申请/专利权人：大连海事大学

申请日：2021-05-27

公开（公告）日：2024-03-26

公开（公告）号：CN113283653B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F16/29;G06N5/01

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.09.07#实质审查的生效;2021.08.20#公开

摘要：本发明公开了一种基于机器学习和AIS数据的船舶轨迹预测方法，包括：对船舶历史AIS数据集进行预处理；对预处理后的AIS数据集按轨迹进行划分，以获取多条轨迹特征数据；再对轨迹特征数据中的错误数据进行检测和删除；对每条轨迹特征数据进行网格化处理，将每条轨迹特征数据内轨迹点的预测目标划分为八个邻域网格方向；建立基于xgboost算法的轨迹预测模型，通过轨迹预测模型对轨迹点进行预测。从而提高船舶运动方向预测的准确率。同时在数据集选取时，只要求传回的AIS数据位置信息在网格精度允许范围内即可认为数据有效，降低了对AIS数据的精确性要求。

主权项：1.一种基于机器学习和AIS数据的船舶轨迹预测方法，其特征在于，包括：对船舶历史AIS数据集进行预处理；对预处理后的AIS数据集按轨迹进行划分，以获取多条轨迹特征数据；再对所述轨迹特征数据中的错误数据进行检测和删除，包括：所述轨迹特征数据，包括：船长、航向、船艏向、速度、经纬度、轨迹点记录时间和转向率；针对各条轨迹中出现异常行为的数据进行检测和删除，所述异常行为的数据包括：经纬度明显偏离航线、实际航速和传回航速值差异超过阈值；得到经过处理的轨迹数据集：XT＝[x1，x2，...xj，...xN]T∈RmM*N1其中，M为每条轨迹包含的轨迹点数目，N为从数据中获取的轨迹条数，Xj＝[x1，x2，...xi，...xM]T包含了每条轨迹返回的轨迹点；Xi＝[xlat，xlng，xv，xd，xl，xt，xh，xr]T包含了每个轨迹点的所有特征信息，其中，xlat，xlng记录了轨迹点的经纬度信息；对每条所述轨迹特征数据进行网格化处理，将每条所述轨迹特征数据内轨迹点的预测目标划分为八个邻域网格方向，包括：对于每个轨迹点的经纬度信息通过式2和式3进行离散化处理； 式中，δlng，δlat为网格在经纬度上的分度值，minxlng，minxlat为经纬度的最小值；选取AIS数据中的速度信息xv、航向信息xd、船艏向信息xr、转向率xr、船长信息xl及轨迹点记录时间xt作为特征，轨迹点记录时间xt＝Hxt，其中，Hxt表示取一时间变量xt的小时部分；基于不同船舶的船长信息xl及轨迹点记录时间xt两项特征为连续值，进一步通过式4进行离散化处理； xt＝Hxt5其中，Hxt表示取一时间变量xt的小时部分；根据轨迹中每个当前轨迹点的位置和后继轨迹点的位置，计算其推测航行方向作为标签值，由式6和7表示为： 其中，为当前轨迹点的位置，为后继轨迹点的位置；建立基于xgboost算法的轨迹预测模型，通过所述轨迹预测模型对所述轨迹点进行预测。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于机器学习和AIS数据的船舶轨迹预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD