亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Hybrid-driven vessel trajectory prediction based on uncertainty fusion

弹道 保险丝(电气) 可靠性(半导体) 计算机科学 自动识别系统 力矩(物理) 数据驱动 传感器融合 鉴定(生物学) 人工智能 数据挖掘 工程类 功率(物理) 物理 经典力学 量子力学 天文 电气工程 植物 生物
作者
Xin Liu,Haiwen Yuan,Changshi Xiao,Yanfeng Wang,Qing Yu
出处
期刊:Ocean Engineering [Elsevier]
卷期号:248: 110836-110836 被引量:18
标识
DOI:10.1016/j.oceaneng.2022.110836
摘要

Predicting the trajectories of maritime vessels is significant for making early warning of potential collisions to reduce the maritime accident probability. As we know, the performance of most of approaches depends seriously on the utilized dataset or model. In this work, a novel hybrid-driven approach is proposed for maritime vessel trajectory prediction. The hybrid-driven approach is achieved by the uncertainty fusion of a data-driven predictor and vessel motion-based estimation. The data-driven predictor developed with a Long Short-Term Memory (LSTM) network has been trained by our dataset and has the ability to calculate the trajectory and uncertainty for the future moment. Then, uncertainty fusion is achieved to fuse the output of the data-driven predictor with the vessel motion estimation. The predicted trajectory sequence is more accurate, and the accompanying uncertainties can reflect the reliability of the hybrid-driven predictor. In addition, vessel trajectories from original Automatic Identification System (AIS) data are extracted for training and evaluating the proposed hybrid-driven predictor. Quantitative experiments and discussion are given in the end, and it is illustrated that the hybrid-driven predictions are practical for collision avoidance in actual maritime scenarios.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
胖小羊完成签到 ,获得积分10
5秒前
5秒前
量子星尘发布了新的文献求助10
9秒前
Ava应助不知名的小蜜蜂采纳,获得30
21秒前
28秒前
瞬间发布了新的文献求助30
34秒前
SciGPT应助执着尔曼采纳,获得10
51秒前
1分钟前
深情安青应助科研通管家采纳,获得10
1分钟前
完美世界应助科研通管家采纳,获得10
1分钟前
执着尔曼发布了新的文献求助10
1分钟前
Jeongin完成签到,获得积分10
1分钟前
执着尔曼完成签到,获得积分10
1分钟前
1分钟前
CC发布了新的文献求助10
1分钟前
1分钟前
1分钟前
twk发布了新的文献求助10
2分钟前
2分钟前
2分钟前
兴奋的平松完成签到,获得积分10
2分钟前
落叶捎来讯息完成签到 ,获得积分10
3分钟前
3分钟前
HAHAScholar发布了新的文献求助10
3分钟前
3分钟前
3分钟前
科研通AI6.1应助毛毛采纳,获得10
3分钟前
Hamakanma发布了新的文献求助20
3分钟前
不知名的小蜜蜂完成签到,获得积分10
4分钟前
科研通AI6.2应助hanyuying采纳,获得10
4分钟前
干净的琦应助hanyuying采纳,获得10
4分钟前
zh完成签到,获得积分10
4分钟前
李爱国应助twk采纳,获得10
5分钟前
Hope发布了新的文献求助20
5分钟前
5分钟前
犹豫幻丝完成签到,获得积分10
5分钟前
5分钟前
平淡如天完成签到,获得积分10
5分钟前
科目三应助Hope采纳,获得10
5分钟前
可爱的小杨完成签到,获得积分10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Aerospace Standards Index - 2026 ASIN2026 3000
Polymorphism and polytypism in crystals 1000
Signals, Systems, and Signal Processing 610
Discrete-Time Signals and Systems 610
Research Methods for Business: A Skill Building Approach, 9th Edition 500
Social Work and Social Welfare: An Invitation(7th Edition) 410
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 纳米技术 有机化学 物理 生物化学 化学工程 计算机科学 复合材料 内科学 催化作用 光电子学 物理化学 电极 冶金 遗传学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 6050878
求助须知:如何正确求助?哪些是违规求助? 7851423
关于积分的说明 16266981
捐赠科研通 5196042
什么是DOI,文献DOI怎么找? 2780409
邀请新用户注册赠送积分活动 1763343
关于科研通互助平台的介绍 1645340