基于多模态知识增强的船舶轨迹预测框架
计算机视觉与模式识别
2025-03-31 v1 人工智能
摘要
准确的船舶轨迹预测有助于提高导航安全性、优化航线并保护环境。然而，现有方法面临来自全球 AIS 系统的船舶跟踪数据不规则采样时间间隔以及船舶运动复杂性带来的挑战，这些因素使得模型学习和泛化困难。为此，我们提出一种多模态知识增强框架（MAKER）用于船舶轨迹预测。为更好地应对不规则采样时间间隔，MAKER 包含基于大语言模型引导的知识迁移（LKT）模块，利用预训练语言模型有效地将轨迹特定的上下文知识迁移到模型中。为提升学习复杂轨迹模式的能力，MAKER 还融入了基于知识的自放慢学习（KSL）模块。该模块运用运动学知识在训练期间逐渐整合复杂模式，实现自适应学习和增强的泛化能力。在两个船舶轨迹数据集上的实验表明，MAKER 可将基于最先进方法的预测精度提升 12.08%-17.86%。
引用
@article{arxiv.2503.21834,
title = {A Multi-Modal Knowledge-Enhanced Framework for Vessel Trajectory Prediction},
author = {Haomin Yu and Tianyi Li and Kristian Torp and Christian S. Jensen},
journal= {arXiv preprint arXiv:2503.21834},
year = {2025}
}
备注
8 pages, 5 figures