控制理论与应用

作者：吴跃高,俞万能,曾广淼,商逸帆,廖卫强

单位：集美大学轮机工程学院,集美大学轮机工程学院,集美大学轮机工程学院,集美大学轮机工程学院,集美大学轮机工程学院

关键词：注意力机制;AIS数据;深度学习;轨迹预测;模型预测控制

基金：国家自然科学基金项目(52171308),福建省自然科学基金项目(2022J01333)资助.

船舶轨迹预测对船舶的航行安全有着重要的价值,为提高对船舶未来轨迹的预测精度,本文将基于拼接注意力的序列到序列模型(Seq2Seq-CA)与模型预测控制(MPC)相结合,提出了一种新的船舶轨迹预测方法.通过在Seq2Seq中引入拼接注意力机制,增强了模型对序列特征的理解.为进一步提高模型预测轨迹的准确性与运动合理性, 采用MPC对预测轨迹概率分布进行纠正,得到最终的输出轨迹.在训练和测试的过程中,为提高对序列数据的利用率,随机初始化序列的起始位置并使用滑动窗口法对序列进行读取.在自动识别系统(AIS)数据集上测试轨迹预测方法性能,根据定量分析,Seq2Seq-CA相较于原Seq2Seq提高17.2%的预测准确性. 通过结合MPC进行轨迹纠正后, Seq2Seq-CA的预测准确性、鲁棒性分别提升39.9%和9.2%. 根据定性分析,本文提出的预测方法在不同船舶运动模式下均能更准确合理地预测船舶的未来轨迹.

来源：2025年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第9期