买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉交通运输部水运科学研究所;交通运输部东海航海保障中心申请的专利基于时空特征融合的船舶航迹预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119848788B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510331304.4，技术领域涉及：G06F18/25；该发明授权基于时空特征融合的船舶航迹预测方法是由洛佳男;王娟;曹源;孙尧;朱超;万辉;耿雄飞;文捷;丁格格;曾致远;姚治萱设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于时空特征融合的船舶航迹预测方法在说明书摘要公布了：本申请涉及航迹预测技术领域，其具体地公开了一种基于时空特征融合的船舶航迹预测方法，其采用基于深度学习的神经网络模型对已知船舶轨迹中各时间的AIS信息进行处理，以提取出船舶轨迹的时间维度特征和空间维度特征，接着，通过对船舶轨迹的时间维度特征和空间维度特征进行隐性关联显性化建模分析，以挖掘出两者之间的隐式关键线索，并基于此实现船舶轨迹时间维度特征和空间维度特征的对齐交互融合，进而基于船舶轨迹的时空融合特征预测船舶的未来航迹。通过这种方式，可以深入挖掘出船舶航行速度、航向变化与地理位置之间的相关性，从而实现更为精准的特征对齐交互融合，进而提升船舶航迹预测的准确性。

本发明授权基于时空特征融合的船舶航迹预测方法在权利要求书中公布了：1.一种基于时空特征融合的船舶航迹预测方法，其特征在于，包括： 获取已知船舶轨迹； 基于所述已知船舶轨迹中各时间的AIS信息，提取所述已知船舶轨迹的时间维度特征和空间维度特征，其中，将所述AIS信息中的各类属性转换为高维向量表示，形成AIS信息高维特征向量的序列，所述各类属性包括位置、速度和航向，采用TCN网络对所述AIS信息高维特征向量的序列进行处理，以提取出反映船舶运动模式的时间维度特征，利用Transformer网络对所述AIS信息高维特征向量的序列进行自注意力机制处理，以提取出反映船舶空间分布特点的空间维度特征； 对所述时间维度特征和所述空间维度特征进行基于隐性关联显性化建模的时空特征交互融合以得到时空融合特征； 基于所述时空融合特征，预测船舶航迹信息； 对所述时间维度特征和所述空间维度特征进行基于隐性关联显性化建模的时空特征交互融合以得到时空融合特征，包括： 对所述时间维度特征进行特征主成分分析以得到时间维度特征主成分分量的集合； 对所述空间维度特征与所述时间维度特征主成分分量的集合中的各个时间维度特征主成分分量分别进行隐含关联分析以构建{空间维度深层隐含特征，锚定的时间维度主成分深层隐含特征}特征对； 对所述{空间维度深层隐含特征，锚定的时间维度主成分深层隐含特征}特征对进行时空特征交互融合以得到所述时空融合特征； 对所述空间维度特征与所述时间维度特征主成分分量的集合中的各个时间维度特征主成分分量分别进行隐含关联分析以构建{空间维度深层隐含特征，锚定的时间维度主成分深层隐含特征}特征对，包括： 分别提取所述空间维度特征和所述时间维度特征主成分分量的集合中各个时间维度特征主成分分量的深层隐含特征以得到空间维度深层隐含特征和时间维度主成分深层隐含特征的集合； 计算所述空间维度深层隐含特征与所述时间维度主成分深层隐含特征的集合中的各个时间维度主成分深层隐含特征之间的特征关联因子，并选择最大的特征关联因子对应的时间维度主成分深层隐含特征作为所述空间维度深层隐含特征锚定的时间维度主成分深层隐含特征，以构建所述{空间维度深层隐含特征，锚定的时间维度主成分深层隐含特征}特征对。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人交通运输部水运科学研究所;交通运输部东海航海保障中心，其通讯地址为：100088 北京市海淀区西土城路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。