我一直在研究一种船舶路线预测算法，以便在给定船舶的过去和当前轨迹的情况下，我能够估计未来的轨迹。轨迹表示为一系列坐标（纬度、经度）。
这是我到目前为止所做的：
- 路线聚类：使用感兴趣区域内船舶轨迹的过去信息，根据接近度和相似性对这些路线进行分组，如下图所示：
- 分类：给定目标船过去和现在的轨迹，确定其对应的聚类，例如黑线是当前的轨迹，它应该与蓝色聚类相关联：
- 预测：预测即将到来的轨迹。
我在第 1 步和第 2 步中取得了成功，我正在尝试弄清楚如何继续第 3 步。
- 首先，我尝试对每个集群执行线性回归，以使其“识别路线”，然后尝试将其与黑线重叠。不幸的是，这在许多情况下都不好，例如，当集群靠近岸边时，通过移动线可能最终与陆地重叠。
- 我尝试使用经过训练的神经网络来接受（纬度，经度）点序列作为输入并输出下一个点，但在精度方面我收效甚微。
我想知道我是否认为这一切都错了，是否有更好的方法来解决第 3 步。有人有什么建议吗？