基于Attention的AIS数据段相似性搜索模型

自动识别系统(Automatic Identification System, AIS)数据中蕴含着与船舶交通相关的时间序列信息。基于AIS数据段的相似性搜索也成为智能船运领域的研究热点。AIS数据属于多维时间序列数据,传统的多维数据序列相似性搜索方法通过将原始数据进行降维,并在降维后的数据空间进行时序数据的相似性搜索。然而,此种方法计算复杂度较高,会极大程度地降低相似性搜索的效率。深度学习模型产生的二进制编码改善了时间序列数据搜索性能。基于注意力(Attention)机制的AIS数据段相似性搜索模型对时间序列数据中的时序信息与参数变量间的潜在关系进行同时获取与学习。基于Attention机制的Seq2Seq的相似性搜索模型结合了时间序列数据与Seq2Seq模型的特点,使用Seq2Seq模型中GRU编码器产生的二进制编码进行AIS时间序列数据的相似性搜索。相应的实验结果也表明这种基于Attention机制的模型具有优异的AIS数据相似性搜索性能。

Attention-based Model for Similarity Search Using AIS Data Segments