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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利基于深度学习的船舶轨迹预测方法及装置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：CN121479282B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202610018378.7，技术领域涉及：G06F18/213；该发明授权基于深度学习的船舶轨迹预测方法及装置是由傅冰;石章松;龚诚;谢君;王旋;吴中红;吴昊设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本基于深度学习的船舶轨迹预测方法及装置在说明书摘要公布了：本发明提供一种基于深度学习的船舶轨迹预测方法及装置，该方法包括：基于时空图神经网络从船舶的历史轨迹数据中提取所述船舶的时空融合特征；将所述历史轨迹数据对应的海洋环境数据转换为多通道二维栅格图像，并基于深度学习模型从所述多通道二维栅格图像中提取环境特征；通过门控机制将所述时空融合特征和所述环境特征进行融合得到最终融合特征；基于变分自编码器根据所述最终融合特征预测所述船舶的未来轨迹数据。本发明通过显式建模船舶交互、融合环境动态因子、输出带不确定性量化的船舶轨迹，解决了现有技术忽略环境影响、缺乏不确定性评估、未考虑船舶交互等问题，显著提升了复杂海况下轨迹预测的准确性、可解释性和实用性。

本发明授权基于深度学习的船舶轨迹预测方法及装置在权利要求书中公布了：1.一种基于深度学习的船舶轨迹预测方法，其特征在于，包括： 基于时空图神经网络从船舶的历史轨迹数据中提取所述船舶的时空融合特征； 将所述历史轨迹数据对应的海洋环境数据转换为多通道二维栅格图像，并基于深度学习模型从所述多通道二维栅格图像中提取环境特征； 通过门控机制将所述时空融合特征和所述环境特征进行融合得到最终融合特征； 基于变分自编码器根据所述最终融合特征预测所述船舶的未来轨迹数据； 基于时空图神经网络从船舶的历史轨迹数据中提取所述船舶的时空融合特征，包括： 根据每个时间步的历史轨迹数据生成邻接矩阵以构建空间图，所述空间图中的顶点为所述船舶，在距离小于预设阈值的船舶之间建立边，边的权重为所述船舶间距离的倒数； 将所述历史轨迹数据按时间步分割为轨迹序列，连接相邻时间步的所述轨迹序列中的同一船舶节点，连接相隔预设时长时间步的所述轨迹序列中的同一船舶节点，构建时间图； 使用图卷积网络从所述空间图中提取空间特征，使用时序卷积网络从所述时间图中提取时间特征； 将所述空间特征和所述时间特征进行融合，得到时空融合特征； 在基于时空图神经网络从船舶的历史轨迹数据中提取所述船舶的时空融合特征之前，还包括： 使用复合损失函数对时空图神经网络、深度学习模型、门控机制和变分自编码器整体进行训练； 所述复合损失函数包括重建损失、KL散度损失、物理约束损失和多样性损失。

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中国人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市解放大道717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”。

以上内容由龙图腾AI智能生成。