論文の概要: Modeling Historical AIS Data For Vessel Path Prediction: A Comprehensive Treatment

• arxiv url: http://arxiv.org/abs/2001.01592v3
• Date: Sun, 9 Jan 2022 21:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 03:45:07.822351
• Title: Modeling Historical AIS Data For Vessel Path Prediction: A Comprehensive Treatment
• Title（参考訳）: 血管経路予測のための歴史的AISデータモデリング : 包括的治療
• Authors: Enmei Tu, Guanghao Zhang, Shangbo Mao, Lily Rachmawati and Guang-Bin Huang
• Abstract要約: 近年,国際規模の大型商業船に義務付けられているため,自動識別システム(AIS)が重要な役割を担っている。 AISデータに基づく船体経路予測は、将来の海洋インテリジェンスにとって有望な方法である。 本研究では, 船舶経路の正確な予測を行うために, 大規模歴史的AIS軌道セグメントをモデル化するための包括的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 5.0283137924084205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prosperity of artificial intelligence has aroused intensive interests in intelligent/autonomous navigation, in which path prediction is a key functionality for decision supports, e.g. route planning, collision warning, and traffic regulation. For maritime intelligence, Automatic Identification System (AIS) plays an important role because it recently has been made compulsory for large international commercial vessels and is able to provide nearly real-time information of the vessel. Therefore AIS data based vessel path prediction is a promising way in future maritime intelligence. However, real-world AIS data collected online are just highly irregular trajectory segments (AIS message sequences) from different types of vessels and geographical regions, with possibly very low data quality. So even there are some works studying how to build a path prediction model using historical AIS data, but still, it is a very challenging problem. In this paper, we propose a comprehensive framework to model massive historical AIS trajectory segments for accurate vessel path prediction. Experimental comparisons with existing popular methods are made to validate the proposed approach and results show that our approach could outperform the baseline methods by a wide margin.
• Abstract（参考訳）: 人工知能の繁栄は、経路予測が経路計画、衝突警告、交通規制など、意思決定支援の重要な機能であるインテリジェント/自律ナビゲーションへの集中的な関心を喚起している。 海上情報システム(AIS)は、近年、大規模な国際商業船に義務付けられており、船舶のほぼリアルタイム情報を提供することができるため、重要な役割を担っている。 したがって、AISデータに基づく船舶経路予測は、将来の海洋情報にとって有望な方法である。 しかし、オンラインで収集された実世界のAISデータは、異なる種類の船舶や地理的領域からの非常に不規則なトラジェクトリセグメント(AISメッセージシーケンス)であり、おそらくデータ品質は非常に低い。 したがって、過去のAISデータを使ってパス予測モデルを構築する方法を研究する研究もあるが、それでも非常に難しい問題である。 本稿では, 船舶経路の正確な予測のために, 大規模歴史的AIS軌道セグメントをモデル化するための包括的枠組みを提案する。 提案手法を検証するために,既存手法との比較実験を行い,提案手法がベースライン法をはるかに上回ることができることを示した。

関連論文リスト

• Improved context-sensitive transformer model for inland vessel trajectory prediction [2.287415292857564]
  物理関連およびモデルに基づく船舶軌道予測は非常に正確であるが、検討中の船舶の具体的な知識が必要である。 機械学習に基づく軌道予測モデルは専門家の知識を必要としないが、大量のデータから抽出された暗黙の知識に依存している。 近年,血管軌跡予測のための深層学習法が提案されている。
  論文  参考訳（メタデータ） (2024-06-04T20:39:14Z)
• Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
  軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。 トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。 特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-21T05:57:27Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [64.16991399882477]
  我々は,データ可用性の制限の下で一般的な軌道予測表現を学習することの課題に取り組むことを目的としている。 我々はHD-mapのグラフ表現を利用し、ベクトル変換を適用して地図を再構成する。 我々は、拡張シーンに基づく軌道を生成するためにルールベースのモデルを用いる。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
  本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。 我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。 実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-26T02:08:46Z)
• TrAISformer -- A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction [9.281166430457647]
  船舶軌道予測は多くの海洋アプリケーションやサービスにおいて重要な役割を担っている。 AISデータを用いた血管軌跡の予測は、現代の機械学習技術においても困難である。 我々は、AISデータの離散的高次元表現と、異質性や多様性に明示的に対処するために設計された新しい損失関数を導入する。 TrAISformerは10海里から10時間以内の平均予測性能で最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2021-09-08T22:44:33Z)
• Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
  軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。 近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。 我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2021-04-16T17:58:56Z)
• Injecting Knowledge in Data-driven Vehicle Trajectory Predictors [82.91398970736391]
  車両軌道予測タスクは、一般的に知識駆動とデータ駆動の2つの視点から取り組まれている。 本稿では,これら2つの視点を効果的に結合する「現実的残留ブロック」 (RRB) の学習を提案する。 提案手法は,残留範囲を限定し,その不確実性を考慮した現実的な予測を行う。
  論文  参考訳（メタデータ） (2021-03-08T16:03:09Z)
• Deep Learning Methods for Vessel Trajectory Prediction based on Recurrent Neural Networks [13.193080011901381]
  エンコーダデコーダリカレントニューラルネットワーク(RNN)に基づくシーケンシャル・トゥ・シークエンス容器軌道予測モデルを提案する。 提案アーキテクチャは,シーケンスモデリングのためのLong Short-Term Memory (LSTM) RNNを組み合わせて観測データをエンコードし,異なる中間アグリゲーション層で将来の予測を生成し,シーケンシャルデータの時空間依存性をキャプチャする。 デンマーク海事局が自由に利用できるAISデータセットからの船舶軌道に関する実験結果は、シーケンシャル・トゥ・シークエンスニューラルネットワークに基づく軌道予測のための深層学習方法の有効性を示しています。
  論文  参考訳（メタデータ） (2021-01-07T11:05:47Z)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)
• Enhance the performance of navigation: A two-stage machine learning approach [13.674463804942837]
  リアルタイム交通ナビゲーションはスマートトランスポート技術において重要な機能である。 本稿では,アンサンブル学習の考え方を採用し,正確なナビゲーション結果を与えるための2段階の機械学習モデルを開発する。
  論文  参考訳（メタデータ） (2020-04-02T08:55:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。