[发明专利]一种用于预测船舶轨迹的模型训练方法及装置

权利要求书

1.一种用于预测船舶轨迹的模型训练方法，其特征在于，所述方法包括：

获取待训练的预测模型，其中，所述预测模型包括编码端和解码端，所述编码端包含第一编码LSTM单元和第二编码LSTM单元，所述解码端包含第一解码LSTM单元和第二解码LSTM单元；

获取训练样本，其中，所述训练样本包括第一子样本和第二子样本，所述第一子样本是根据历史上船舶行驶轨迹上的位置点序列得到的，所述第二子样本是根据所述位置点序列上的位置点对应行驶航向构成的行驶航向序列得到的；

将所述第一子样本输入第一编码LSTM单元，得到第一编码LSTM单元输出的第一中间结果；

将所述第一中间结果和所述第二子样本进行第一聚合；

将所述第一聚合的结果输入所述第二编码LSTM单元，得到所述第二编码LSTM单元输出的第二中间结果；

将所述第二中间结果输入所述第二解码LSTM单元，得到所述第二解码LSTM单元输出的第三中间结果；

将所述第三中间结果和所述第一子样本进行第二聚合；

将所述第二聚合的结果输入所述第一解码LSTM单元，得到所述第一解码LSTM单元输出的第四中间结果；

根据所述第四中间结果和所述第一子样本的第一差异，计算第一损失；

根据所述第一损失调整所述第一编码LSTM单元和所述第一解码LSTM单元的参数，直至所述预测模型达到第一收敛条件。

2.如权利要求1所述方法，其特征在于，根据所述第一损失调整所述第一编码LSTM单元和所述第一解码LSTM单元的参数，直至所述预测模型达到第一收敛条件之后，所述方法还包括：

根据所述第三中间结果和所述第二子样本的第二差异，计算第二损失；

根据所述第二损失调整所述第二编码LSTM单元和所述第二解码LSTM单元的参数，直至所述预测模型达到第二收敛条件。

3.如权利要求1所述方法，其特征在于，所述第一编码LSTM单元和所述第一解码LSTM单元均包含多个输出门，所述参数是所述输出门对应的权重值，其中，根据所述第一损失调整所述第一编码LSTM单元和所述第一解码LSTM单元的参数，包括：

采用Dropout模型，从所述第一编码LSTM单元和所述第一解码LSTM单元的各个输出门对应的权重值中确定出待调整权重；

根据所述第一损失，对待调整权重进行调整，得到调整后的权重；

将调整后的权重作为所述第一编码LSTM单元或所述第一解码LSTM单元的参数。

4.如权利要求2所述方法，其特征在于，所述第二编码LSTM单元和所述第二解码LSTM单元均包含多个输出门，所述参数是所述输出门对应的权重值，其中，根据所述第二损失调整所述第二编码LSTM单元和所述第二解码LSTM单元的参数，包括：

采用Dropout模型，从所述第二编码LSTM单元和所述第二解码LSTM单元的各个输出门对应的权重值中确定出待调整权重；

根据所述第二损失，对待调整权重进行调整，得到调整后的权重；

将调整后的权重作为所述第二编码LSTM单元或所述第二解码LSTM单元的参数。

5.如权利要求3或4所述方法，其特征在于，所述Dropout模型是通过以下步骤训练得到的：

确定待训练的Dropout模型；

在待训练的预测模型的各权重中，随机地确定出指定数量个目标权重；

将所述目标权重置零，得到参照模型，并且，将所述目标权重的特征作为正样本，将除所述目标权重以外的其他权重的特征作为负样本；

确定所述参照模型的第一损失、第二损失之和，作为第三损失；

以第三损失最小化为训练目标，根据所述正样本和所述负样本，调整所述待训练的Dropout模型的参数，得到Dropout模型。

6.如权利要求1所述方法，其特征在于，所述训练样本是根据AIS系统在历史上采集的船舶行驶数据得到的；和/或，

所述位置点通过经度和纬度表征。