[发明专利]基于北斗导航时频数据的船舶轨迹预测方法及装置

权利要求书

1.一种基于北斗导航时频数据的船舶轨迹预测方法，其特征在于，包括：

采集高时频数据、外部影响因子数据和船舶特征数据；

对所采集的数据进行预处理；

将预处理后的数据输入预先训练的轨迹预测神经网络模型中，得到预测的之后一个或多个分段的船舶轨迹。

2.根据权利要求1所述的方法，其特征在于，

所述高时频数据包括吃水、航行状态、北斗RNSS数据、北斗RDSS数据；

所述外部影响因子数据包括气象水文、海况、航行受限区、海图数据；

所述船舶特征数据包括船舶类型、用途、航速、结构强度数据。

3.如权利要求2所述的方法，其特征在于，所述预处理包括：

对所述高时频数据进行缺失值补充和/或数据清洗；

对所述外部影响因子数据进行指标量化，并基于海图进行区域划分；

对所述船舶特征数据进行汇总量化。

4.根据权利要求3所述的方法，其特征在于，

所述轨迹预测神经网络模型为GRU网络模型。

5.根据权利要求4所述的方法，其特征在于，所述轨迹预测神经网络模型是通过以下步骤训练得到的：

将预处理后的历史时频数据、外部影响因子数据、船舶特征数据及对应的之后一个或多个分段的船舶轨迹数据作为训练样本；

编制GRU网络；

基于所述训练样本进行GRU网络拟合；

进行GRU网络模型评估，并进行权重参数调整。

6.根据权利要求5所述的方法，其特征在于，所述船舶历史航迹数据是通过历史高时频数据中的北斗时频数据进行航线聚类得到的。

7.根据权利要求6所述的方法，其特征在于，进行GRU网络模型评估，并进行权重参数调整包括：

对不同分段设置不同的预设阈值与权重；根据预测的各分段的船舶轨迹与实际船舶轨迹的偏差率，乘以对应的权重并求和，根据加权求和得到的偏差率，与加权求和得到的预设阈值进行比较。

8.一种基于北斗导航时频数据的船舶轨迹预测装置，其特征在于，包括：

采集模块，用于采集高时频数据、外部影响因子数据和船舶特征数据；

预处理模块，用于对所采集的数据进行预处理；

预测模块，用于将预处理后的数据输入预先训练的轨迹预测神经网络模型中，得到预测的之后一个或多个分段的船舶轨迹。

9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。