基于DCNN-LSTM模型的船舶违章行为检测

摘要

桥区水域船舶违章行为的精准检测对于预控船桥碰撞至关重要.为保障船舶航行安全，提出了一种面向桥区水域的船舶违章行为检测模型.通过实时采集长江武汉段连续桥区船舶自动识别系统（AIS）数据及预处理工作，采用卷积神经网络（CNN）提取船舶行为信息，与长短时记忆神经网络（LSTM）相结合，建立深度卷积长短时记忆模型（DCNN-LSTM）学习船舶时空行为特征，并结合船舶超速、掉头、追越三种违章行为进行实验分析.结果表明，DCNN-LSTM模型相较于CNN、LSTM和支持向量机（SVM）模型表现出较强的优势，其准确率、精确率和F₁分别为88.96%、96.49%和92.87%，实现了船舶违章行为的精准检测和识别.以典型水域船舶违章行为进行实例分析，进一步论证了DCNN-LSTM的有效性和优越性.为桥区水域船舶安全监管提供了可靠的理论基础，推动了船舶智能化发展.

关键词

深度学习 / 内河航道 / CNN / LSTM / DCNN-LSTM