使用双重注意力机制,基于端到端模型的ro-ro船舶航线的轨迹预测
Licheng Zhao1, Yi Zuo1,2, Wenjun Zhang1,3
1Navigation College, Dalian Maritime University, Dalian, China.
Frontiers in computational neuroscience
|March 7, 2024
概括
航线拥堵需要先进的轨迹预测. 一个新的双重注意力 (DA) 端到端 (E2E) 神经网络 (DAE2ENet) 提高了海事应用的预测准确性和模型概括性.
科学领域:
- 海上物流的海上物流
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 全球贸易量的增加导致航线拥堵.
- 有效的海事服务和管理需要准确的航线预测.
- 现有的预测模型面临性能和通用化挑战.
研究的目的:
- 提出一种基于双重注意力 (DA) 的端到端 (E2E) 神经网络 (DAE2ENet) 的新型神经网络,用于增强轨迹预测.
- 解决当前轨迹预测模型中的性能和概括瓶问题.
- 在现实海洋场景中验证DAE2ENet的有效性.
主要方法:
- 开发一个基于双重注意力 (DA) 的端到端 (E2E) 神经网络 (DAE2ENet).
- 在E2E架构中集成长期短期存储器 (LSTM) 单元,用于顺序数据处理.
- 在编码器-解码器层和多头自我注意力之间实现全局注意力,用于特征提取.
主要成果:
- 与基线和基准模型相比,DAE2ENet在轨迹预测方面表现优越.
- 该模型有效地捕获了输入和输出轨迹之间的顺序特征和相互作用.
- 验证证实了该模型能够纳入影响船舶航行环境因素的能力.
结论:
- 拟议的DAE2ENet在轨道预测准确性和模型概括性方面取得了重大进展.
- 双重注意力机制对于提高模型处理复杂的顺序海事数据的能力至关重要.
- 在海运量不断增加的环境中,DAE2ENet为高效的海运服务和管理提供了强大的解决方案.
