[发明专利]基于自动编码器和双向LSTM的船舶轨迹预测方法及系统

权利要求书

1.一种基于自动编码器和双向LSTM的船舶轨迹预测方法，其特征在于：对船舶AIS轨迹数据进行预处理后，采用LSTM自动编码器对轨迹数据进行特征提取；随后，将提取到的特征与轨迹经纬度数据结合来表示船舶当前航行状态，并作为模型输入，通过包含注意力机制的双向LSTM神经网络模型训练学习轨迹数据中隐含的船舶运动规律，利用模型学习到的船舶运动规律对船舶下一时刻的位置进行预测。

2.根据权利要求1所述基于自动编码器和双向LSTM的船舶轨迹预测方法，其特征在于：所述对船舶AIS轨迹数据进行预处理，实现方式包括以下子步骤，

步骤101，获取全部轨迹点数据，选定轨迹采样点数据中的经度、纬度、对地速度、航向、时间来表示船舶当前航行状态，轨迹位置数据表示为Traj＝{p₁，p₂，......p_n}，n表示采样点总数，第t个时刻采样点数据表示为p_t＝{lat_t，lon_t，sog_t，heading_t，time_t}，t＝1，2，3……n；

其中，lat_t，lon_t，speed_t，angle_t，time_t表示第t个时刻采样点的经度、纬度、对地速度、航向及采样时间；

步骤102，采用线性插值的方法对轨迹数据进行插值及修正，实现如下，

设线性插值修正的时间间隔为Δt，第t个时刻采样点数据为p_t＝{lat_t，lon_t，sog_t，heading_t，time_t}，将第t个时刻采样点纬度、经度、对地速度和航向分别作为变量X_t代入公式中进行计算；

其中，起算时刻为t＝0，X_t+1为第t+1个时刻的相应变量，计算结果作为第t+1个时刻的插值修正数据p′_t+1＝{lat′_t+1，lon′_t+1，sog′_t+1，heading′_t+1}，

修正后的轨迹数据记为Traj′＝{p′₁，p′₂，……p′_n}；

步骤103，对修正后得到的数据Traj′进行归一化，将p′_t中各维数据代入式中计算得到其中，为t时刻归一化后采样点数据，分别为归一化后的经度、纬度、对地速度和航向；

步骤104，利用滑动窗口对步骤103所得经过插值修正及归一化处理后的轨迹序列数据采用滑动窗口进行切分，将当前t时刻轨迹点及其之前k个时刻的轨迹点作为一组数据，每切分一次，窗口向前移动一个单位，直至到最后一个轨迹点；k为预设的窗口长度，切分后的轨迹数据记为EnTraj；

将切分后的轨迹数据EnTraj划分为训练集En_train，验证集En_Va和测试集En_test。