针对传统循环神经网络提取船舶轨迹序列特征能力不足,导致预测结果与实际轨迹之间的误差较大,影响船舶调度与航行安全的问题,将双向门控循环单元(Bidirectional Gated Recurrent Unit, Bi-GRU)神经网络应用到船舶轨迹预测中。利用Bi-GR...针对传统循环神经网络提取船舶轨迹序列特征能力不足,导致预测结果与实际轨迹之间的误差较大,影响船舶调度与航行安全的问题,将双向门控循环单元(Bidirectional Gated Recurrent Unit, Bi-GRU)神经网络应用到船舶轨迹预测中。利用Bi-GRU神经网络模型具有的前瞻特性以及大量船舶自动识别系统(Automatic Identification System, AIS)数据,提出基于Bi-GRU的船舶轨迹预测模型。结果表明,Bi-GRU的预测精度较门控循环单元(Gated Recurrent Unit, GRU)有明显提升,均方误差降低13.0%,均方根误差降低6.5%,平均绝对误差降低16.5%。研究成果可为提高船舶交通服务系统安全管理水平、判断船舶交通风险程度及智能船舶碰撞预警提供理论支撑。展开更多