論文の概要: Maritime Activities Observed Through Open-Access Positioning Data: Moving and Stationary Vessels in the Baltic Sea
- arxiv url: http://arxiv.org/abs/2511.23016v1
- Date: Fri, 28 Nov 2025 09:30:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.840077
- Title: Maritime Activities Observed Through Open-Access Positioning Data: Moving and Stationary Vessels in the Baltic Sea
- Title（参考訳）: 開港位置データによる海洋活動:バルト海における移動・静止船
- Authors: Moritz Hütten,
- Abstract要約: オープンアクセスデータから沿岸域の船舶活動の復元を高精度に行うことができることを示す。
船舶の数は、移動と静止の両方のために不確実性と共に提供される。
バルト海で最も混雑し、人口の多い海岸地域を推測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding past and present maritime activity patterns is critical for navigation safety, environmental assessment, and commercial operations. An increasing number of services now openly provide positioning data from the Automatic Identification System (AIS) via ground-based receivers. We show that coastal vessel activity can be reconstructed from open access data with high accuracy, even with limited data quality and incomplete receiver coverage. For three months of open AIS data in the Baltic Sea from August to October 2024, we present (i) cleansing and reconstruction methods to improve the data quality, and (ii) a journey model that converts AIS message data into vessel counts, traffic estimates, and spatially resolved vessel density at a resolution of $\sim$400 m. Vessel counts are provided, along with their uncertainties, for both moving and stationary activity. Vessel density maps also enable the identification of port locations, and we infer the most crowded and busiest coastal areas in the Baltic Sea. We find that on average, $\gtrsim$4000 vessels simultaneously operate in the Baltic Sea, and more than 300 vessels enter or leave the area each day. Our results agree within 20\% with previous studies relying on proprietary data.
- Abstract（参考訳）: 過去と現在の海洋活動パターンを理解することは、航海安全、環境アセスメント、商業活動にとって重要である。
現在、多くのサービスが地上受信機を介してAIS(Automatic Identification System)から位置情報を公開している。
沿岸域の船舶活動は,限られたデータ品質と不完全な受信範囲であっても,高精度でオープンアクセスデータから再構築可能であることを示す。
2024年8月から10月にかけてのバルト海における3ヶ月間のAISデータ
一 データの質を向上させるための清掃及び復元方法、及び
(二)AISメッセージデータを船舶数、交通量推定、空間的に解決された船舶密度に$\sim$400mの解像度で変換する旅行モデル。
船舶の数は、移動と静止の両方のために不確実性と共に提供される。
船舶密度マップは港の位置の特定を可能にし、バルト海で最も混雑している海岸地域を推測する。
平均すると、$\gtrsim$4000の船がバルト海で同時に操業しており、毎日300以上の船が入港または出港している。
我々の結果は、従来の研究がプロプライエタリなデータに依存していることと20 %以内で一致します。
関連論文リスト
- Enhancing Maritime Domain Awareness on Inland Waterways: A YOLO-Based Fusion of Satellite and AIS for Vessel Characterization [0.0]
内陸水路におけるMDA(Maritime Domain Awareness)は,協調システムの脆弱性によって問題視されている。
本稿では,高解像度衛星画像と自動識別システム(AIS)の容器軌道データとを融合する新しい枠組みを提案する。
You Only Look Once (YOLO) v11オブジェクト検出モデルは、船舶タイプ、バージカバー、運用状況、バージカウント、旅行方向によって、船舶やバージを検出し、特徴付けるために使用される。
論文 参考訳（メタデータ） (2025-10-13T14:19:58Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - FLP-XR: Future Location Prediction on Extreme Scale Maritime Data in Real-time [0.8937169040399775]
本稿では,海上移動データを活用するモデルであるFLP-XRを紹介し,高精度な予測を行うロバストなフレームワークを構築する。
3つの実世界のAISデータセットを用いた大規模な実験により,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-10T13:31:42Z) - Predicting Barge Presence and Quantity on Inland Waterways using Vessel Tracking Data: A Machine Learning Approach [0.0]
本研究では,内陸水路における船舶輸送量を予測するための機械学習手法を提案する。
AISはタグと曳航船の位置を追跡しているが、これらの船によって輸送される船舶の存在や数を監視していない。
この知見は、水路の管理やインフラ運営が目標の干ばつ活動のような地域に影響を与えることにも有用である。
論文 参考訳（メタデータ） (2024-12-31T19:28:21Z) - Real-time Ship Recognition and Georeferencing for the Improvement of Maritime Situational Awareness [0.0]
この論文は、ディープラーニングとコンピュータビジョンを活用して、リアルタイムの船舶認識とジオレファリングを促進するための調査である。
3,505枚の画像と11,625枚の船体マスクを備えた新しいデータセットであるShipSGが導入された。
カスタムリアルタイムセグメンテーションアーキテクチャであるScatYOLOv8+CBAMはNVIDIA Jetson AGX Xavier組み込みシステム用に設計されている。
論文 参考訳（メタデータ） (2024-10-07T11:43:42Z) - A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。
収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
論文 参考訳（メタデータ） (2024-07-04T09:07:25Z) - 1st Workshop on Maritime Computer Vision (MaCVi) 2023: Challenge Results [152.54137779547068]
本報告では、個々のサブチャンジの主な発見を要約し、SeaDronesSee Object Detection v2と呼ばれる新しいベンチマークを導入する。
データセット、評価コード、リーダーボードはhttps://seadronessee.cs.uni-tuebingen.de/macvi.comで公開されている。
論文 参考訳（メタデータ） (2022-11-24T09:59:13Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-10-17T09:14:35Z) - 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)
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。