区域船舶交通流量预测ChebNet-LSTM模型

作者：陈信强; 高原; 赵建森^*; 周亚民; 梅骁峻; 鲜江峰

来源：上海海事大学学报, 2024, 45(01): 23-29.

DOI：10.13340/j.jsmu.202211120328

• 船舶交通流量预测
• 切比雪夫网络(ChebNet)
• 长短期记忆网络(LSTM)
• 智能航行

针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题，建立一种由切比雪夫网络(Chebyshev network, ChebNet)和长短期记忆网络(long short-term memory, LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征，而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明，所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征，在各项评价指标上的表现均优于对比模型，预测精度得到较大提高，可以为水上交通智能航行提供数据支撑。

• 单位
  上海海事大学