.9