文献类型：期刊文章

作　　者：张阳[1] 高曙[1] 何伟[2] 蔡菁[1]

ZHANG Yang;GAO Shu;HE Wei;CAI Jing(School of Computer and Artificial Intelligence,Wuhan University of Technology,Wuhan,430070;School of Physics and Electronic Information Engineering,Minjiang University,Fuzhou,350108)

机构地区：[1]武汉理工大学计算机与人工智能学院,武汉430070 [2]闽江学院物理与电子信息工程学院,福州350108

出　　处：《中国机械工程》

基　　金：国家自然科学基金(52172327);绿色智能内河船舶创新国家重大科技专项。

年　　份：2022

卷　　号：33

期　　号：10

起止页码：1142-1152

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：内河航运是现代综合运输体系的重要组成部分,实时和高精度的船舶轨迹预测方法能够有效规避水上交通事故、增强船舶自动化与智能化监管能力。针对现有内河船舶轨迹预测方法精度不高的问题,以提高船舶轨迹短期预测精度为目标,综合使用待测船舶近期船舶自动识别系统(AIS)数据和历史AIS数据,基于轨迹与航速和航向间的内在联系以及内河航道特点,构建了面向航速和航向预测的时域卷积网络模型、船舶轨迹动力学方程模型、自适应双隐层径向基函数网络等模型,提出了基于多模型融合的船舶轨迹预测方法。实验结果表明,所提方法轨迹预测精度有明显提高,并能满足实时性要求。

关 键 词：时域卷积网络  径向基函数网络 多模型融合  内河船舶 轨迹预测

分 类 号：U694] TP399]