論文の概要: Data-Driven Trajectory Imputation for Vessel Mobility Analysis

• arxiv url: http://arxiv.org/abs/2602.11890v1
• Date: Thu, 12 Feb 2026 12:40:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.394316
• Title: Data-Driven Trajectory Imputation for Vessel Mobility Analysis
• Title（参考訳）: 容器移動解析のためのデータ駆動軌道計算
• Authors: Giannis Spiliopoulos, Alexandros Troupiotis-Kapeliaris, Kostas Patroumpas, Nikolaos Liapis, Dimitrios Skoutas, Dimitris Zissis, Nikos Bikakis,
• Abstract要約: 自動識別システム(AIS)は、何十万もの船舶のリアルタイム監視を可能にし、毎日大量のデータを生成する。 AISデータを使用する際の大きな課題の1つは、しばしばカバー範囲の制限や意図的な送信中断によって引き起こされる、血管軌道における大きなギャップの存在である。 本稿では,H3 Aggregation-based Imputation framework for vessel Trajectoriesを提案する。
• 参考スコア（独自算出の注目度）: 36.24770606535992
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling vessel activity at sea is critical for a wide range of applications, including route planning, transportation logistics, maritime safety, and environmental monitoring. Over the past two decades, the Automatic Identification System (AIS) has enabled real-time monitoring of hundreds of thousands of vessels, generating huge amounts of data daily. One major challenge in using AIS data is the presence of large gaps in vessel trajectories, often caused by coverage limitations or intentional transmission interruptions. These gaps can significantly degrade data quality, resulting in inaccurate or incomplete analysis. State-of-the-art imputation approaches have mainly been devised to tackle gaps in vehicle trajectories, even when the underlying road network is not considered. But the motion patterns of sailing vessels differ substantially, e.g., smooth turns, maneuvering near ports, or navigating in adverse weather conditions. In this application paper, we propose HABIT, a lightweight, configurable H3 Aggregation-Based Imputation framework for vessel Trajectories. This data-driven framework provides a valuable means to impute missing trajectory segments by extracting, analyzing, and indexing motion patterns from historical AIS data. Our empirical study over AIS data across various timeframes, densities, and vessel types reveals that HABIT produces maritime trajectory imputations performing comparably to baseline methods in terms of accuracy, while performing better in terms of latency while accounting for vessel characteristics and their motion patterns.
• Abstract（参考訳）: 海上での船舶活動のモデル化は、経路計画、輸送物流、海上安全、環境モニタリングなど、幅広い用途に欠かせない。 過去20年間、AIS(Automatic Identification System)は何十万もの船舶をリアルタイムで監視し、毎日大量のデータを生成してきた。 AISデータを使用する際の大きな課題の1つは、しばしばカバー範囲の制限や意図的な送信中断によって引き起こされる、血管軌道における大きなギャップの存在である。 これらのギャップはデータ品質を著しく低下させ、不正確な分析や不完全な分析をもたらす。 道路網が考慮されていない場合でも、車両軌道のギャップに対処するために、最先端の計算手法が主に考案されている。 しかし、帆船の動きパターンは、例えば、滑らかな旋回、港の近くでの操縦、悪天候下での航行など、大きく異なる。 本稿では,H3 Aggregation-based Imputation framework for vessel Trajectoriesを提案する。 このデータ駆動フレームワークは、過去のAISデータから動作パターンを抽出、分析、インデックス化することで、行方不明な軌道セグメントをインプットする貴重な手段を提供する。 各種時間枠, 密度, 容器タイプにわたるAISデータに関する実証研究により, HABITは, 船体特性や動作パターンを考慮しつつ, 潜航時間の観点からも, 基準法と同等に相反する海洋軌道インパクションを発生させることが判明した。

関連論文リスト

• Predicting Barge Tow Size on Inland Waterways Using Vessel Trajectory Derived Features: Proof of Concept [0.0]
  本研究では,機械学習(ML)を用いた曳航船数予測にAIS(Automatic Identification System)船体追跡データを用いた新しい手法を提案する。 モデルの訓練と試験のために、ミシシッピ川下流の衛星シーンからバージのインスタンスが注釈付けされた。 提案手法は,MDA(Maritime Domain Awareness)を,ロックスケジューリング,ポート管理,および貨物計画に強力な応用で拡張する,スケーラブルで容易に実装可能な手法を提供する。
  論文  参考訳（メタデータ） (2025-10-28T01:51:23Z)
• 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)
• Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
  トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。 スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。 その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T14:23:23Z)
• A CNN-LSTM Architecture for Marine Vessel Track Association Using Automatic Identification System (AIS) Data [2.094022863940315]
  本研究では,トラックアソシエーションのための1次元CNN-LSTMアーキテクチャに基づくフレームワークを提案する。 提案した枠組みは、自動識別システム(AIS)を介して収集された船舶の位置と動きデータを入力とし、最も可能性の高い船舶軌道をリアルタイムで出力として返す。
  論文  参考訳（メタデータ） (2023-03-24T15:26:49Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)

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。