论文研读 | 基于深度学习的水上交通预测——船舶轨迹预测篇

最新推荐文章于 2025-03-28 08:05:34 发布
最新推荐文章于 2025-03-28 08:05:34 发布
阅读量2k 收藏 37
点赞数 31
文章标签： 神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ST_group/article/details/143406135
版权

  水上交通预测可包括船舶轨迹预测和船舶交通流量预测。两者本质上都属于时间序列预测的范围，不过前者包含有经纬度等空间信息。目前主流方法集中在机器学习和深度学习，如何利用现有问题的结构和属性，开发强有力的方法以提高预测的精度，是水上交通预测的关键。

  本期主题为船舶轨迹预测，船舶轨迹预测使用数据挖掘等技术来分析历史船舶轨迹数据和当前船舶状态信息，以准确预测船舶未来可能的位置，是实现船舶碰撞预警、保障海上安全的关键。

面向智能交通系统船舶轨迹预测的双向信息融合驱动深度网络（Bi-directional information fusion-driven deep network for ship trajectory prediction in intelligent transportation systems）

Author: Huanhuan Li,Wenbin Xing,Hang Jiao, Kum Fai Yuen , Ruobin Gao , Yan Li,Christian Matthewsf, Zaili Yang
Year: 2024, December. 
Issue: Transportation Research Part E. December 2024, 103770.
Group: Liverpool John Moores University.

