基于自监督深度学习的开放海域海事监视中故意关闭AIS检测
机器学习
2023-10-25 v1 人工智能
摘要
在海上交通监视中，检测非法活动（如非法捕捞或违禁品转运）是海岸管理部门的关键任务。在开放海域，必须依赖船载应答机发送的自动识别系统（AIS）报文，这些报文由监视卫星捕获。然而，不诚信船只常故意关闭其 AIS 应答机以隐藏非法活动。在开放海域，区分故意关闭 AIS 与因协议限制、恶劣天气或卫星位置受限导致的接收缺失极具挑战性。本文提出一种基于自监督深度学习技术与 transformer 模型的异常 AIS 接收缺失检测新方法。利用历史数据，训练后的模型预测接下来一分钟内是否应接收到报文；随后通过将预测与实际发生情况比对来报告检测到的异常。我们的方法可实时处理 AIS 报文，具体而言每月超 5 亿条，对应超 60 000 艘船舶的轨迹。该方法在来自四颗挪威监视卫星的为期一年的真实数据上进行了评估。借助相关研究结论，我们通过重新发现已检测出的故意关闭 AIS 事件验证了方法的有效性。
引用
@article{arxiv.2310.15586,
title = {Detecting Intentional AIS Shutdown in Open Sea Maritime Surveillance Using Self-Supervised Deep Learning},
author = {Pierre Bernabé and Arnaud Gotlieb and Bruno Legeard and Dusica Marijan and Frank Olaf Sem-Jacobsen and Helge Spieker},
journal= {arXiv preprint arXiv:2310.15586},
year = {2023}
}
备注
IEEE Transactions on Intelligent Transportation Systems