論文の概要: A Survey of Distance-Based Vessel Trajectory Clustering: Data Pre-processing, Methodologies, Applications, and Experimental Evaluation
- arxiv url: http://arxiv.org/abs/2407.11084v2
- Date: Fri, 19 Jul 2024 05:27:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 21:49:14.895030
- Title: A Survey of Distance-Based Vessel Trajectory Clustering: Data Pre-processing, Methodologies, Applications, and Experimental Evaluation
- Title（参考訳）: 距離に基づく容器軌道クラスタリングに関する調査--データ前処理, 方法, 応用, 実験評価
- Authors: Maohan Liang, Ryan Wen Liu, Ruobin Gao, Zhe Xiao, Xiaocai Zhang, Hua Wang,
- Abstract要約: 船舶の軌道クラスタリングは海上のインテリジェント輸送システムにとって重要な要素である。
容器軌道クラスタリングは、異常検出や軌道予測などのアプリケーションに有用な洞察を提供する。
本稿では,最も広く普及している船体軌道クラスタリング法について概説する。
- 参考スコア（独自算出の注目度）: 16.87659569476234
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vessel trajectory clustering, a crucial component of the maritime intelligent transportation systems, provides valuable insights for applications such as anomaly detection and trajectory prediction. This paper presents a comprehensive survey of the most prevalent distance-based vessel trajectory clustering methods, which encompass two main steps: trajectory similarity measurement and clustering. Initially, we conducted a thorough literature review using relevant keywords to gather and summarize pertinent research papers and datasets. Then, this paper discussed the principal methods of data pre-processing that prepare data for further analysis. The survey progresses to detail the leading algorithms for measuring vessel trajectory similarity and the main clustering techniques used in the field today. Furthermore, the various applications of trajectory clustering within the maritime context are explored. Finally, the paper evaluates the effectiveness of different algorithm combinations and pre-processing methods through experimental analysis, focusing on their impact on the performance of distance-based trajectory clustering algorithms. The experimental results demonstrate the effectiveness of various trajectory clustering algorithms and notably highlight the significant improvements that trajectory compression techniques contribute to the efficiency and accuracy of trajectory clustering. This comprehensive approach ensures a deep understanding of current capabilities and future directions in vessel trajectory clustering.
- Abstract（参考訳）: 海中知的輸送システムの重要な構成要素である船舶軌道クラスタリングは、異常検出や軌道予測といったアプリケーションに有用な洞察を提供する。
本稿では, 軌道類似度測定とクラスタリングの2つの主要なステップを含む, もっとも一般的な距離に基づく船舶軌道クラスタリング手法について, 包括的調査を行った。
当初、関連するキーワードを用いて詳細な文献レビューを行い、関連する研究論文やデータセットを収集し、要約した。
そこで,本研究では,さらなる分析のためにデータ準備を行うデータ前処理の主手法について論じる。
調査は、船舶軌道の類似性を測定するための主要なアルゴリズムと、現在現場で使われている主要なクラスタリング技術の詳細について述べる。
さらに,海洋環境における軌道クラスタリングの様々な応用について検討した。
最後に, 距離に基づく軌道クラスタリングアルゴリズムの性能への影響に着目し, 実験解析により, 異なるアルゴリズムの組み合わせと事前処理手法の有効性を評価する。
実験により, 種々の軌道クラスタリングアルゴリズムの有効性を示すとともに, 軌道圧縮技術が軌道クラスタリングの効率と精度に寄与する重要な改善点を強調した。
この包括的なアプローチは、船舶軌道クラスタリングにおける現在の能力と今後の方向性を深く理解することを保証する。
関連論文リスト
- T-JEPA: A Joint-Embedding Predictive Architecture for Trajectory Similarity Computation [6.844357745770191]
軌道類似性計算は,様々なアプリケーション間での空間データの移動パターンを解析するための重要な手法である。
本稿では,JEPA(Joint-Embedding Predictive Architecture)を用いた自己教師付き軌道類似性手法T-JEPAを提案する。
論文 参考訳（メタデータ） (2024-06-13T09:51:51Z) - Trajectory Volatility for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。
本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。
提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
論文 参考訳（メタデータ） (2024-05-22T22:22:25Z) - Spatial Clustering Approach for Vessel Path Identification [3.2230949286556627]
位置情報のみを用いて船舶経路をラベル付けするための空間クラスタリング手法を提案する。
距離に基づく経路モデリングと確率推定という2つの手法を用いた経路クラスタリングフレームワークを開発した。
論文 参考訳（メタデータ） (2024-03-09T03:21:18Z) - Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
脳波信号物理を利用した教師なし手法を提案する。
脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。
提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
論文 参考訳（メタデータ） (2024-03-07T16:17:33Z) - Categorizing Flight Paths using Data Visualization and Clustering
Methodologies [12.270546709771926]
この研究は、連邦航空局の交通フロー管理システムとDV8のデータセットを利用して、様々な飛行経路で航空交通を分類するクラスタリングアルゴリズムを開発した。
アプリケーションの例では、自動クラスタリング結果決定とヒューマン・イン・ザ・ループプロセスに基づく、成功的で現実的なクラスタリングが示されている。
論文 参考訳（メタデータ） (2023-10-01T19:42:00Z) - A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and
Future Directions [48.97008907275482]
クラスタリングは、文献で広く研究されている基本的な機械学習タスクである。
ディープクラスタリング(Deep Clustering)、すなわち表現学習とクラスタリングを共同で最適化する手法が提案され、コミュニティで注目を集めている。
深層クラスタリングの本質的なコンポーネントを要約し、深層クラスタリングと深層クラスタリングの相互作用を設計する方法によって既存の手法を分類する。
論文 参考訳（メタデータ） (2022-06-15T15:05:13Z) - TraClets: Harnessing the power of computer vision for trajectory
classification [0.9405458160620532]
この研究は、トラジェクトリを直感的な人間の方法で分類するために、トラジェクトリと呼ばれるトラジェクトリの画像表現を利用する。
いくつかの実世界のデータセットを用いて提案手法を評価し、その分類性能を他の最先端軌跡分類アルゴリズムと比較する。
論文 参考訳（メタデータ） (2022-05-27T10:28:05Z) - Trajectory Forecasting from Detection with Uncertainty-Aware Motion
Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。
本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文 参考訳（メタデータ） (2022-02-03T09:09:56Z) - Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。
アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文 参考訳（メタデータ） (2022-02-01T19:31:15Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - An Unsupervised Learning Method with Convolutional Auto-Encoder for
Vessel Trajectory Similarity Computation [13.003061329076775]
畳み込みオートエンコーダ(CAE)を用いて低次元特徴を自動的に抽出する教師なし学習手法を提案する。
収集された大量の血管軌跡に基づいて、CAEは教師なしの方法で情報的軌跡画像の低次元表現を学習することができる。
提案手法は従来の軌道類似性手法を効率と有効性で大きく上回っている。
論文 参考訳（メタデータ） (2021-01-10T04:42:11Z)
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。