01 背景介绍

1 问题背景

  该篇文章主要系统地解决三个主要问题：(1)船舶轨迹预测问题本质的研究综述问题（2）提高预测精度的网络结构创新性问题（3）不同交通场景的综合评价指标设计问题。

02 方法介绍

1 模型本质

  提出的模型是 Triple Bidirectional Enhanced Network (TBENet)，采用独特的三层架构，由 BiGRU&#x

最低0.47元/天 解锁文章
Transformer模型在船舶轨迹预测中的应用
CodeWOW的博客
09-14 1518
通过深度学习模型的训练和预测，船舶可以更好地规划航线，避免碰撞风险，并提高航行的安全性和效任务，它可以帮助船只避免潜在的碰撞风险、规划航线以及提高航行的安全性和效率。我们可以将船舶轨迹预测任务看作是一个序列到序列的问题，其中输入序列是历史轨迹，输出序列是预测的未任务，它可以帮助船只避免潜在的碰撞风险、规划航线以及提高航行的安全性和效率。在本文中，我们介绍了如何使用Transformer模型进行船舶轨迹预测，并提供了相应的代码任务，它可以帮助船只避免潜在的碰撞风险、规划航线以及提高航行的安全性和效率。
【Matlab TSP】改进的遗传算法求解旅行商问题【含GUI源码 926期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
11-09 898
改进的遗传算法求解旅行商问题 完整的代码，包运行；运行操作视频见CSDN资源！适合小白！
船舶轨迹预测
m0_51694014的博客
06-21 4532
船舶轨迹预测
船舶轨迹预测新突破：基于AIS数据的混合深度学习模型
最新发布
qq_38220914的博客
03-28 596
VAE能够提取船舶之间的交互信息和复杂的航行特征，并重建高质量的样本数据，有效减少了干扰因素的影响。S-TGP模型结合了时间卷积网络（TCN）和门控循环单元（GRU），利用TCN的并行计算能力和GRU对历史数据长期相关性的估计能力，实现了对单艘船舶轨迹的高精度预测。这一研究成果不仅为船舶轨迹预测领域带来了新的希望，也为海事安全管理和海上交通优化提供了新的思路。未来，随着AIS数据的不断丰富和深度学习技术的持续发展，这些模型有望在更广泛的水域和更复杂的场景中得到应用。## 实验验证与优势。
基于 LSTM 的船舶轨迹预测，单步预测
热门推荐
fyuhao的博客
12-06 1万+
基于 LSTM 的船舶轨迹预测，单步预测
船舶轨迹预测的方法有哪些
weixin_35751412的博客
12-21 1284
船舶轨迹预测的方法有以下几种: 线性预测: 这种方法基于过去的船舶轨迹数据,使用线性回归或其他线性模型来预测未来的轨迹。 多项式预测: 这种方法使用多项式回归或其他多项式模型来预测未来的轨迹。 神经网络预测: 这种方法使用神经网络模型来预测未来的轨迹,可以考虑使用单层或多层神经网络。 支持向量机预测: 这种方法使用支持向量机模型来预测未来的轨迹。 随机森林预测: 这种方法使用随机森林模型...
船轨迹预测
lovezcyzmd_csdn的博客
07-21 3309
代码： 链接: https://pan.baidu.com/s/1wgBxMKuXuWGm6Y2IjaEqzA 密码: k66p 以为很简单的任务，结果做了很多次的调整，才有一定的效果。最让人头疼的是，预测的第一个值总是跳很远。很诡异。 数据处理是最必要的，减均值除方差真的非常重要。 数据清洗，数据里面有很多数字的连续性不强，也是要去掉的。 网络参数调整：包括调整神经元个数还有dropout率，似乎效果影响不大。 单模型变双模型：因为是要预测两个数据坐标，我尝试用两个模型分别预测经度和纬度，效果有提升
论文阅读：基于 LSTM 的船舶航迹预测
志远的博客
03-06 4225
论文阅读：基于 LSTM 的船舶航迹预测 论文下载地址：https://download.csdn.net/download/qq_33302004/15611798 目录 1. 摘要 2. 预测模型结构和流程 3. 实验结果 4. 有趣的想法 1. 摘要 2. 预测模型结构和流程 （1）输入与输出 输出：（t+1 ）时刻的经度和纬度（预测目标） 输入：t 时刻以及前（n-1）时刻的经度、纬度、航速、航向 （2）数据预处理 采用“分箱”的方式实现异常值剔除：
论文研读 | 基于深度学习的水上交通预测——船舶交通流量预测篇
ST_group的博客
12-06 1090
船舶交通流量(Vessel Traffic Flow,VTF）是对如航道或港口水域活动水平的定量评估。其定义为给定时间单位内通过特定位置的船舶总数。船舶密度高表明目标区域的 VTF 数据突然增加或高于传统的历史值，从而增加船舶碰撞风险或造成航道拥堵。VTF 预测研究可以预测特定水域内船舶密度的变化，以判断是否可能发生拥堵并增加碰撞风险的概率。未来的 VTF 数据与历史数据的变化特征紧密相关，因此数据驱动预测方法是当前主流研究方向。AIS 数据可以帮助收集统计 VTF 数据，为预测研究提供关键支撑。
论文研读|基于注意力的深度学习如何实时预测购买还是浏览（DIPN）
qq_41589941的博客
09-17 1252
原文链接：Buying or Browsing? : Predicting Real-time Purchasing Intent using Attention-based Deep Network with Multiple Behavior 导读 本文主要介绍如何利用用户与海量弱信号的手机交互数据对用户实时的购买行为进行预测。 论文主要工作亮点 一种新的用户交互行为数据的收集、特征提取及利用 层级注意力的应用 多任务预测提升模型鲁棒性。 相关工作 购买意图预测 在以往的预测目标是预测会话
让研读教材与深度学习同频共振——以《认识图形(二)》为例.pdf
08-18
综上所述，教师在教学过程中应当灵活运用教材资源，实施“三深三式”策略——“深耕”、“深谋”和“深究”，以“前联式”、“探究式”和“后延式”为依托，促进学生深度学习，从单一知识点的掌握过渡到整体知识网络...
深度学习 论文研读PPT
09-23
除了在图像和语音识别领域打破记录之外，深度学习还在药物分子活性预测、粒子加速器数据分析、大脑电路重构以及非编码DNA突变对基因表达和疾病影响预测等多个科学和商业领域中取得了领先其他机器学习技术的成绩。...
基于BP神经网络的船舶航迹实时预测_徐婷婷.pdf
02-23
文章讲解介绍：https://blog.csdn.net/qq_33302004/article/details/113971171
基于LSTM的船舶航迹预测_陈凯达.pdf
03-06
论文讲解：https://blog.csdn.net/qq_33302004/article/details/114437385
免费 AIS船舶轨迹预测 数据集 分享 （可用于长周期轨迹预测）
qq_43747519的博客
01-24 9379
论文中使用的数据由提供。有关预处理步骤的详细信息，请参阅。
使用AI预测船舶轨迹：An-Yuhang-ace的VesselTrajectoryPrediction项目详解
gitblog_00014的博客
04-21 979
使用AI预测船舶轨迹：An-Yuhang-ace的VesselTrajectoryPrediction项目详解 去发现同类优质开源项目:https://gitcode.com/ 项目简介 是一个开源项目，旨在利用先进的机器学习技术预测船舶的未来轨迹。通过分析历史的GPS数据，该项目可以帮助海事行业的从业者、研究者以及对海洋安全有兴趣的人士，提前预知船舶可能的行为，从而提高航行安全性，优化港口管理，...
AI：93-基于机器学习的船舶识别与轨迹预测
一键难忘的博客
12-09 1476
AI：93-基于机器学习的船舶识别与轨迹预测 随着人工智能技术的不断发展，机器学习在多个领域展现了惊人的应用潜力。其中，船舶识别与轨迹预测成为了海洋领域中的一个重要研究方向。在海上交通管理、海洋资源开发和环境监测等方面，对船舶进行准确识别和轨迹预测具有重要意义。本文将深入探讨基于机器学习的船舶识别与轨迹预测技术，并提供相关代码实例。
python基于XGBoost开发构建海上船舶航行轨迹多变量序列预测分析模型
2201_75285525的博客
03-22 1018
python基于XGBoost开发构建海上船舶航行轨迹多变量序列预测分析模型
论文阅读：基于循环神经网络的船舶航迹预测
志远的博客
02-22 3215
论文阅读：基于循环神经网络的船舶航迹预测 论文下载：https://download.csdn.net/download/qq_33302004/15421819 目录 1. 摘要 2. 主要贡献 3. 一些有趣的观点 4. 基于SSPD的数据预处理方法 5. GRU循环神经网络预测模型 6. 实验 1. 摘要 2. 主要贡献 提出了一种基于循环神经网络的船舶航迹预测方法，主要包含两个部分：数据预处理（SSPD）和循环神经网络预测模型，算法流程如下： 实验结果：平均计算耗时1
深度学习精选论文合集：供爱好者研读参考
标题中的“deepLearning.ai参考的优秀论文”指的是深度学习领域内一些顶尖的、具有重要意义的学术论文集合。这些论文是深度学习研究和学习的参考资源，通常涵盖了该领域的最新研究成果、理论创新和技术进展。由于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值