[發明專利]一種基于圖神經網絡的航跡預測方法

有效

• 申請號: 202110779945.8
• 申請日: 2021-07-09
• 公開（公告）號: CN113505878B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 蘇偉;成方林;張久文;李建睿;劉映杰;蔡川
• 申請（專利權）人: 蘭州大學;天津云帆海洋科技有限公司
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06N3/04;G06K9/62
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 陸華

1.一種基于圖神經網絡的航跡預測方法，其特征在于，包括：

S1：構建圖神經網絡模型，所述圖神經網絡模型包括圖學習模塊、圖卷積模塊、時間卷積模塊和輸出模塊，所述圖學習模塊，根據數據計算輸入圖數據的鄰接矩陣，該鄰接矩陣隨后將用于所有圖卷積模塊上，作為此模塊的輸入；

所述圖卷積模塊與時間卷積模塊交替分布，一個時間卷積模塊后面接一個圖卷積模塊，分別捕獲輸入信息在時間和空間上的相關性；

所述輸出模塊用于將模型中隱藏的特征以合適的尺寸映射到輸出空間中；

所述圖學習模塊通過如下算式方法獲得：

M₁＝tanh(αE₁θ₁) (4-1)

M₂＝tanh(αE₂θ₂) (4-2)

idx＝argtopk(A[i,:]),i＝1,2,...,N (4-4)

A[i,-idx]＝0 (4-5)

其中：E₁和E₂表示隨機初始化的節點嵌入，訓練過程中得以修正；θ₁和θ₂是模型的參數；α是飽和率超參數，用于控制激活函數的飽和狀態；Argtopk(*)函數返回向量中前k大的值；

所述圖卷積模塊包括兩個Mix-Hop傳播層，Mix-Hop傳播層會結合鄰接矩陣來處理信息流中節點的空間相關信息；而Mix-Hop傳播層包含兩個步驟：傳播過程和選擇過程；Mix-Hop傳播層的傳播過程定義為(4-6)：

其中β是模型的一個超參數，其控制節點中原始信息狀態的保留比率；而對于選擇過程而言，其定義為(4-7)：

K是信息傳播深度，H_in表示當前層的輸入，它是前一層輸出的隱藏狀態，H_out表示當前層輸出的隱藏狀態；上式中出現的變量定義為式(4-8)所示：

式中A為鄰接矩陣，I單位矩陣；

S2：獲取待檢測航跡序列數據集；

S3：將待檢測航跡序列數據集輸入圖神經網絡模型，得到航跡預測軌跡。

2.根據權利要求1所述的基于圖神經網絡的航跡預測方法，其特征在于：所述S1具體方法為：

S1-1：調取船舶AIS原始數據庫中的AIS原始軌跡數據；

S1-2：對所述AIS原始軌跡數據進行處理，得到航跡序列數據集；

S1-3：新增圖學習模塊，建立圖神經網絡模型。

3.根據權利要求2所述的基于圖神經網絡的航跡預測方法，其特征在于：所述步驟S1-2包括：

S1-2-1：對所述AIS原始軌跡數據進行解碼，獲得AIS解碼數據；

S1-2-2：對所述AIS解碼數據進行預處理，獲得AIS信息數據；

S1-2-3：對AIS信息數據進行插值處理，獲得航跡序列數據集。

4.根據權利要求3所述的基于圖神經網絡的航跡預測方法，其特征在于：所述步驟S1-2-2包括經緯度坐標轉換處理、噪聲及無效數據清洗處理。

5.根據權利要求3所述的基于圖神經網絡的航跡預測方法，其特征在于：所述步驟S1-2-3包括插入點位置識別、插值方法生成數據點并插入。