融合气象数据的智能船舶轨迹修复与预测.pdfVIP

成都信息工程大学硕士学位论文

融合气象数据的智能船舶轨迹修复与预测

摘要

作为全球贸易的核心支柱，海运在国际货物运输领域占据举足轻重的地位。

然而，气候变化所诱发的海平面上升、降水量增加以及热带风暴等自然灾害对航

运业产生了深远的影响，这不仅可能导致航运基础设施的损坏以及贸易的中断，

还可能对船舶的安全航行造成了威胁。这些不可控制的因素为全球经济带来了巨

大的不确定性和风险。另一方面，由于船舶动力输出的局限性以及其运动受流体

支承的特殊性，船舶运动规律难以捉摸，这使得传统数学建模难以实现高精度预

测。因此，如何更好地理解船舶运动与海洋气象数据之间的关系，以及如何提高

航行安全性和经济效益已成为船舶运营管理和船舶控制研究领域的热点问题。

根据国际海上人命安全公约（InternationalConventionforSafetyofLifeatSea，

SOLAS），船舶自动识别系统（AutomaticIdentificationSystem，AIS）是所有货船

（总吨位大于300GT）和客船的强制性装置，这为船舶轨迹研究提供了充足的数

据基础。本研究以AIS船舶轨迹数据为基础，对这些数据进行优化处理，利用大

数据和人工智能技术深入研究复杂的船舶运动规律，实现高质量的船舶轨迹预测。

本文的主要研究内容如下：

(1)融合船舶运动与数据特点的船舶轨迹重建。鉴于AIS系统受技术和设备

限制，采集的数据中存在许多异常轨迹点，本研究将对AIS数据中的异常轨迹点

类型及其产生原因进行总结。通过船舶运动规律、数据分布特征以及统计学知识

进行异常清理。最终，重建了一套高质量的全球大型远洋船舶时空轨迹数据集。

(2)聚类后再离散的气象数据融合算法。鉴于海洋气象数据的时-空分辨率较

低且难以准确描述气象状况，本研究利用气象数据的整体性与局部性特点进行建

模，设计聚类算法与特征离散化处理相结合的方法对气象数据可靠应用，实现了

轨迹数据与气象数据的有效融合，为船舶研究提供可靠的气象数据保障。

(3)基于TripleConvTransformer的船舶轨迹预测。本文根据船舶航行特点设

计全局卷积、局部卷积和趋势卷积结合的三卷积模块以提取航行特征。接着，采

用多头自注意力机制进行深度信息挖掘，最终完成船舶轨迹预测的深度学习模型

设计。在实际航线测试中，该模型能够将90分钟内的船位预测误差控制在百米级。

通过模块有效性实验并与主流预测模型进行对比，本研究所提出的方法在全

球范围内有效地完成了轨迹修复与远洋船舶轨迹预测任务。本研究的成果在提高

航行安全性和经济效益方面具有重要的理论和实践意义，能有效辅助船长进行安

全航行、海事部门交通管理以及港口调度等航运相关工作高效开展。

关键词：智能航海，航迹重建，全球航迹预测，特征离散化，深度学习

ii

成都信息工程大学硕士学位论文

SmartVesselTrajectoryRepairandForecastingFusing

MeteorologicalData

ABSTRACT

Asacentralpillarofglobaltrade,maritimetransportplaysapivotalroleinthe

internationaltransportationofgoods.However,naturaldisasterssuchassealevelrise,

increasedprecipitation,andtropicalstormsinducedbyclimatechangehavehad