重庆理工大学学报（自然科学）

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

PDF (PC)

773

赞

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