融合CVAE与TrAISformer的船舶轨迹预测方法

《Ocean Engineering》：A vessel trajectory prediction method integrating Conditional Variational Autoencoder with TrAISformer

　　

研究人员提出一种融合条件变分自编码器（CVAE）与TrAISformer的船舶轨迹预测方法。该方法将上下文条件潜在特征在Transformer之前进行融合。在最佳16轨迹（best-of-16）评估协议下，3小时预测误差降低20.73%，参数数量仅增加0.96%。配对十次运行分析支持复杂轨迹下端点的误差降低。在所有评估的候选集大小下，预测误差均保持更低。精度增益未伴随更高的轨迹多样性或分支覆盖率。

全球超过80%的货物贸易量通过海运完成，繁忙水域中船舶偏离航路或相互接近会显著增加碰撞风险。基于自动识别系统（AIS）记录的船舶位置、对地速度（SOG）和对地航向（COG）等数据，数据驱动的轨迹预测能够支持早期风险识别、航线规划和交通管理。然而，AIS轨迹预测仍面临三个核心挑战：第一，纬度、经度、SOG和COG在物理意义、尺度及统计特性上差异显著，难以统一表示；第二，船舶在转向、交叉口或分岔处可能有多条合理的未来轨迹，自回归预测中早期路径选择误差会随时间传播；第三，未来航迹可能依赖很早之前的观测信息，需要长程时序建模。现有方法包括滤波状态空间模型、循环神经网络（RNN）、轨迹聚类方法以及Transformer架构，其中TrAISformer通过将AIS属性离散化并预测逐属性的分类分布，能够随机生成多条未来轨迹，但缺少一个在序列级聚合轨迹上下文的潜在条件分支。为此，研究人员提出CVAE-TrAISformer，在不替换基线模型随机生成机制的前提下，引入上下文条件潜在变量，以增强长时程预测中对转向和歧义路径的处理能力。

研究人员在丹麦海事局公开的AIS数据集上开展实验。该数据集覆盖2019年1月1日至3月31日丹麦海域（约55.5°N–58.0°N、10.3°E–13.0°E），包含约7.12亿条AIS消息，船型为货船和油轮。数据经过与TrAISformer一致的预处理，剔除SOG≥30节、系泊/锚泊、岸线1海里内等观测，并按10分钟间隔重采样，按时间顺序划分为训练、验证和测试集。模型的输入历史长度为18个时间步（3小时），预测长度分别为6、12和18个时间步（1、2、3小时）。CVAE-TrAISformer在TrAISformer的离散表示和Transformer骨干基础上，新增了一个上下文条件潜在分支。该分支从当前自回归上下文参数化高斯分布，通过重参数化技巧采样潜在变量，并将潜在特征投影后与AIS嵌入在Transformer之前融合。训练损失由四个属性头的交叉熵重建损失和KL散度（Kullback-Leibler divergence）正则项组成，并采用线性KL退火策略。推理时，默认在每个预测步骤都更新上下文和潜在样本；配对多运行诊断则采用固定潜变量（Fixed-Z）协议。评估中，每个历史轨迹生成16个候选轨迹，使用最小平均位移误差（minADE@K）和最小最终位移误差（minFDE@K）进行最优轨迹选择，并计算成对轨迹多样性（PD@K）和分支命中率（BHR@K）。

在整体性能比较中，CVAE-TrAISformer较TrAISformer将1、2、3小时平均预测误差从0.48、0.94、1.64海里降至0.39、0.77、1.30海里，降幅分别为18.75%、18.09%和20.73%，总体平均误差从1.02降至0.82海里（降低19.61%），参数数量仅增加0.96%。在消融研究中，移除KL正则化会使3小时误差急剧增至9.63海里；启用KL退火可将最佳验证轮次从基线模型的第12轮推迟至第50轮，并抑制后期验证损失震荡；潜在维度为16时取得最低误差；将潜在特征融合在Transformer之前，在所有六个评价指标上均取得最低平均误差，其中3小时minFDE@16为1.2955海里，显著低于Transformer之后融合（1.4111海里）和输出层融合（1.4158海里）。在场景特定分析中，转向场景的minADE@16和minFDE@16虽有数值下降，但经Holm校正后未达显著；复杂场景的minFDE@16从3.531海里降至3.168海里（约10.28%），校正后p=0.023，具有统计学意义；严格定义的分岔子集仅12条轨迹，该子集上CVAE-TrAISformer未显示出优势，分支命中率（BHR@K）在不同候选集大小下也无一致性改进。候选集大小分析显示，对候选集大小K∈{1,2,4,8,16}，minADE和minFDE均持续低于基线，但PD@16从2.356海里降至2.240海里，表明精度改善并未伴随空间分散度增加。在运动学合理性方面，SOG大突变频率与基线相近（0.840%对0.830%），但COG大突变频率显著更高（0.498%对0.272%，校正后p=0.00586），即使同时限制相邻SOG≥5节，该差异仍显著，说明位置精度改善并不必然意味着运动属性变化更符合物理直觉。

讨论部分指出，性能增益的可能机制来自三个方面：TrAISformer的分类目标避免了连续回归对多模态路径的平均效应；上下文条件潜在分支在注意力层之前融合，为时序特征构建提供了额外的条件路径；KL正则化与退火相结合，有助于稳定潜在空间并改善泛化。然而，现有实验结果未证明潜在变量显式编码不同的未来航行意图，也未显示分支覆盖率的系统性提升。运动学诊断进一步说明，位置误差降低与速度/航向变化合理性是两个不同的维度。研究局限性包括：评估主要依赖需要未来真值的oracle best-of-16协议，分岔子集样本量小，单数据集未验证跨区域泛化，且当前训练目标未显式约束连续运动变化。结论上，研究人员开发的CVAE-TrAISformer在保留TrAISformer随机分类生成机制的基础上，通过上下文条件潜在特征有效降低长时程候选集位置误差，特别是复杂轨迹的3小时端点误差，参数成本仅增加0.96%。但该改进未带来轨迹多样性或分支覆盖的提升，同时显著增加了大COG突变频率。未来工作应结合非oracle轨迹选择、跨海域独立验证，以及显式运动约束，以提升生成轨迹的物理一致性和实际部署价值。