基于MG-Transformer模型的船舶轨迹预测

摘要

为提高船舶轨迹预测精度，提出基于多关系加权图Transformer (MG-Transformer)的船舶轨迹预测模型。首先，从AIS数据中提取相似船舶行为模式，捕获不同运动特征。在此基础上，通过学习不同船舶的历史行为模式，提高模型的预测精度和效率。其次，构造多关系加权图表示多船之间复杂的空间关系，结合Transformer学习多船交互影响并预测未来轨迹。采用宁波舟山港AIS数据开展实验验证。结果表明，在对不同时间步长的轨迹进行预测时，相比LSTM、BiLSTM、Seq2seq、Social-SGCNN, MG-Transformer模型的平均位移误差、最终位移误差均大幅下降，平均降低27.54%,船舶轨迹预测模型精度显著提升。

关键词

智能船舶 / 多关系加权图Transformer (MG-Transformer) / 轨迹预测