摘要
本发明提供一种基于自动轨迹集聚类的LSTM船舶轨迹预测方法及系统,该方法包括下述步骤:对船舶历史轨迹数据进行预处理并提取每条轨迹的起始点和终点,形成自动轨迹集;利用k‑means聚类算法对自动轨迹集中的起始点和终点进行聚类,并划分不同的轨迹模式;将自动轨迹集中预处理后的历史轨迹数据输入双向LSTM网络进行预训练,以生成轨迹模式概率模型;将待预测轨迹输入轨迹模式概率模型,输出该轨迹属于的轨迹模式的概率;使用轨迹数量最大的轨迹模式对应的历史轨迹数据训练基于LSTM的轨迹预测模型的基础轨迹预测模块和SHA模块,使用其他轨迹模式对应的历史轨迹数据训练轨迹预测模型的TCA模块;利用概率最大的轨迹模式对应的轨迹预测模型预测最终预测轨迹。
技术关键词
轨迹预测模型
历史轨迹数据
模式
船舶轨迹预测方法
输出模块
序列特征
多头注意力机制
Softmax函数
动态权重分配
生成轨迹
终点
轨迹预测系统
基础
初始聚类中心
异常点
系统为您推荐了相关专利信息
样本
嵌入式系统
数据采集模块
数据处理模块
时钟
供电功率分配方法
电池荷电状态
发动机运行状态
分层状态机
增程器发电功率
分布式传感器
位置检测结构
动态隔离模块
配电终端
定位算法
能源管理方法
历史运行数据
电池健康状态
寿命
模式