1.一种多船交互环境下的船舶航迹预测方法，其特征在于，包括以下步骤：S1：获取目标船舶及其周边船舶的历史航迹数据并进行预处理；其中，所述航迹至少包括船舶在多个时刻的经纬度坐标；

S2：基于预处理后的历史航迹数据，构建目标船舶在多个时间片下的动态有向图序列；

其中，所述动态有向图序列用于表征船舶在时空维度上的交互关系；

S3：将所述动态有向图序列输入图神经网络进行特征聚合，得到所述目标船舶在每个时间片下的特征表示；

所述步骤S3中，将所述动态有向图序列表示为 ，其中， 表示第N个时间片下的动态有向图，t表示当前时刻；

所述图神经网络具体为GraghSAGE神经网络，将 中的N个动态有向图分别通过其中的SAGEConv层进行特征聚合，得到所述目标船舶在每个时间片下的特征表示，第i个时间片下的特征表示 表示为：其中， 表示第i个时间片下邻居节点 在 层的特征向量， 表示代表周边船舶实体的节点集合， 表示聚合函数， 表示第i个时间片下聚合了邻居节点信息的特征向量， 表示第i个时间片下目标节点 在 层的特征向量，表示向量拼接操作， 表示第层的可学习权重矩阵， 表示Sigmod激活函数；

S4：将所述特征表示输入预测网络，获取所述目标船舶的航迹预测结果；

所述步骤S4中，预测网络包括：N个依次连接的LSTM神经网络，以及前馈神经网络；

将目标船舶在N个时间片下的特征表示 从后往前分别一一对应输入各个LSTM神经网络，将最后一个LSTM神经网络的输出结果输入所述前馈神经网络，获取所述目标船舶的航迹预测结果。

2.根据权利要求1所述的一种多船交互环境下的船舶航迹预测方法，其特征在于，所述步骤S1中，从AIS系统采集目标船舶及其周边船舶的历史航迹数据。

3.根据权利要求1所述的一种多船交互环境下的船舶航迹预测方法，其特征在于，所述步骤S1中，预处理至少包括以下操作中的任意一种或多种：基于所述历史航迹数据计算各船舶的航速，过滤所述航速超过预设的航速阈值的历史航迹数据；

剔除轨迹点数量少于预设数量的历史航迹数据；

删除处于系泊或停泊状态的船舶对应的历史航迹数据；

删除距离海岸线不足预设距离的历史航迹数据；

对船舶的经纬度坐标进行归一化处理。

4.根据权利要求1所述的一种多船交互环境下的船舶航迹预测方法，其特征在于，所述步骤S2中，利用预设的时间滑动窗口对预处理后的历史航迹数据进行时间片切分；

在每个时间片内，构建代表船舶实体的节点集合，并获取所述节点集合内各节点的邻接关系，形成每个时间片下的动态有向图；

基于所述每个时间片下的动态有向图获取所述动态有向图序列。

5.根据权利要求1所述的一种多船交互环境下的船舶航迹预测方法，其特征在于，所述方法还包括：设置损失函数，利用所述目标船舶的航迹预测结果计算所述损失函数的值，并根据损失函数的值迭代优化所述图神经网络和所述预测网络的参数。

6.根据权利要求5所述的一种多船交互环境下的船舶航迹预测方法，其特征在于，所述损失函数具体为均方误差损失函数。

7.一种多船交互环境下的船舶航迹预测系统，应用权利要求1 6任一项中所述的方法，~其特征在于，包括：

数据采集单元：用于获取目标船舶及其周边船舶的历史航迹数据并进行预处理；其中，所述航迹至少包括船舶在多个时刻的经纬度坐标；

有向图构建单元：用于基于预处理后的历史航迹数据，构建目标船舶在多个时间片下的动态有向图序列；其中，所述动态有向图序列用于表征船舶在时空维度上的交互关系；

特征聚合单元：用于将所述动态有向图序列输入图神经网络进行特征聚合，得到所述目标船舶在每个时间片下的特征表示；

航迹预测单元：用于将所述特征表示输入预测网络，获取所述目标船舶的航迹预测结果。

8.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1 6任意一项所述方法中的步骤。

~