[发明专利]基于注意力机制和环境感知LSTM的船舶预测导航方法

权利要求书

1.基于注意力机制和环境感知LSTM的船舶预测导航方法，其特征在于，包括以下具体步骤：

S1，对关注海域内所有船只的船舶AIS信息进行数据预处理，以船只的运动信息和其临近区域内的静止障碍物位置信息构建轨迹数据集；将关注海域划分为N×N的网格，船只的临近区域为N₀×N₀大小的网格，其中N₀代表临近区域的边长，N＞N₀，N为正整数；

S2，为关注海域内每个船只分别建立一个轨迹预测模型，所述轨迹预测模型包括基于注意力机制的社会关系特征提取模块和障碍特征提取模块、运动信息编码器以及LSTM；

S3，基于S1中的轨迹数据集，对S2中的所有轨迹预测模型进行同步训练；

S4，利用S3中训练好的轨迹预测模型，预测关注海域内每一船只未来时刻的轨迹点，从而得到一条导航推荐路线。

2.如权利要求1所述的基于注意力机制和环境感知LSTM的船舶预测导航方法，其特征在于，所述S1具体为：

对船舶AIS信息进行采样，得到关注海域内船只的运动信息和其临近区域内的静止障碍物位置信息，作为该船只的轨迹数据集，其中船只的运动信息Traj＝{p₁，p₂，...p_n}，n是采样时刻数，p_t表示第t个采样时刻该船只的运动信息(X_t，Y_t，Azi_t)，(X_t，Y_t)是第t个采样时刻该船只的坐标，Azi_t是第t个采样时刻该船只的航向。

3.如权利要求2所述的基于注意力机制和环境感知LSTM的船舶预测导航方法，其特征在于，所述轨迹数据集中，前Obs个运动信息和对应的临近区域静止障碍物位置信息作为观测输入，其余后n-Obs个为预测输出，Obs为正整数。

4.如权利要求2所述的基于注意力机制和环境感知LSTM的船舶预测导航方法，其特征在于，所述S2中基于注意力机制的社会关系特征提取模块提取船只间社会关系特征的步骤具体为：

计算第t个采样时刻船只i与船只j的社会关系(R_ij，θ_ij，D_ij)，其中R_ij表示船只i与船只j的相对距离、θ_ij表示船只i与船只j的方位角，D_ij表示船只i与船只j以第t个采样时刻的状态保持匀速直线运动后两者之间的最近距离，船只j为关注海域内除船只i外任一船只；

第t个采样时刻船只i与船只j的社会关系经过第一嵌入层后输入到第一多层感知器，第一多层感知器输出注意力得分其中，表示第一嵌入层，为第一嵌入层的权重，为第一多层感知器的权重，MLP₁(·)表示第一多层感知器；

建立初值均为0、大小为N₀×N₀的社会关系掩码，检查船只j是否在船只i临近区域的网格内，若是则将船只j所在网格位置对应的掩码更新为1；

建立初值均为0、大小为N₀×N₀×D的第t个采样时刻船只i的社会关系张量根据社会关系掩码将第t-1个采样时刻船只j的隐藏状态乘对应的注意力得分α_ij，加入社会关系张量对应的单元格内；其中，D为LSTM隐藏状态的大小；

池化汇聚船只i临近船只的社会关系张量的隐藏状态得到N₁×N₁×D的社会关系张量，N₁为设定的经验值；

N₁×N₁×D的社会关系张量经过社会关系编码器，得到第t个采样时刻船只i编码后的社会关系特征其中，社会关系编码器由第一输入层、第一Relu层和第一Dropout层依次连接组成。