文献类型：期刊文章

作　　者：权波[1] 杨博辰[2] 胡可奇[2] 郭晨萱[1] 李巧勤[2]

QUAN Bo;YANG Bo-chen;HU Ke-qi;GUO Chen-xuan;LI Qiao-qin(Chengdu Spaceon Technology Co.Ltd.,10 th Institute of CETC,Chengdu 611731,China;School of Information and Software Engineering,University of Electronic Science and Technology,Chengdu 610054,China)

机构地区：[1]中国电子科技集团公司第10研究所成都天奥信息科技有限公司,成都611731 [2]电子科技大学信息与软件工程学院,成都610054

出　　处：《计算机科学》

基　　金：国家自然科学基金青年基金(61502082)资助

年　　份：2018

卷　　号：45

期　　号：B11

起止页码：126-131

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对海上日趋复杂的情形,提高船舶交通服务系统(Vessel Traffic Service,VTS)的决策水平迫在眉睫。针对船舶航行轨迹多维度的特点以及对船舶轨迹预测的精确度和实时性的需求,提出了结合船舶自动识别系统(Automatic Identification System,AIS)数据和深度学习的船舶航行轨迹预测方法。构造基于AIS数据的航行轨迹特征,提出了循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short-Term Memory,RNN-LSTM)模型,利用广州港内的船舶AIS数据对模型进行训练,并对未来船舶航行轨迹进行预测。实验结果表明,利用RNN-LSTM模型的预测方法具有精确度高、易实现的特点,并且与传统处理方法相比,其在处理序列数据方面更具优越性。

关 键 词：循环神经网络 航迹预测  长短期记忆  船舶自动识别系统

分 类 号：TP183]