Reliability-oriented vessel trajectory prediction through graph-aware embedding and selective state modeling

Yin, Xiangjun

doi:10.1016/j.ress.2026.112924

Reliability-oriented vessel trajectory prediction through graph-aware embedding and selective state modeling

2026-09-29

0

PRE

AI

DOI：10.1016/j.ress.2026.112924

原文链接

原文求助

摘要

En 中文

可靠的船舶轨迹预测对于海事风险评估、交通监管和早期碰撞预警支持至关重要，但因其受限于方向丰富的几何特征、区域特定的航行约束、非平稳船舶行为以及噪声环境观测而难以实现。我们提出了Mamba-AIS框架，该框架面向可靠性，整合了图感知的航运先验知识与选择性状态空间时序建模。首先，我们基于训练集AIS折线构建区域感知的航运交通图，并引入余弦相似度门控交互以建模航道、转向区域和海岸约束间的高阶关系，同时避免测试集信息泄露。其次，我们开发了基于Mamba的时序编码器，提供线性时间长程序列建模能力，并增强了对局部行为变化的鲁棒性。第三，我们设计了领域引导的自监督目标，通过轨迹-气象共变关系形成航运领域一致的样本对，从而改善时序异质性建模。在结合ERA5气象数据的AIS轨迹实验中，Mamba-AIS在多属性及空间预测精度上优于循环神经网络、Transformer基线及近期AIS预测方法。此外，消融实验、鲁棒性测试和可行性验证进一步确认了图编码、气象融合、离散解码和陆地感知推理的贡献。

Keyword:

Vessel trajectory prediction

Maritime graph representation

State-space sequence modeling

Self-supervised learning

Reliability-oriented vessel trajectory prediction through graph-aware embedding and selective state modeling

摘要

期刊

机构

引用论文