基于自动识别系统数据的多模型 LSTM 航迹关联架构
机器学习
2023-04-05 v1
摘要
数十年来，航迹关联一直是海上监视中的难题，其涉及对 vessel 观测随时间的识别与关联。然而，自动识别系统（AIS）通过提供海洋船舶动态与地理空间信息的大型数据库，为研究者解决该问题提供了新机遇。借助此类大型数据库，研究者如今可开发精密模型与算法，利用数据的日益可得性有效应对航迹关联挑战。此外，随着深度学习的兴起，航迹关联现可视为数据密集型问题。本研究提出一种基于长短期记忆（LSTM）的多模型框架用于航迹关联。LSTM 是一种循环神经网络架构，能够以顺序方式处理随时间收集的多变量时序数据，从而基于历史观测预测当前船舶位置。基于这些预测，随后利用基于测地距离的相似度度量将未分类观测关联至其真实航迹（船舶）。我们使用精度、召回率与 F1 分数等标准性能指标评估所提方法的性能，这些指标全面概括了该框架的准确性。
引用
@article{arxiv.2304.01491,
title = {Multi model LSTM architecture for Track Association based on Automatic Identification System Data},
author = {Md Asif Bin Syed and Imtiaz Ahmed},
journal= {arXiv preprint arXiv:2304.01491},
year = {2023}
}