| 摘 要： | 船舶轨迹预测的精度关系到船舶智能航行水平。针对门控循环单元（gated recurrent unit, GRU）提取船舶时空信息数据能力不足，导致轨迹预测精度不佳的问题，研究了基于时空注意力机制的GRU船舶轨迹预测方法（spatial-temporal attention mechanism-gated recurrent unit, STA-GRU）。将传统GRU中的激活函数改进为加权激活函数组，以保留更完整的船舶轨迹数据；引入空间注意力机制模块提取船舶空间位置信息的特征，以船舶经纬度及相对经纬度数据作为输入序列，计算对应的空间权重注意力因子，获得空间特征向量；再引入时间注意力机制模块挖掘观测时段内历史轨迹特征向量的时空依赖性，以历史轨迹数据中的航速、航向拼接空间特征向量作为输入序列，计算时空权重注意力因子，将获得的时空特征向量作为STA-GRU模型的训练数据集，用于船舶轨迹预测。采用青岛港AIS数据开展实验验证，以输入时长20 min，采样频率2 min作为输入条件，构建船舶航行轨迹数据集，结果表明：对比LSTM、AT-GRU、Bi-GRU算法，STA-GRU模型不仅在训练过程中收...
|
