文献类型：期刊文章

作　　者：王余宽[1,2] 谢新连[1] 马昊[1] 潘伟[1] 许小卫[1]

WANG Yukuan;XIE Xinlian;MA Hao;PAN Wei;XU Xiaowei(Integrated Transport Institute,Dalian Maritime University,Dalian 116026,Liaoning,China;School of Navigation,Wuhan University of Technology,Wuhan 430070,China)

机构地区：[1]大连海事大学综合运输研究所,辽宁大连116026 [2]武汉理工大学航运学院,武汉430070

出　　处：《上海海事大学学报》

基　　金：国家重点研发计划(2017YFC0805309);中央高校基本科研业务费专项资金(3132019303)。

年　　份：2022

卷　　号：43

期　　号：1

起止页码：14-22

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为准确预测复杂水域船舶航迹,提高航行安全水平,提出一种基于滑动窗口长短期记忆(long short-term memory,LSTM)网络的船舶航迹预测方法。根据相邻航迹点的船位特征变化趋势,剔除异常数据,并利用插值方式填补缺失点船位数据,建立船舶航行状态数据库。根据船舶航向变化态势建立航行状态判别准则,识别船舶航行场景。考虑船位信息特征维度高的特点,应用LSTM网络理论构建基于滑动窗口LSTM网络的船舶航迹预测模型。应用大连港水域和黄渤海水域的AIS数据,分别在不同航行场景下进行验证。结果表明:直航型、转向型和‘S’型场景下,滑动窗口LSTM网络预测结果的平均绝对百分比误差、均方误差和均方根误差均比基础LSTM网络、反向传播神经网络和灰色模型的小,这表明滑动窗口LSTM网络对非线性航迹预测的泛化能力强于其他3种模型。

关 键 词：船舶航迹预测  长短期记忆(LSTM)网络  滑动窗口  

分 类 号：U675.7]