龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：杭州电子科技大学
摘要：本发明公开了一种基于改进的生成式seq2seq船舶轨迹预测方法。本发明包含四部分内容：轨迹数据预处理、轨迹时间特征提取、轨迹空间特征提取和基于多头自注意力机制的序列到序列模型。本发明通过改进生成式seq2seq网络引入船舶轨迹的时间特征和空间特征，捕捉轨迹数据长期依赖性同时学习船舶的运动特征，能够有效提升船舶轨迹预测精度，为海上搜索和救援、交通控制、路径规划、和污染监测等应用提供技术支撑。
主权项：1.一种基于改进的生成式seq2seq船舶轨迹预测方法，其特征在于，包括如下步骤：步骤1、收集历史船舶报位数据，将散乱的船舶报位信息处理成长度固定，时间间隔一致的轨迹数据，然后将数据集分为训练集、测试集；步骤2、把训练集中的轨迹数据分割成一个个固定大小的batch，并对模型参数进行正态分布初始化；步骤3、读取一个batch的数据，并将数据离散化，把回归问题变成了分类问题，将数据放入一个嵌入层中，通过神经网络学习到轨迹的运动特征；步骤4、使用分层的时间嵌入方法将轨迹的时间戳提取为时间特征，将时间特征矩阵和轨迹的运动特征矩阵进行相加融合；步骤5、使用快速搜索和寻找密度峰值的聚类算法对轨迹的经纬度向量进行聚类，提取轨迹的空间特征，将轨迹空间特征与步骤4的结果相加融合；步骤6、构建生成式序列到序列模型，将步骤5得到的融合结果输入生成式序列到序列模型进行模型训练，所述生成式序列到序列模型包括多头自注意力机制多层感知机，所述多头自注意力机制多层感知机之间通过残差连接与归一化连接，所述多层感知机的输出通过残差连接与归一化输出预测结果；步骤7、将步骤2中的训练集数据更换为测试集数据，重复执行步骤2到步骤5，并将步骤5得到的结果输入到步骤6中完成训练的生成式序列到序列模型中，得到最终轨迹预测结果。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于改进的生成式seq2seq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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号