基于注意力机制的TCN-BiLSTM船舶轨迹预测

来源：计算机测量与控制杂志2024年第1期北京时间：

作者：郭逸婕,张君毅,王鹏

单位：中国电子科技集团公司第五十四研究所

摘要：针对现有船舶轨迹预测模型预测准确度低的问题，提出一种基于注意力机制的时域卷积网络和双向长短时记忆网络（TCN-ABiLSTM）的船舶轨迹预测模型。首先搭建TCN网络提取船舶轨迹的序列特征，之后将注意力机制引入网络调整不同属性特征的权值，凸出对轨迹预测影响更大的特征，最后搭建Bi-LSTM网络学习轨迹序列的前后状况来提取序列中更多的信息，实现对船舶未来轨迹的预测；通过实际船舶AIS数据对网络进行训练与测试实验，实验结果表明，TCN-ABiLSTM模型相比LSTM、Bi-LSTM、TCN、BiLSTM-Attention、TCN-Attention模型船舶轨迹预测精度更高，拟合程度更好，验证了所设计的TCN-ABiLSTM模型在船舶轨迹预测方面的的有效性和实用性。

关键词：轨迹预测;时域卷积网络;长短时记忆网络;注意力机制;AIS

基金资助：国家自然科学基金(U19B2028)；第六届中国科学青年人才托举工程项目(2020QNRC001)