1. 毕业设计（论文）主要内容：
近年来，随着航运事业的迅猛发展，船舶交通密度逐渐增加，导致船舶撞船事故的风险增加，严重威胁着人民生命财产安全。
船舶自动识别系统的广泛使用为水上交通监控和安全管理提供了必要的数据支撑。
本项目假设船舶交通冲突风险与船舶领域有密切关联，基于时空船舶AIS数据提出船舶交通冲突风险计算模型，利用时序类模型LSTM对目标水域交通冲突风险进行预测，为制定船舶交通冲突风险防控管理措施提供技术支撑。
2. 毕业设计（论文）主要任务及要求
（1）利用AIS数据构建船舶交通冲突风险计算模型；（2）构建基于LSTM的船舶交通冲突风险预测模型；（3）利用真实AIS数据对船舶交通冲突风险预测的可靠性进行评价。
3. 毕业设计（论文）完成任务的计划与安排
2020.03.06-2020.03.15：完成毕业论文的选题工作；2020.03.15-2020.03.25：撰写开题报告和外文翻译，交予指导老师；2020.03.25-2020.05.31：撰写毕业论文，并且积极与老师进行交流讨论；2020.05.31-2020.06.08：准备毕业论文答辩工作。
4. 主要参考文献
[1] Szlapczynski R. A unified measure of collision risk derived from the concept of a ship domain[J]. Journal of Navigation, 2006, 59(3):477-490.[2] 杨君兰, 文元桥, 黄立文. 交汇水域船舶冲突概率计算模型研究[J]. 武汉理工大学学报, 2013, 35(2): 78-82.[3] Yan Li, Ryan Wen Liu, Quandang Ma, Jingxian Liu. EMD-based recurrent neural network with adaptive regrouping for port cargo throughput prediction [C]. International Conference on Neural Information Processing, 499-510, 2018.[4] Yipeng Liu, Haifeng Zheng, Xinxin Feng, Zhonghui Chen. Short-term traffic flow prediction with Conv-LSTM[C]. International Conference on Wireless Communications and Signal Processing, 1-6, 2016.[5] Zheng Zhao, Weihai Chen, Xingming Wu, Peter C. Y. Chen, Jingmeng Liu. LSTM network: A deep learning approach for short-term traffic forecast[J]. IET Intelligent Transport Systems, 2017, 11(2), 68-75.[6] Zhixiang Fang, Hongchu Yu, Ranxuan Ke, Shih-Lung Shaw, Guojun Peng. Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports [J]. IEEE Transactions on Intelligent Transportation Systems, 2018, 20(2): 534-543.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
