[發明專利]船舶軌跡實時預測方法

有效

• 申請號: 201410849496.X
• 申請日: 2014-12-30
• 公開（公告）號: CN104484726B
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 韓云祥;趙景波;李廣軍
• 申請（專利權）人: 江蘇理工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 常州市江海陽光知識產權代理有限公司 32214
• 代理人: 陳曉君

1.一種船舶軌跡實時預測方法，其特征在于包括如下幾個步驟：

①通過海面雷達獲得船舶的實時和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x₁',x₂',·,x_n']和y'＝[y₁',y₂',·,y_n']，通過應用小波變換理論對原始離散二維位置序列x'＝[x₁',x₂',·,x_n']和y'＝[y₁',y₂',·,y_n']進行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x₁,x₂,·,x_n]和y＝[y₁,y₂,·,y_n]；

②在每一采樣時刻對船舶軌跡數據預處理，依據所獲取的船舶去噪離散二維位置序列x＝[x₁,x₂,·,x_n]和y＝[y₁,y₂,· ,y_n]，采用一階差分方法對其進行處理獲取新的船舶離散位置序列△x＝[△x₁,△x₂,·,△x_n-1]和△y＝[△y₁,△y₂,·,△y_n-1]，其中△x_i＝x_i+1-x_i,△y_i＝y_i+1-y_i，i＝1,2,·,n-1；

③在每一采樣時刻對船舶軌跡數據聚類，對處理后新的船舶離散二維位置序列△x和△y，通過設定聚類個數M'，采用遺傳聚類算法分別對其進行聚類；

④在每一采樣時刻對船舶軌跡數據利用隱馬爾科夫模型進行參數訓練，通過將處理后的船舶運行軌跡數據△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態數目N和參數更新時段τ'，依據最近的T'個位置觀測值并采用B-W算法滾動獲取最新隱馬爾科夫模型參數λ'；

⑤在每一采樣時刻依據隱馬爾科夫模型參數，采用Viterbi算法獲取當前時刻觀測值所對應的隱狀態q：

5.1)變量賦初值：令g＝2，β_T′(s_i)＝1，s_i∈S，δ₁(s_i)＝π_ib_i(o₁)，ψ₁(s_i)＝0，其中，其中變量ψ_g(s_j)表示使變量δ_g-1(s_i)a_ij取最大值的船舶航跡隱狀態s_i，參數S表示隱狀態的集合；

5.2)遞推過程：

5.3)時刻更新：令g＝g+1，若g≤T'，返回步驟5.2)，否則迭代終止并轉到步驟5.4)；

5.4)轉到步驟5.5)；

5.5)最優隱狀態序列獲取：

5.5.1)變量賦初值：令g＝T'-1；

5.5.2)后向遞推：

5.5.3)時刻更新：令g＝g-1，若g≥1，返回步驟5.5.2)，否則終止；

⑥在每一采樣時刻，通過設定預測時域W，基于船舶當前時刻的隱狀態q，獲取未來時段船舶的位置預測值O，從而在每一采樣時刻滾動推測到未來時段內船舶的軌跡。