DL00369-基于机器学习的船舶轨迹预测含AIS数据集源码 新加坡水域的海上监视面临着规模和船舶运动流量的挑战。 每年约有近10万艘船只通过长达105公里的水道，占据了世界贸易货物的四分之一左右。 我们的系统每天记录平均100万条船只信息，即每分钟跟踪约800艘船只。 这些数字使得沿岸警察部队无法仅在发生事故时才巡逻船只，因此需要根据船只历史行动来预测其未来位置的技术。 发送船舶移动信息的标准方式是通过自动识别系统（AIS）。 AIS数据集在本项目中用于分析和机器学习的训练与测试。

新加坡港口的繁忙程度超出常人想象——这片水域每天要处理全球四分之一的海运贸易量，相当于每分钟都有800艘船在狭窄航道里跳"海上芭蕾"。沿岸警察部队的巡逻艇根本来不及实时盯防，就像要在川流不息的十字路口手动指挥每一辆车。这时候，机器学习成了救命稻草，特别是那些藏在AIS数据里的航行规律。

先看数据长啥样。AIS报文就像船舶的微博，每几秒就更新一条动态：

import pandas as pd
raw_data = pd.read_csv('ais_2023_sg.csv', parse_dates=['timestamp'])
print(raw_data[['mmsi','lat','lon','sog','cog','timestamp']].head(3))

#0  4773078  1.265089  103.80815  12.3  158.2 2023-04-15 08:00:01
#1  5661120  1.271511  103.82367   8.7  172.5 2023-04-15 08:00:03 
#2  4773078  1.265212  103.80838  12.1  157.9 2023-04-15 08:00:06

sog是航速(节)，cog是航向角。注意时间戳精度到秒，不同船舶的报文频率差异极大，货轮可能每分钟报一次，拖船可能每秒都在发。

处理这种时间不均衡的数据，我习惯用插值大法：

def resample_trajectory(df, freq='10S'):
    df = df.set_index('timestamp').groupby('mmsi').resample(freq).first()
    return df.interpolate(method='linear').reset_index()

这里每10秒插一个点，保持各船轨迹时间对齐。不过要注意有些船会突然离线几小时，这时候得设置最大间隔阈值，超过就认为轨迹中断。

特征工程阶段发现个有趣现象——船舶在特定区域的转向模式像极了司机变道：

# 计算加速度和转向率
df['accel'] = df.groupby('mmsi')['sog'].diff() / 3.6  # m/s²
df['turn_rate'] = df.groupby('mmsi')['cog'].diff().abs()

# 筛选异常机动
sudden_turn = df[(df.turn_rate > 30) & (df.sog > 5)]
plt.scatter(sudden_turn.lon, sudden_turn.lat, c='red', s=5)

结果这些红点大多出现在港口出入口和分道通航区，说明这些位置需要模型特别关注转向特征。

模型选型试了LSTM和Transformer，最后发现带注意力机制的ConvLSTM效果最稳。核心结构长这样：

from keras.layers import ConvLSTM2D, Attention

# 把轨迹转为时空网格
input_grid = layers.Input(shape=(12, 50, 50, 6))  # 12帧，50x50网格，6通道

x = ConvLSTM2D(filters=64, kernel_size=(3,3), return_sequences=True)(input_grid)
x = Attention(use_scale=True)([x, x])  # 自注意力抓关键区域
output = layers.TimeDistributed(layers.Conv2D(2, (3,3)))(x)  # 预测经纬度偏移

这里把海域划分成50x50的网格，每个格子包含船舶密度、平均速度等特征。ConvLSTM同时捕捉时空特征，比纯序列模型更适合处理船舶间的相互影响。

训练时发现个坑——直接预测绝对坐标会导致误差累积。改成预测相对位移后，30分钟轨迹的MSE从0.15降到0.08：

# 数据预处理时计算位移增量
df['delta_lat'] = df.groupby('mmsi')['lat'].diff().fillna(0)
df['delta_lon'] = df.groupby('mmsi')['lon'].diff().fillna(0)

# 损失函数加入航向约束
def nav_loss(y_true, y_pred):
    mse = tf.keras.losses.MSE(y_true, y_pred)
    direction_loss = 1 - tf.cos(y_true[:,:,:,1] - y_pred[:,:,:,1])  # 航向余弦损失
    return mse + 0.3 * direction_loss

最后的可视化效果很有意思，预测轨迹（蓝色）和真实轨迹（红色）在分道通航区几乎重合，但在锚地区域会出现发散，毕竟抛锚的船随时可能起航：

plt.plot(pred_lon, pred_lat, 'b--', linewidth=2)
plt.scatter(true_lon, true_lat, c='r', s=5, alpha=0.3)
plt.gca().set_facecolor('#e6f3ff')  # 浅蓝背景模拟海图

这套系统上线后，巡逻船的工作模式从"救火队"变成了"先知模式"，提前到高风险区域蹲守。不过最近有船员反馈，某些渔船故意走非常规路线来"调戏"AI——看来对抗样本的问题在现实世界同样存在，下次得把博弈论加进模型里了。