茅晨昊+潘晨+尹波+盧憶寧+許循齊

摘 要：為了提前掌握船舶航行動態(tài)，從而采取有效行動去杜絕船撞橋事故安全隱患，提出一種基于高斯過程回歸的船舶軌跡預(yù)測模型。對已有船舶航行軌跡進(jìn)行仿真模擬，從而預(yù)測出船舶軌跡線路。結(jié)果表明：根據(jù)已有的船舶動態(tài)，預(yù)測接下去24分鐘的船舶航跡，前9分鐘精度接近原有船舶軌跡，隨著迭代進(jìn)行，精度逐漸降低，最后偏差率達(dá)到8.9%，可滿足預(yù)測要求。安全管理人員可憑此提前預(yù)警，做好海上安全預(yù)防工作。

關(guān)鍵詞：高斯過程回歸；船舶軌跡；船舶動態(tài)；預(yù)測

中圖分類號：U697 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2017）31-0028-03

引言

隨著我國運(yùn)輸業(yè)的快速發(fā)展，跨海大橋建設(shè)方興未艾，同時(shí)船橋相撞的事故屢有發(fā)生，據(jù)統(tǒng)計(jì)，1960年以來，我國已發(fā)生內(nèi)河船舶撞橋事故300余起[1]一旦發(fā)生事故，將會造成嚴(yán)重的人員財(cái)產(chǎn)損失。因此，如何有效預(yù)防船撞橋事故發(fā)生顯得尤為重要。船舶軌跡一直是研究重點(diǎn)，在跟蹤，預(yù)警，應(yīng)急管理中發(fā)揮著重要作用。當(dāng)前軌跡預(yù)測大都集中于對移動對象空間位置分析，從而預(yù)測移動對象下一位置信息，從而更好的做出船舶避碰路徑?jīng)Q策[2]。如許婷婷等人通過BP神經(jīng)網(wǎng)絡(luò)[3]進(jìn)行預(yù)測，徐鐵等人通過卡爾曼濾波算法[4]對船舶軌跡進(jìn)行平滑處理與預(yù)測，上述傳統(tǒng)方法因其理論的局限性，未能應(yīng)用于對實(shí)時(shí)性、抗干擾性要求較高的移動通信環(huán)境中[5]。高斯回歸過程（Gaussian Process Regression，GPR）是一種基于貝葉斯網(wǎng)絡(luò)的新型機(jī)器學(xué)習(xí)算法，不僅具有可解釋性強(qiáng)的貝葉斯網(wǎng)絡(luò)推理能力，同時(shí)具有了支持向量機(jī)的小樣本、非線性、高維等問題的自適應(yīng)處理能力，是機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，較好解決船舶航跡預(yù)測問題[6]。

1 高斯回歸過程模型

高斯過程回歸（Gaussian Process Regression，GPR）是一種處理函數(shù)型數(shù)據(jù)的現(xiàn)代統(tǒng)計(jì)方法，它在充分利用所給數(shù)據(jù)信息的前提下，能進(jìn)一步考慮到數(shù)據(jù)自身包含的時(shí)間趨勢，周期趨勢，增減趨勢等，建立更為合適的模型，做出更準(zhǔn)確的預(yù)測[7]。

1.1 高斯回歸過程原理

2 船舶航行軌跡仿真

2.1 數(shù)據(jù)來源

軌跡預(yù)測需要選取等時(shí)間間隔，保證預(yù)測的規(guī)律性，并且軌跡往往與周圍環(huán)境，船速，船首向有關(guān)。本船實(shí)驗(yàn)對象是長江流域的一條貨船，船長62米，船寬12米，通過AIS數(shù)據(jù)采集。采用2017年5月10日下午14點(diǎn)09分48秒到下午15點(diǎn)51分11秒這1個(gè)小時(shí)42分鐘時(shí)間段。

將經(jīng)緯度處理過后，本船船舶軌跡如圖1所示。

圖2反映了軌跡預(yù)測的9個(gè)點(diǎn)與實(shí)際航行記錄點(diǎn)之間的差異，可以看出前4個(gè)點(diǎn)精度高與實(shí)際軌跡幾乎相當(dāng)，隨著高斯過程回歸進(jìn)行，第5個(gè)點(diǎn)逐漸開始偏離航跡軌道，且與原軌跡相比呈現(xiàn)減小的趨勢。將預(yù)測軌跡與實(shí)際軌跡進(jìn)行計(jì)算處理，可以得到每個(gè)點(diǎn)的實(shí)際偏離量，如圖3所示，隨著軌跡預(yù)測不斷迭代進(jìn)行，偏離量也越來越大，由0.48%一直到8.97%且大致服從一次函數(shù)，主要由于上一步計(jì)算輸出結(jié)果作為下一步輸入學(xué)習(xí)對象，誤差不斷累積疊加造成。

3 結(jié)束語

本文通過高斯過程回歸預(yù)測船舶軌跡，可得以下結(jié)果：（1）通過高斯過程回歸預(yù)測船舶軌跡，在前4個(gè)預(yù)測點(diǎn)精度十分精確，甚至可以達(dá)到99%，即用戶能在下個(gè)9分鐘內(nèi)實(shí)現(xiàn)精確預(yù)測船舶軌跡。隨著預(yù)測的進(jìn)行，由于使用預(yù)測數(shù)據(jù)作為下一步學(xué)習(xí)數(shù)據(jù)，導(dǎo)致精度逐步下降，第九個(gè)點(diǎn)也就是24分鐘以后精度偏差8.9%，勉強(qiáng)滿足軌跡預(yù)測要求。（2）由于核函數(shù)與所取的前期學(xué)習(xí)樣本有關(guān)，所以不同的學(xué)習(xí)樣本將得到不同的核函數(shù)參數(shù)，往往將會帶來數(shù)據(jù)偏差。（3）如何將高斯回歸過程編程為自學(xué)習(xí)，自動更新算法是下一步學(xué)習(xí)研究的重點(diǎn)。

參考文獻(xiàn)：

[1]黃常海，胡甚平，高德毅，等.大橋船撞動態(tài)風(fēng)險(xiǎn)評估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].中國安全學(xué)報(bào)，2013，4（23）：120-126.endprint