学位论文简介
随着信息化技术的发展，数据化船舶航迹信息是保障航运安全和时效性的重要技术之一，因此从海量的自动识别系统(Automatic Identification System，AIS)大数据中构建出船舶航迹是当前智能化航海的研究热点。当前，船舶航迹构建工作仍然存在一些问题。例如，轨迹分类准确率不高、还原曲度较大的缺失轨迹贴合度较差、预测轨迹点收敛方向随机、预测误差波动较大、航道噪点簇数据较多且无法提取枢纽交通节点航迹等问题。本文针对上述问题，基于深度学习提出一系列的船舶航迹构建算法。
针对传统船舶轨迹分类算法准确率和召回率较低的问题，本文提出一种基于自适应稀疏约束机制与多元特征的随机森林分类算法。
针对传统缺失轨迹拟合算法的还原度较差且误差大的问题，本文提出一种基于双向门控循环单元(Gated Recurrent Unit，GRU)网络的缺失轨迹拟合算法。
针对传统船舶轨迹预测算法的预测轨迹点收敛方向随机和关键拐点(轨迹趋势改变较大的点)特征学习不足的问题，本文提出一种基于深度学习和注意力机制的船舶轨迹预测算法。
针对传统航道提取聚类算法的精度不高且噪点簇较多的问题，本文提出一种基于快速密度聚类和离群因子估计的航道提取综合算法。
主要学术成果
Jin Chen, Hao Chen, Yong Zhao, Xingchen Li. FB-BiGRU: A Deep Learning model for AIS-based vessel trajectory curve fitting and analysis. Ocean Engineering, 2022, Vol.266: Part 3 112898. (海洋领域Top期刊)
Ye Xiao; Xingchen Li; Wen Yao; Jin Chen; Yupeng Hu. Bidirectional Data-Driven Trajectory Prediction for Intelligent Maritime Traffic. IEEE Transactions on Intelligent Transportation Systems, 2022, 1-13.
Jin Chen1; Guangyi Xiao2; Xu Han1; Hao Chen1. Controllable and Editable Neural Story Plot Generation via Control-and-Edit Transformer. IEEE Access, 2021, Vol.9: 1.
