买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉理工大学三亚科教创新园申请的专利一种基于局部徘徊活动场景的船舶轨迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120596854B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511093260.2，技术领域涉及：G06F18/20；该发明授权一种基于局部徘徊活动场景的船舶轨迹预测方法是由黄亮;邹鹏;文元桥;孙腾达;黄亚敏;周春辉设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本一种基于局部徘徊活动场景的船舶轨迹预测方法在说明书摘要公布了：本发明公开一种基于局部徘徊活动场景的船舶轨迹预测方法，属于智能海事监管技术领域，包括：获取AIS数据后进行预处理，并划分为训练集、验证集和测试集；构建混合神经网络预测模型；将训练集输入到混合神经网络预测模型中通过MSE和Adam进行训练优化；将测试集输入训练好的混合神经网络预测模型得到预测结果，再采用滚动预测动态更新，用Haversine公式计算实际距离误差；利用训练好的轨迹预测模型进行轨迹预测与动态更新。本发明融合多模型优势，预处理保障数据质量，预测精准，动态更新可靠，提升海事监管效能。

本发明授权一种基于局部徘徊活动场景的船舶轨迹预测方法在权利要求书中公布了：1.一种基于局部徘徊活动场景的船舶轨迹预测方法，其特征在于，包括如下步骤： S1.获取AIS数据，对数据进行预处理，预处理包括异常数据检测与清洗、轨迹重建、特征工程、时间序列分割，并划分为训练集、验证集和测试集； 获取AIS数据，从获取的AIS数据中选定徘徊轨迹，对其进行相关预处理： 首先，进行异常检测与清除，包含多级过滤的、语法验证、域约束、运动校验； 其次，进行轨迹重建；当AIS轨迹数据出现经纬度缺失时，使用分段线性函数插值缺失的地理空间值，并以分钟为间隔进行均匀时间重采样，公式如式1所示： 1 式中为插值得到的地理空间值，为时刻已知的地理空间坐标，为时刻，为时刻已知的地理空间坐标； 随后，围绕徘徊轨迹的徘徊行为特征进行特征工程操作，在目标实验海域进行地理空间过滤，得到包含4个基本运动属性的数据集，公式如式2所示： 2 式中为第时刻的轨迹点特征向量，为时刻船舶的纬度，为时刻船舶的经度，为时刻的航速，为时刻的航向，为轨迹点的总时间； 为明确描述徘徊轨迹的徘徊模式，采用一阶转角差分作为判别行为指标，融入数据属性作为增强特征，公式如式3所示： 3 式中为时刻的航向； 每个轨迹点采用五个维度的增强特征向量表示；增强特征向量随后通过最小-最大缩放归一化，公式如式4所示： 4 其中，表示特征掩蔽向量，确保缩放后的值为;表示归一化后的特征值；表示按元素相乘；表示特征向量；表示特征在时间序列中的最小值；表示特征在时间序列中的最大值； 然后，进行时间序列分割；采用滑动窗口方法构造输入输出对，公式如式5所示： 5 其中，为历史上下文窗口，为预测视界，为总轨迹长度；滑动步幅固定为1个时间戳，以最大化时间分辨率；为输入输出对数据集；为第个输入；为第个输出； 最后，将处理后的数据集按照比例8:1:1划分训练集、验证集和测试集； S2.构建混合神经网络预测模型：以卷积神经网络1D-CNN提取高维空间特征，经BiGRU捕获短期轨迹依赖，BiLSTM挖掘长时演化规律，全连接层输出结果； S3.训练混合神经网络预测模型，将训练集输入到混合神经网络预测模型中，通过MSE和Adam进行训练优化； S4.将测试集输入训练好的混合神经网络预测模型，通过MSE、MAE、RMSE、SMAPE、AED评估准确性，采用滚动预测动态更新，用Haversine公式计算实际距离误差，检验混合神经网络预测模型性能； S5.利用训练好的混合神经网络预测模型进行轨迹预测与动态更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学三亚科教创新园，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。