TrAISformer——一种基于稀疏增强数据表示与交叉熵损失的Transformer网络，用于AIS船舶轨迹预测
人工智能
2024-01-09 v4
摘要
船舶轨迹预测在众多海事应用与服务中起着关键作用。尽管自动识别系统（AIS）为解决此任务提供了丰富的信息源，但由于运动数据固有的异质性和多模态特性，即使使用现代机器学习技术，利用AIS数据预测船舶轨迹仍具挑战性。本文提出了一种应对这些挑战的新方法。我们引入了一种离散的高维AIS数据表示，以及一种专为解决异质性和多模态性而设计的新型损失函数。所提出的模型——称为TrAISformer——是一个改进的Transformer网络，它在所提出的增强空间中提取AIS船舶轨迹的长期时间模式，以预测数小时后船舶的位置。我们报告了在真实、公开的AIS数据上的实验结果。TrAISformer显著优于现有最先进方法，在长达约10小时的预测中，平均预测误差低于10海里。
引用
@article{arxiv.2109.03958,
title = {TrAISformer -- A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction},
author = {Duong Nguyen and Ronan Fablet},
journal= {arXiv preprint arXiv:2109.03958},
year = {2024}
}