基于CNN-GRU的船舶轨迹预测

作者：万洪亮; 潘家财^*; 甄荣; 石自强

来源：广州航海学院学报, 2022, 30(02): 12-18.

• 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

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.

• 单位
  集美大学; 内河航运技术湖北省重点实验室