随着航海业的快速发展,海上交通情况日趋复杂化,海洋的有限资源和不断增加的交通流量之间的矛盾日益突出,海域承载的负担也随之变得越来越重。在这种情况下,船舶本身存在的问题以及人为因素引发的海上交通事故逐渐增多,造成了巨大的经济损失和人员伤亡。因此,相关海事部门和船舶交通服务系统必须提高决策水准和决策效率,而其最核心的技术就是船舶航迹的跟踪预测。本文以“船舶航迹跟踪预测方法研究”为课题,对常见的相关算法进行分析研究,总结各算法的优缺点,并提出新的跟踪预测方法,目的在于提高船舶航迹跟踪预测的精准度和时效性。主要工作内容包括:1.分析研究目标跟踪预测的相关算法在实际工程应用中存在的问题。2.提出一种基于航迹可信度的船舶跟踪方法。该方法根据原始点迹凝聚的耦合度,量化出点迹凝聚质量。接着,借鉴LSTM(Long Short-Term Memory)模型的“遗忘门”和“细胞状态”思想,提出“暂时航迹成长值”概念,并用其衡量暂时航迹的可信度。同时,利用多个波门过滤航迹,剔除虚假航迹,降低虚警率,实现航迹的正确起始。3.提出一种船舶航迹预测方法。船舶航行轨迹的数据是具有长期特性的数列,而且容易受到风浪、杂波和噪声等影响,致使其特征数据动态变化,航迹规律难以把握。基于上述问题,本文采用Transformer模型的自注意力机制进行航迹预测。同时,利用Kalman滤波器对输出的结果进行动态修正,以此获取最佳航迹预测值。4.仿真实验。针对跟踪方法,本文通过实验对比,所提算法比传统处理方法跟踪效果更好,验证了其可行性和有效性。而对于预测方法,本文采用宁波市渔船AIS(Automatic Identification System)数据进行模型训练,并对船舶航迹进行预测。实验结果表明,该算法预测精度更高,而且并行处理序列数据方面也更具有优越性。