原文传递
基于LSTM与注意力机制的船舶航迹预测模型研究
| 题名： | 基于LSTM与注意力机制的船舶航迹预测模型研究 |
| 正文语种： | 中文 |
| 作者： | 刘成勇;乔文杰;陈蜀喆;万一 |
| 作者单位： | 武汉理工大学航运学院;湖北省内河航运技术重点实验室 |
| 关键词： | 航迹预测;循环神经网络;Atten-LSTM;注意力机制;模型训练 |
| 摘要： | 在内河通航船舶数量不断增加和通航环境日益复杂的情况下，为充分挖掘海量AIS数据中的价值信息，针对内河船舶航迹预测中的精度和可靠性问题，应用循环神经网络方法，提出了一种结合深度学习注意力机制(Attention Mechanism)和长短期记忆网络(Long Short-Term Memory，LSTM)的船舶航迹预测模型。该模型以历史时刻的船舶位置、速度及航向等数据为基础，考虑AIS数据与船舶航迹的时间序列特性，基于LSTM编码-解码航迹预测基本模型，通过引入时间与空间注意力机制，模拟了船舶自身航行模式和船舶交互作用对航迹预测的影响，定义了模型的损失函数和输岀方式，构建了完整的Atten-LSTM航迹预测模型。应用海事AIS数据进行模型训练和航迹预测分析，实验结果表明在船舶安全航行条件下，Atten-LSTM模型具有易实现、精度高、可靠性强的特点。 |
| 期刊名称： | 中国航海 |
| 出版日期： | 202104 |
| 出版年： | 2021 |
| 页码： | 94-100,106 |
检索历史
应用推荐
