船舶行為預測

此次研究之系統預測模型架構是由2層雙向LSTM及2層全連接層 所組成，其模型架構如圖3.12所示。

3-12

圖3. 12 系統預測模型架構

由於每筆訓練資料由3筆AIS資料特徵組成，其中每筆AIS資料特徵 又包含船舶經緯度座標、航向、航速及時間5個欄位數據，因此模型第 1層輸入型態為(3,5)的設定，使雙向LSTM在3個時間戳記分別以1組特 徵做為輸入。而模型輸出層為包含2個神經元的全連接層，代表模型預 測的船舶經緯度座標。後續研究將分別以固定取樣間隔以及用隨機取 樣間隔的方式來比較差異性，並依時間差及經緯度區間數據量，進行預 測結果的呈現。其隨機取樣間隔預測結果之平均誤差為284公尺、固定 取樣間隔預測結果的平均誤差則是320公尺，平均誤差為系統預測結果 與船舶實際經緯度座標之大圓距離。

3-13

圖3.13為使用隨機取樣間隔方式之系統預測結果。其中，t表示第三 筆特徵與標籤的時間差(s)，可以發現相較於t<240時間差而言，t>1200 的預測結果較差，在t>1200之時間差的預測結果平均誤差為814公尺，

而t<240之時間差的預測結果平均誤差為267公尺。從AIS資料隨機取樣 間隔分析表中可以發現第三筆資料特徵與標籤平均時間差落在201秒，

由此可知在數據中若第三筆特徵與標籤的時間差距較大的話，將會產 生較高的預測誤差。

圖3. 13 AIS資料隨機取樣間隔預測結果 表3- 1 AIS資料隨機取樣間隔分析

Mean Min 25% 50% 75% Max 201 21 97 142 239 1799

3-14

圖3.14為使用固定取樣間隔方式之系統預測結果。可以發現t>1200 時間差的預測結果相較於t<240時間差的預測結果而言較差，t>1200之 時間差的預測結果平均誤差為1,261公尺、t<240時間差的預測結果平均 誤差為351公尺。根據表3-2分析資料顯示，第三筆資料特徵與標籤平均 時間差落240秒。因此，可以知道2種取樣方式皆有第三筆特徵與標籤的 時間差距較大導致誤差率上升的情況。

圖3. 14 AIS資料固定取樣間隔預測結果 表3- 2 AIS資料固定取樣間隔分析

Mean Min 25% 50% 75% Max 240 55 122 204 262 1799

接著，為證明預測區域範圍大小與預測精度之間不具影響關聯，研 究以預測模型分別對固定及隨機取樣間隔方式進行區域性範圍預測。

如圖3.15所示，系統預測模型以東經120至120.5、北緯23.5至24做為預 測範圍。而圖3.16則是以東經122.5至123、北緯21.5至22做為系統預測 模型之範圍的結果。以圖3.15為例，此範圍之隨機取樣間隔數據量佔整 體隨機取樣間隔資料的1.1664%，平均誤差值為370公尺，而固定取樣 間隔數據量佔整體固定取樣間隔資料的1.8075%，平均誤差值為379公 尺。以圖3.16為例，此範圍之隨機取樣間隔數據量佔整體隨機取樣間隔

3-15

資料的0.00144%，平均誤差值為1,322公尺，固定取樣間隔數據量則佔 整體固定取樣間隔資料的0.0012%，平均誤差值為963公尺。

圖3. 15 系統區域性範圍預測結果 (a)

圖3. 16 系統區域性範圍預測結果 (b)