LLM4STP:大语言模型驱动的船舶轨迹预测多特征融合方法及其在复杂海事环境中的性能验证

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》:LLM4STP: A large language model-driven multi-feature fusion method for ship trajectory prediction

【字体: 大 中 小 】 时间:2026年01月02日 来源:TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW 8.8

编辑推荐:

  本文针对船舶轨迹预测(STP)中动态多船交互建模、多尺度时间依赖推理、轨迹不确定性量化等关键挑战,提出了一种新颖的大语言模型(LLM)驱动多特征融合方法LLM4STP。该模型通过自适应图掩码Transformer动态捕捉船舶交互拓扑,结合分层时间推理联合建模局部操纵行为和宏观航行意图,并创新性地融合高斯概率分布热图与基于GeoHash的地理空间编码来量化轨迹不确定性。实验结果表明,LLM4STP在三个代表性水域数据集上均优于九种先进方法,且在少样本学习场景下仅需20%训练数据即可达到全数据训练模型的性能,显著提升了高干扰环境下STP的鲁棒性、准确性和可解释性。

  
在智能航运系统快速发展的今天,船舶轨迹预测(STP)作为提升海上交通态势感知和支持导航决策的关键技术,其准确性和鲁棒性直接影响海上安全和航运效率。尽管自动识别系统(AIS)数据和深度学习技术推动了该领域的进步,但复杂海洋环境中的动态多船交互建模、多尺度时间依赖推理、轨迹不确定性量化以及海事领域知识的有效整合等关键挑战仍未得到很好解决。特别是现有基于大语言模型(LLM)的方法虽然在预训练知识迁移方面表现出色,但在实时交互拓扑建模、地理空间语义表示和不确定性估计等方面存在明显不足。
为了突破这些技术瓶颈,发表在《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》上的研究提出了一种创新性的解决方案——LLM4STP。这项研究通过深度整合LLM与海事领域知识,建立了一种全新的船舶轨迹预测范式,在三个代表性水域的实验中证明其卓越性能。
研究人员主要采用了五个关键技术方法:1)提示嵌入器将航道描述、气象条件等文本信息转换为结构化嵌入;2)不确定性嵌入器使用CNN处理高斯概率分布热图来量化轨迹不确定性;3)Geohash嵌入器通过分层网格编码保留地理空间语义连续性;4)空间嵌入器采用图掩码空间注意力机制动态构建船舶交互拓扑;5)局部时间嵌入器通过分块操作实现分层时间表示。这些模块的输出经过预训练LLM进行全局轨迹建模和跨模态特征融合。
4.3. 定量分析
通过在三类基线方法(经典时间序列模型、注意力机制模型、时空图神经网络)上的对比实验,LLM4STP在CFD、CSJ和TJP三个数据集上的ADE(平均位移误差)、FDE(最终位移误差)和FD(Fréchet距离)指标均达到最优或次优水平。特别是在CFD水域,LLM4STP将ADE降低至0.09海里,比传统Bi-LSTM模型误差减少62.5%,充分证明了多特征融合的有效性。
4.4. 少样本学习分析
在TJP数据集上的少样本学习实验显示,当训练数据比例从5%逐步增加至20%时,LLM4STP的性能呈现单调提升趋势。仅使用20%训练数据时,其性能即可与全数据训练的模型相媲美,这表明LLM4STP具有出色的数据效率和知识迁移能力,在数据稀缺的海事环境中具有显著优势。
4.5. 可视化分析
轨迹预测结果的可视化对比表明,LLM4STP生成的预测轨迹(绿色线)与真实轨迹(红色虚线)在航道交叉口、急转弯等关键导航点均保持高度一致。特别是在两船交互场景中,LLM4STP能够产生更平滑、更准确的轨迹,显示出其在复杂交互环境中的优越性。
4.6. 消融研究
通过系统性地移除各个嵌入模块,研究发现局部时间嵌入器的贡献最为关键,其缺失会导致CFD数据集的FDE从0.27增加至0.31(上升14.8%)。不确定性嵌入器对性能的影响次之,而提示嵌入器在TJP数据集上对捕捉复杂航道规则和导航约束具有独特价值。
该研究的结论部分强调,LLM4STP通过图掩码空间Transformer、分层时间架构、双模不确定性建模系统以及五维嵌入系统的创新设计,有效解决了船舶轨迹预测领域的四个长期挑战。这不仅为智能海事导航建立了新范式,还为自主航运生态系统的发展提供了技术基础。研究展示的LLM在时空预测中的认知推理能力,为交通系统领域的基础模型应用开辟了新方向,具有重要的理论价值和实践意义。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号