基于GMM与LSTM耦合模型的船舶航迹预测算法

作者：赵煜; 尤再进; 吴丽淑; 李婉莹

来源：上海海事大学学报, 2022, 43(04): 23-29.

DOI：10.13340/j.jsmu.2022.04.004

• 航迹预测
• 船舶自动识别系统(AIS)
• 高斯混合模型(GMM)
• 长短期记忆网络(LSTM)

为进一步提高船舶航迹预测精度，提出一种基于高斯混合模型(Gaussian mixture model, GMM)和长短期记忆网络(long short-term memory network, LSTM)的船舶航迹预测算法。收集船舶自动识别系统(automatic identification system, AIS)的历史数据，建立航迹数据库；通过基于GMM的航迹提取算法，实现船舶航迹数据的高效准确提取；采用基于LSTM的船舶航迹预测模型和已提取出的航迹数据，实现对目标船航迹的精准预测。对比实验结果表明，所提出的算法的平均均方误差小于6×10-5,预测平均耗时小于20 s,验证了其对不同类型船舶中短期航迹预测的有效性和实用性。

• 单位
  大连海事大学