一种基于CNN-GRU组合神经网络的船舶轨迹分类方法

    公开(公告)号:CN119025987A

    公开(公告)日:2024-11-26

    申请号:CN202411031808.6

    申请日:2024-07-30

    Abstract: 本发明提供一种基于CNN‑GRU组合神经网络的船舶轨迹分类方法,属于深度学习领域。通过如下步骤:步骤一、获取船舶轨迹源数据,对源数船舶轨迹数据进行相应清洗和预处理,具体为:S1剔除船舶轨迹点缺失严重的船舶轨迹和不符合要求的轨迹点;S2确定船舶轨迹时间戳间距;S3对船舶轨迹进行滑动窗口轨迹信息处理;S4对船舶轨迹缺失信息进行插值处理;S5对轨迹离群点进行去噪处理;步骤二、利用预处理后船舶轨迹数据计算船舶轨迹的运动属性序列和标准化处理获取船舶轨迹数据段;步骤三、利用所述船舶轨迹数据段构建和训练组合神经网络模型;步骤四、得到船舶轨迹的分类。实现了对船舶轨迹进行高效准确的分类。

    考虑北极船舶航行安全及能源消耗的船队跟驰模拟方法

    公开(公告)号:CN117113659A

    公开(公告)日:2023-11-24

    申请号:CN202311011171.X

    申请日:2023-08-11

    Abstract: 本发明公开了一种考虑北极船舶航行安全及能源消耗的船队跟驰模拟方法,包括:设置仿真相关参数;判断仿真时间是否超过所需仿真时长,若未超过,则继续运行,若超过仿真,则停止仿真;依据设定的参数,基于前方多船的未来运动趋势和浮冰对船舶航行的影响,建立由船舶联网技术辅助的多船跟驰模型,基于所述多船跟驰模型更新船舶状态信息,并监测船舶跟驰状态;判断仿真是否进入数据提取阶段,若是则输出各船舶状态信息,否则更新仿真时间,令t=t+τ,返回判断仿真时间的步骤;依据仿真结果分析船舶能源消耗。本发明考虑了前方多船的未来运动趋势和浮冰等影响因素,并分析了船舶速度波动导致的能源消耗问题,能实现贴近真实的北极航运模拟。

Patent Agency Ranking