論文の概要: A Methodology to extract Geo-Referenced Standard Routes from AIS Data
- arxiv url: http://arxiv.org/abs/2503.22734v1
- Date: Wed, 26 Mar 2025 13:29:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-01 19:35:56.747695
- Title: A Methodology to extract Geo-Referenced Standard Routes from AIS Data
- Title（参考訳）: AISデータから地理基準経路を抽出する手法
- Authors: Michela Corvino, Filippo Daffinà, Chiara Francalanci, Paolo Giacomazzi, Martina Magliani, Paolo Ravanelli, Torbjorn Stahl,
- Abstract要約: 本研究では,海洋における関心点間の経路を解析し,地理的に基準となる経路を抽出する手法を提案する。
このアプローチは、北極地域とヨーロッパ、中東、北アフリカ地域をカバーする6年間のAISデータセットのデータに基づいてテストされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Maritime AIS (Automatic Identification Systems) data serve as a valuable resource for studying vessel behavior. This study proposes a methodology to analyze route between maritime points of interest and extract geo-referenced standard routes, as maritime patterns of life, from raw AIS data. The underlying assumption is that ships adhere to consistent patterns when travelling in certain maritime areas due to geographical, environmental, or economic factors. Deviations from these patterns may be attributed to weather conditions, seasonality, or illicit activities. This enables maritime surveillance authorities to analyze the navigational behavior between ports, providing insights on vessel route patterns, possibly categorized by vessel characteristics (type, flag, or size). Our methodological process begins by segmenting AIS data into distinct routes using a finite state machine (FSM), which describes routes as seg-ments connecting pairs of points of interest. The extracted segments are ag-gregated based on their departure and destination ports and then modelled using iterative density-based clustering to connect these ports. The cluster-ing parameters are assigned manually to sample and then extended to the en-tire dataset using linear regression. Overall, the approach proposed in this paper is unsupervised and does not require any ground truth to be trained. The approach has been tested on data on the on a six-year AIS dataset cover-ing the Arctic region and the Europe, Middle East, North Africa areas. The total size of our dataset is 1.15 Tbytes. The approach has proved effective in extracting standard routes, with less than 5% outliers, mostly due to routes with either their departure or their destination port not included in the test areas.
- Abstract（参考訳）: 海洋AIS(Automatic Identification Systems)データは、船舶の挙動を研究する上で貴重な資源である。
本研究では,海洋における関心点間の経路を解析し,生AISデータから地球基準経路を海洋生物のパターンとして抽出する手法を提案する。
基本的な前提は、船舶は地理的、環境的、経済的な要因により、特定の海洋地域を航行する際に一貫したパターンに固執するということである。
これらのパターンからの逸脱は、気象条件、季節性、違法な活動に起因する可能性がある。
これにより、海上監視当局が港間の航行行動を分析し、おそらくは船舶の特徴(タイプ、フラグ、サイズ)によって分類された船舶経路パターンに関する洞察を提供することができる。
我々の方法論的プロセスは、AISデータを有限状態機械(FSM)を用いて異なるルートに分割することから始まり、経路を興味ある点のペアを接続するセグメントとして記述する。
抽出されたセグメントは出発ポートと目的地ポートに基づいてag-gregatedされ、次にこれらのポートを接続するために反復密度に基づくクラスタリングを用いてモデル化される。
クラスタリングパラメータは手動でサンプルに割り当てられ、その後リニア回帰を使用してen-tireデータセットに拡張される。
全体として、本論文で提案されるアプローチは教師なしであり、基礎的な真理を訓練する必要は一切ない。
このアプローチは、北極地域とヨーロッパ、中東、北アフリカ地域をカバーする6年間のAISデータセットのデータに基づいてテストされている。
データセットの総サイズは1.15テラバイトです。
この手法は標準ルートの抽出に有効であることが証明されており、5%未満の下りルートは、ほとんどの場合、出発ルートまたは目的地ポートが試験エリアに含まれていないためである。
関連論文リスト
- Architecture for Trajectory-Based Fishing Ship Classification with AIS Data [0.0]
本稿では,現実のキネマティックと漁船検出のためのデータ作成プロセスを提案する。
使用されるデータは、古典的なデータマイニングアプリケーションに見られる典型的な問題によって特徴づけられる。
実験により,提案したデータ作成プロセスが提案問題に有用であることが確認された。
論文 参考訳（メタデータ） (2025-01-03T14:12:40Z) - MID: A Comprehensive Shore-Based Dataset for Multi-Scale Dense Ship Occlusion and Interaction Scenarios [10.748210940033484]
海上航行行動データセット(MID)は、複雑な海上環境における船舶検出の課題に対処するために設計されている。
MIDには5,673の画像と135,884の微調整されたターゲットインスタンスが含まれており、教師付き学習と半教師付き学習の両方をサポートしている。
MIDの画像は、43の水域を横断する現実世界のナビゲーションの高精細なビデオクリップから得られたもので、天候や照明条件も様々である。
論文 参考訳（メタデータ） (2024-12-08T09:34:23Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - 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) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - Divide and Contrast: Source-free Domain Adaptation via Adaptive
Contrastive Learning [122.62311703151215]
Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。
DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。
さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
論文 参考訳（メタデータ） (2022-11-12T09:21:49Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳（メタデータ） (2022-07-28T12:29:39Z) - A semi-supervised geometric-driven methodology for supervised fishing
activity detection on multi-source AIS tracking messages [11.969292109862856]
本稿では,AISデータから漁業活動を検出するための幾何学的半教師付きアプローチを提案する。
船舶経路の形状を記述する特徴を抽出するために,メッセージに含まれる情報を探索する方法を示す。
AISデータストリーム上のリカレントニューラルネットワークを用いて,50種類の漁船の全航路におけるF$スコアの約87%を網羅した解を提案する。
論文 参考訳（メタデータ） (2022-07-12T13:17:37Z) - GANav: Group-wise Attention Network for Classifying Navigable Regions in
Unstructured Outdoor Environments [54.21959527308051]
本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。
本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。
RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
論文 参考訳（メタデータ） (2021-03-07T02:16:24Z) - HED-UNet: Combined Segmentation and Edge Detection for Monitoring the
Antarctic Coastline [14.235722825330493]
深層学習モデルにおける海岸線検出のための2つのアプローチを結合する新しいモデルを考案した。
複数の解像度でサイド予測を深く監視し、トレーニングを効率化します。
このアプローチの実装はurlhttps://github.com/kr/HED-UNetで公開されている。
論文 参考訳（メタデータ） (2021-03-02T16:35:05Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Modeling Historical AIS Data For Vessel Path Prediction: A Comprehensive
Treatment [5.0283137924084205]
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。
論文 参考訳（メタデータ） (2020-01-02T09:16:40Z)
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。