面向船舶路径预测的历史 AIS 数据建模：一种综合性处理方法

人工智能的繁荣引发了人们对智能/自主导航的浓厚兴趣，其中路径预测是决策支持（例如航线规划、碰撞预警与交通管制）的一项关键功能。对于海事智能而言，自动识别系统（AIS）发挥着重要作用，因为近来它已被强制要求用于大型国际商业船舶，并能够提供近乎实时的船舶信息。因此，基于 AIS 数据的船舶路径预测是未来海事智能中一种有前景的途径。然而，在线收集的真实世界 AIS 数据仅仅是来自不同类型船舶与地理区域的高度不规则轨迹段（AIS 报文序列），且数据质量可能很低。因此，即便已有一些研究探讨如何利用历史 AIS 数据构建路径预测模型，这仍是一个极具挑战性的问题。本文提出了一个综合性框架，用于对海量历史 AIS 轨迹段进行建模，以实现精确的船舶路径预测。我们与现有流行方法进行了实验对比以验证所提方法，结果表明我们的方法大幅优于基线方法。