基于LSTM与注意力机制的船舶航迹预测模型研究

在内河通航船舶数量不断增加和通航环境日益复杂的情况下,为充分挖掘海量AIS数据中的价值信息,针对内河船舶航迹预测中的精度和可靠性问题,应用循环神经网络方法,提出了一种结合深度学习注意力机制(Attention Mechanism)和长短期记忆网络(Long Short-Term Memory,LSTM)的船舶航迹预测模型。该模型以历史时刻的船舶位置、速度及航向等数据为基础,考虑AIS数据与船舶航迹的时间序列特性,基于LSTM编码-解码航迹预测基本模型,通过引入时间与空间注意力机制,模拟了船舶自身航行模式和船舶交互作用对航迹预测的影响,定义了模型的损失函数和输出方式,构建了完整的Atten-LSTM航迹预测模型。应用海事AIS数据进行模型训练和航迹预测分析,实验结果表明在船舶安全航行条件下,Atten-LSTM模型具有易实现、精度高、可靠性强的特点。