原文传递
交汇水域船舶轨迹预测与航行意图识别
| 题名： | 交汇水域船舶轨迹预测与航行意图识别 |
| 正文语种： | 中文 |
| 作者： | 王知昊;元海文;李维娜;肖长诗 |
| 作者单位： | 武汉工程大学电气信息学院;武汉理工大学智能交通系统研究中心;武汉理工大学国家水运安全工程技术研究中心;山东交通学院威海海洋信息科学与技术研究院 |
| 关键词： | 交通安全;交汇水域;轨迹预测;数据驱动;意图识别;不确定性估计 |
| 摘要： | 针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60min，采样频率3min作为输入条件，Dropout值取0.5，实验结果表明：所提方法对未来60min时段内的轨迹预测误差为3.946n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。 |
| 期刊名称： | 交通信息安全 |
| 出版年： | 2022 |
| 期： | 04 |
| 页码： | 101-109 |
检索历史
应用推荐
