从 AIS 数据提取地理参考标准航线的方法论
机器学习
2025-04-01 v1
摘要
海洋 AIS（Automatic Identification System，自动识别系统）数据是研究船舶行为的宝贵资源。本文提出一种方法论，用于分析航路中的航点之间的航线，提取地理参考标准航线（即海域生活模式）。其核心假设是：船舶在特定海域因地理、环境或经济因素而遵循一致的航行模式。偏离这些模式的行为可归因于天气状况、季节性变化或非法活动。这为海事监管部门提供了分析船舶在港口之间的航行行为的手段，从而洞察船舶航线模式，可能按船舶特征（类型、旗国或尺寸）进行分类。本方法论的处理流程包括：首先利用有限状态机（FSM）将 AIS 数据分割为 distinct 航线，航线被定义为连接航点对的线段。随后按航线的出发港口和目的港口进行聚合，并采用迭代密度基于聚类（iterative density-based clustering）的方法将这些港口连接起来。聚类参数被人工指定于样本数据，然后通过线性回归推广至整个数据集。总体而言，本文提出的方法为无监督方法，无需任何 ground truth 进行训练。该方法已在覆盖北极地区及欧洲、中东、北非地区的六年 AIS 数据集上进行测试。数据集总规模为1.15 TB。实验结果表明，该方法在提取标准航线方面效果显著，异常值比例不足5%，主要由于航线的出发港口或目的港口未包含在测试区域之内。
引用
@article{arxiv.2503.22734,
title = {A Methodology to extract Geo-Referenced Standard Routes from AIS Data},
author = {Michela Corvino and Filippo Daffinà and Chiara Francalanci and Paolo Giacomazzi and Martina Magliani and Paolo Ravanelli and Torbjorn Stahl},
journal= {arXiv preprint arXiv:2503.22734},
year = {2025}
}