|
|||||
|
|
| 基于CNN-GRU的船舶轨迹预测 | |
| 作者姓名： | 万洪亮 潘家财 甄荣 石自强 |
| 作者单位： | 1. 集美大学航海学院;2. 内河航运技术湖北省重点实验室 |
| 基金项目： | 国家自然科学基金项目(52001134)；;内河航运技术湖北省重点实验室开放基金(NHHY2020001)；;福建省中青年教师教育科研项目(JAT190293)； |
| 摘 要： | 针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题，提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法，以目标船舶连续4个时刻的轨迹特征值作为输入，以第5个时刻轨迹特征值作为输出，训练构建的CNN-GRU轨迹预测网络，对未来船舶轨迹进行预测，并与现有模型进行对比.实例验证表明：CNN-GRU模型的预测精度显著提升，经度误差不超过3×10-5(°),纬度误差不超过5.5×10-4(°),相较于CNN-LSTM模型，预测效率显著提高，运行时间减少19.1 s. |
| 关 键 词： | 船舶轨迹预测 混合模型 卷积神经网络 门控循环单元 AIS信息 |