論文の概要: AIS Data-Driven Maritime Monitoring Based on Transformer: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2505.07374v1
• Date: Mon, 12 May 2025 09:17:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.329774
• Title: AIS Data-Driven Maritime Monitoring Based on Transformer: A Comprehensive Review
• Title（参考訳）: 変圧器に基づくAISデータ駆動海洋モニタリング:総合的レビュー
• Authors: Zhiye Xie, Enmei Tu, Xianping Fu, Guoliang Yuan, Yi Han,
• Abstract要約: 本稿では,Transformerを用いたAISデータ駆動海洋モニタリングに関する研究についてレビューする。 焦点はトランスフォーマーベースの軌道予測方法、行動検出、予測技術である。 本稿では,データフィルタリング,クリーニング,統計解析などを行い,公開可能なAISデータセットをレビュー論文から収集,整理する。
• 参考スコア（独自算出の注目度）: 8.76510054804934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing demands for safety, efficiency, and sustainability in global shipping, Automatic Identification System (AIS) data plays an increasingly important role in maritime monitoring. AIS data contains spatial-temporal variation patterns of vessels that hold significant research value in the marine domain. However, due to its massive scale, the full potential of AIS data has long remained untapped. With its powerful sequence modeling capabilities, particularly its ability to capture long-range dependencies and complex temporal dynamics, the Transformer model has emerged as an effective tool for processing AIS data. Therefore, this paper reviews the research on Transformer-based AIS data-driven maritime monitoring, providing a comprehensive overview of the current applications of Transformer models in the marine field. The focus is on Transformer-based trajectory prediction methods, behavior detection, and prediction techniques. Additionally, this paper collects and organizes publicly available AIS datasets from the reviewed papers, performing data filtering, cleaning, and statistical analysis. The statistical results reveal the operational characteristics of different vessel types, providing data support for further research on maritime monitoring tasks. Finally, we offer valuable suggestions for future research, identifying two promising research directions. Datasets are available at https://github.com/eyesofworld/Maritime-Monitoring.
• Abstract（参考訳）: グローバル船の安全性、効率、持続可能性の要求が高まる中、自動識別システム(AIS)のデータは海上監視においてますます重要な役割を担っている。 AISデータには、海洋領域で重要な研究価値を持つ船舶の時空間変動パターンが含まれている。 しかし、その大規模な規模のため、AISデータの潜在能力は長い間未完成のままである。 強力なシーケンスモデリング機能、特に長距離依存関係と複雑な時間的ダイナミクスをキャプチャする能力によって、TransformerモデルはAISデータを処理する効果的なツールとして登場した。 そこで本研究では,TransformerをベースとしたAISデータ駆動海洋モニタリングの研究を概観し,海洋分野におけるTransformerモデルの現状を概観する。 焦点はトランスフォーマーベースの軌道予測方法、行動検出、予測技術である。 さらに,本論文は,データフィルタリング,クリーニング,統計解析を行う上で,公開可能なAISデータセットをレビュー論文から収集,整理する。 統計結果から, 各種船舶の運用特性が明らかになり, 海洋モニタリングタスクのさらなる研究にデータサポートが提供される。 最後に,今後の研究の方向性について,有望な2つの研究方向を定めながら提案する。 データセットはhttps://github.com/eyesofworld/Maritime-Monitoring.comで入手できる。

関連論文リスト

• Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
  自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。 本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-09T15:13:26Z)
• 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)
• Multi-Path Long-Term Vessel Trajectories Forecasting with Probabilistic Feature Fusion for Problem Shifting [8.970625329763559]
  本稿では,AIS(Automatic Identification System, 自動識別システム)データに基づく多経路長期船体軌道予測の精度向上を課題とする。 我々は,1～3時間のAISデータを入力として,深層自動エンコーダモデルとフェーズド・フレームワーク・アプローチを開発した。 提案モデルでは, 平均誤差と中央値誤差をそれぞれ11km, 6kmと精度良く予測できることを実証した。
  論文  参考訳（メタデータ） (2023-10-29T09:15:22Z)
• Scaling Data Generation in Vision-and-Language Navigation [116.95534559103788]
  本稿では,学習のための大規模データ生成に有効なパラダイムを提案する。 我々は、HM3DとGibsonのデータセットから1200以上のフォトリアリスティック環境を適用し、490万の命令軌道対を合成する。 我々の大規模データセットのおかげで、既存のエージェントの性能は(以前のSoTAでは+11%絶対)、単純な模倣学習によってR2Rテストの分割で80%の単ラン成功率で大幅に向上できる。
  論文  参考訳（メタデータ） (2023-07-28T16:03:28Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• 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)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Vessel and Port Efficiency Metrics through Validated AIS data [0.0]
  本稿では,AISデータの誤検出と修正を行う機械学習に基づくデータ駆動手法を提案する。 また,船舶運用者や港湾業者が,その事業と環境効率を数値的に表現するための指標を提案する。
  論文  参考訳（メタデータ） (2021-04-30T19:51:51Z)

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。