[发明专利]基于DILATE_TLSTM的港口船舶轨迹预测方法

权利要求书

1.基于DILATE_TLSTM的港口船舶轨迹预测方法，其特征在于，包括以下步骤：

S1、采集港口AIS数据并对所采集的数据进行预处理，获取轨迹预测数据集；

S2、基于所述获取的轨迹预测可用数据集，构建基于DILATE_TLSTM的港口船舶轨迹预测模型；

构建所述基于DILATE_TLSTM的港口船舶轨迹预测模型的具体步骤包括：

S2.1、首先构建基于TLSTM的港口船舶轨迹预测模型：确定输入特征为时间间隔、经纬度、航速、航向和船舶类型，输出特征为时间间隔、经纬度、航速和航向，根据训练数据集的平稳性分析结果及所述输入特征和输出特征间多步时间依赖性关系，建立基于TLSTM的港口船舶轨迹预测模型；

S2.2、将连续L个时刻的船舶轨迹特征X(t-L+1)、…、X(t-1)和X(t)作为模型的输入数据，并对所述输入数据进行处理，直接预测输出后续N个时刻的轨迹特征Y(t+1)、Y(t+2)、…、Y(t+N)；

S2.3、将DILATE作为损失函数对所述TLSTM模型进行训练，得到基于DILATE_TLSTM的港口船舶轨迹预测模型；

S3、采用滑窗法对输入DILATE_TLSTM模型的序列进行处理，然后输入所述DILATE_TLSTM模型，得到预测结果；

S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果；

数据预处理包括轨迹提取、异常值处理和轨迹分割，并对预处理后的数据进行归一化处理和船舶类型特征独热编码，得到模型训练数据集并进行数据序列平稳性分析，得到训练数据集的平稳性分析结果；

其中所述异常值处理是基于AIS技术特性、运动学基本原理与阈值法相结合的方式对时间间隔、经纬度、对地航速、对地航向异常数据进行检测、剔除和修正；

所述DILATE_TLSTM模型中的编码器和解码器均采用两层LSTM结构，所述编码器用于对船舶历史轨迹进行编码，提取船舶在动态环境中的运动模式；所述解码器利用编码器得到船舶运动模式特征，预测船舶未来的运动轨迹。

2.根据权利要求1所述的基于DILATE_TLSTM的港口船舶轨迹预测方法，其特征在于，所述DILATE_TLSTM模型的激活函数采用Leaky ReLU函数，优化器采用Adam优化器。

3.根据权利要求1所述的基于DILATE_TLSTM的港口船舶轨迹预测方法，其特征在于，所述DILATE用于对两个时间序列进行损失评估，捕捉形状上的突变信息和时间上的畸变信息，提升序列拟合效果。

4.根据权利要求1所述的基于DILATE_TLSTM的港口船舶轨迹预测方法，其特征在于，所述DILATE_TLSTM模型是基于Tensor Train分解和Encoder-Decoder框架构建的，用于使用张量训练减少模型参数的数量。