文章标题：面向船舶轨迹预测的非对称双向LSTM-GRU模型

文章作者：张杰¹, 王建兴¹, 梁栋², 梅斌¹
关 键 字：非对称双向LSTM-GRU;船舶轨迹预测;AIS系统;神经网络
文章摘要：针对双向神经网络结构复杂度高、鲁棒性不足的问题，本文提出一种非对称双向长短期记忆门控循环单元模型（Asymmetric Bidirectional Long Short-Term Memory neural network- Gated Recurrent Units network, AB-LGRU），该模型采用长短期记忆神经网络和门控循环单元网络处理正反向信息，分别捕获前后船舶轨迹特征信息。首先，预处理船舶轨迹数据，获取弯曲轨迹和直航轨迹；然后，训练本文模型并开展轨迹预测，与4种轨迹预测模型进行对比。采用均方误差作为损失函数对比分析5种模型的精度，并采用测试集预测结果对比分析模型预测效果。实验结果表明，AB-LGRU在训练集和验证集上均表现出最高精度，测试集预测结果均具有误差小、精确度高的优点。本文研究成果能够为船舶轨迹预测模型提供新的理论方法，预测的轨迹数据为水上交通管理决策提供指导。