基于RNN-LSTM的船舶运动轨迹预测

吴鹏程， 罗 亮

(武汉理工大学 交通学院，湖北 武汉 430063)

0 引 言

轨迹预测是指根据移动对象当前的轨迹预测出该对象未来的移动轨迹，船舶轨迹预测是基于目标船舶已知的历史位置信息，对船舶在未来一段时间内可能出现的位置信息进行预测，在水上交通安全监管、船舶避碰、海事搜救等方面都具有巨大的应用价值。

船舶在航行中会受到推进、操舵等控制系统及风、浪、海流等外部扰动的影响，呈现出无规律不确定性的变化，较难利用专业知识构建出一个合适的非线性映射关系的数学模型。船舶的运动具有时变、不确定、非线性及随机的环境干扰特点。在船舶航行过程中，船上安装的传感器会采集到大量与船舶有关的航行数据，这些数据是典型的时间序列。根据这些时间序列数据可直接从数值层面上进行建模来实时预测船舶未来位置，能够有效避免建立复杂的运动数学模型。目前，已有不少针对船舶轨迹预测的研究。主要的预测算法包括高斯混合模型、最小二乘法、灰色预测、神经网络、卡尔曼滤波、聚类等。罗永豪[1]采用轨迹分段和区域划分的聚类算法将珠江三角洲的船舶自动识别系统(Automatic Identification System,AIS)航线数据划分成不同类型，将轨迹预测定义为分类问题，最后对预测算法进行验证。靳晓雨[2]认为船舶轨迹预测属于多分类问题，根据船舶的属性、航运市场状态和轨迹数据的聚类算法，对船舶未来的航行轨迹进行分类预测。TONG等[3]以马尔可夫链和灰度模型理论为基础，提出基于AIS数据的改进型马尔可夫模型，预测船舶在弯曲航道上的轨迹。……