基于循环神经网络的船舶轨迹预测方法研究

发布时间：2021-07-04 14:08

　　当前世界经济全球化发展日益加深,利用海上交通实现经济贸易往来逐渐成为热门趋势,海上交通运输日益繁忙,运输量迅猛增长,水域承载负担不断增大,海洋船舶数目增多,重要水域及航道中往来船舶密度越来越大,因而海上交通事故频发,提高海上航行安全、减少交通事故势在必行,关键任务是实现船舶的轨迹预测。在海事搜救、海关缉私等应用中,对船舶进行轨迹预测是一个关键问题,精准且高效的轨迹预测对于减少海上交通事故、提高相关海事部门和船舶交通服务系统的决策水准具有重大的意义。本文针对海洋船舶轨迹预测问题展开研究,通过船舶自动识别系统（Automatic Identification System,AIS）收集大量的船舶历史航行数据,提出了一种数据驱动的船舶轨迹预测方法,该方法将轨迹预测任务分为数据预处理和轨迹预测两个阶段。在数据预处理阶段,分析AIS数据存在的问题,首先基于线性插值法进行插值预处理,解决AIS数据量稀疏、部分数据丢失而导致的数据分布不均问题;然后设计了一种基于对称分段路径距离（Symmetrized Segment-Path Distance,SSPD）的相似性度量方法,消除AIS数据中的冗余数据... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

LSTM结构图

GRU结构

??ü??夭阊盗罚?谑涑鼋诘慊竦米罴言げ庑?列Y，包括预测位置的经纬度坐标。在隐藏层中，将普通RNN单元替换为GRU单元，根据实验结果将神经元个数设定为100；分别设计了两个Dropout层和Dense层，根据经验将Dropout的概率设为0.2。Dropout是由Hinton等人于2012年提出并应用于神经网络，用于防止网络训练的过拟合现象[94]-[95]，Dense层即全连接层，用于对上一层的神经元进行全部连接，实现特征的非线性组合。在神经网络模型中，激活函数用于处理非线性，本文选择双曲正切函数（tanh）作为隐藏层和输出层的激活函数。图4.4GRU循环神经网络结构图Fig4.4GRUneuralnetworkstructure神经网络训练通过计算预测值与实际值之间的误差不断调整权重进行优化，直至误差下降到可接受的水平即得到理想输出，本文选择平均均方误差函数（MeanSquaredError，MSE）和自适应矩估计（AdaptiveMomentEstimation，

【参考文献】：
期刊论文
[1]一种不同参考椭球下高斯投影地形图坐标转换及实现[J]. 王会然.  北京测绘. 2019(08)
[2]基于深度门控循环单元神经网络的短期风功率预测模型[J]. 牛哲文,余泽远,李波,唐文虎.  电力自动化设备. 2018(05)
[3]船舶AIS轨迹快速自适应谱聚类算法[J]. 牟军敏,陈鹏飞,贺益雄,张行健,朱剑峰,荣昊.  哈尔滨工程大学学报. 2018(03)
[4]基于高斯过程回归的船舶航行轨迹预测[J]. 茅晨昊,潘晨,尹波,卢忆宁,许循齐.  科技创新与应用. 2017(31)
[5]基于LSTM的舰船运动姿态短期预测[J]. 王国栋,韩斌,孙文赟.  舰船科学技术. 2017(13)
[6]一种基于DTW改进的轨迹相似度算法[J]. 郭岩,罗珞珈,汪洋,付琨.  国外电子测量技术. 2016(09)
[7]AIS轨迹动态插值在实时视景显示中的应用[J]. 戴鹏睿.  电子设计工程. 2016(14)
[8]基于单向距离的谱聚类船舶运动模式辨识[J]. 马文耀,吴兆麟,杨家轩,李伟峰.  重庆交通大学学报(自然科学版). 2015(05)
[9]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  软件学报. 2015(05)
[10]一种考虑船舶航速航向的AIS航迹插值方法[J]. 王超,纪永刚,黎明,楚晓亮,王祎鸣.  舰船科学技术. 2015(04)

博士论文
[1]基于运动特征的轨迹相似性度量研究[D]. 朱进.南京师范大学 2015



本文编号：3264932