基于运动解耦的双流表示学习在AIS船舶轨迹预测中的应用

《Journal of Marine Science and Engineering》:Motion-Decoupled Dual-Stream Representation Learning for AIS-Based Vessel Trajectory Prediction

【字体: 大 中 小 】 时间:2026年07月25日 来源:Journal of Marine Science and Engineering 3.2

编辑推荐:

   摘要

  

摘要

基于自动识别系统(AIS)的船舶轨迹预测对于海上交通管理及航行安全至关重要。现有的深度学习方法通常在统一的时间表示空间中对船舶运动进行建模,这可能导致长期航行趋势与局部操纵行为相互混淆。然而,船舶轨迹实际上具有异质性动态特征,包括稳定的航线演变以及非平稳的操纵干扰。为解决这一问题,本文提出了一种名为MD-EDTCNFormer的运动解耦双流框架用于船舶轨迹预测。该框架中的全局导航动态编码器旨在从原始AIS数据中捕捉主导的航线级时间演变规律,而残差操纵动态编码器则通过状态转换残差表示来明确建模与操纵相关的局部干扰。此外,还引入了一种状态自适应的运动聚合机制,以便在不同航行状态下动态平衡全局导航依赖性与局部操纵相关动态特征。此外,该框架还整合了深度可分离时间卷积和高效通道注意力机制,以抑制多余的时间-通道耦合,并突出具有动态优势的运动特征。在舟山沿海地区的真实AIS数据集上进行的实验表明,该框架在沿海交通环境下的有效性,其预测精度和轨迹稳定性均优于常见的基准方法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号