[发明专利]航迹预测方法、装置、预测设备以及计算机可读存储介质有效

专利信息
申请号: 202010949565.X 申请日: 2020-09-10
公开(公告)号: CN112070312B 公开(公告)日: 2021-11-02
发明(设计)人: 聂镭;齐凯杰;聂颖 申请(专利权)人: 龙马智芯(珠海横琴)科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06F17/18;G06F16/29;G06F16/36
代理公司: 暂无信息 代理人: 暂无信息
地址: 519031 广东省珠*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 航迹 预测 方法 装置 设备 以及 计算机 可读 存储 介质
【权利要求书】:

1.一种航迹预测方法,其特征在于,所述方法包括:

获取目标船舶的坐标点信息,其中,所述坐标点包括位置点,所述坐标点信息是当前船舶的坐标点信息;

将所述坐标点信息输入至预设的SVM回归模型,得到所述目标船舶的候选预测目标点,其中,所述候选预测目标点包括预测目标点;

获取所述船舶的历史候选目标点;

确定所述历史候选目标点之间的关联关系;

根据所述历史候选目标点以及所述历史候选目标点之间的关系,构建预设的知识图谱;

将所述候选预测目标点输入至所述预设的知识图谱,得到所述候选预测目标点之间的关联关系,以及所述关联关系对应的关联值;

根据所述候选预测目标点之间的关联值得到所述目标船舶的预测目标点;

根据所述位置点以及所述预测目标点形成目标船舶的预测航迹。

2.如权利要求1所述的航迹预测方法,其特征在于,将所述坐标点信息输入至预设的SVM回归模型之前,还包括:

获取所述目标船舶的样本集合,其中,所述样本集合包括所述目标船舶的历史坐标点;

根据所述样本集合对所述预设的SVM回归模型进行训练,确定所述预设的SVM回归模型包含的各个回归方程中的各个特征参数的权重值。

3.如权利要求1所述的航迹预测方法,其特征在于,根据所述历史候选目标点以及所述历史候选目标点之间的关联关系,构建所述预设的知识图谱之后,还包括:

统计所述船舶到达所述历史候选目标点的频次;

根据每个所述历史候选目标点的频次确定出所述历史候选目标点之间的关联关系对应的关联值;

根据所述关联值更新所述预设的知识图谱。

4.如权利要求1所述的航迹预测方法,其特征在于,根据所述候选预测目标点之间的关联值得到所述目标船舶的预测目标点,包括:

根据所述目标船舶的候选预测目标点生成候选预测目标点集合;

对所述候选预测目标点集合进行假设,得到假设集合;

将候选预测目标点之间的关联值代入至预设函数计算假设集合的概率值;

根据所述假设集合的概率值决策出所述目标船舶的预测目标点。

5.如权利要求1至2任一项所述的航迹预测方法,其特征在于,根据所述位置点以及所述预测目标点在所述预设的知识图谱中确定出目标船舶的预测航迹之后,还包括:

获取目标船舶的真实预测航迹以及真实预测目标点;

对预测航迹与真实预测航迹进行比较,得到第一比较结果;

对预测目标点与真实预测目标点之间进行比较,得到第二比较结果;

将第一比较结果和第二比较结果输入至残差修正模型,对SVM回归模型以及预设的知识图谱进行矫正。

6.一种航迹预测装置,其特征在于,所述装置包括:

第一获取模块,用于获取目标船舶的坐标点信息,其中,所述坐标点包括位置点;

分类模块,用于将所述坐标点信息输入至预设的SVM回归模型,得到所述目标船舶的候选预测目标点,其中,所述候选预测目标点包括预测目标点;

第三获取模块,用于获取所述船舶的历史候选目标点,确定所述历史候选目标点之间的关联关系,根据所述历史候选目标点以及所述历史候选目标点之间的关联关系,构建预设的知识图谱;

关联模型,用于将所述候选预测目标点输入至所述预设的知识图谱,得到所述候选预测目标点之间的关联关系,以及所述关联关系对应的关联值;

计算模块,用于根据所述候选预测目标点之间的关联值得到所述目标船舶的预测目标点;

形成模块,用于根据所述位置点以及所述预测目标点形成目标船舶的预测航迹;

所述分类模块包括:

分类单元,用于利用预设的SVM回归模型,对各个时刻的坐标点进行回归拟合,将各个时刻的坐标点代入到预设的SVM回归模型中各个回归方程中,根据各个回归方程的回归拟合程度找出与本次航行拟合的曲线,根据拟合的曲线预测目标船舶的候选预测目标点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于龙马智芯(珠海横琴)科技有限公司,未经龙马智芯(珠海横琴)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010949565.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top