基于时序图神经网络的港口分类发现海事网关港
机器学习
2022-04-27 v1 人工智能
摘要
船舶航行受多种因素影响，例如随时间变化的动态环境因素或船舶类型、海洋深度等静态特征。这些动态与静态航行因素对船舶造成限制，例如在实际港口外的区域中长时间等待，我们将这些等待区域称为网关港。识别网关港及其相关特征（如拥堵情况和可用设施）可通过燃油优化规划或节省货物作业时间来改善船舶航行。本文提出一种基于时序图神经网络（TGNN）的新型港口分类方法，使船舶能够高效发现网关港，从而优化其作业。所提方法处理船舶轨迹数据以构建动态图，捕捉数据中一组静态与动态航行特征的时空依赖关系，并在加拿大新斯科舍省哈利法克斯十艘运营船舶收集的真实数据集上就港口分类准确率进行评估。实验结果表明，我们基于 TGNN 的港口分类方法在港口分类中取得了 95% 的 f-score。
引用
@article{arxiv.2204.11855,
title = {Discovering Gateway Ports in Maritime Using Temporal Graph Neural Network Port Classification},
author = {Dogan Altan and Mohammad Etemad and Dusica Marijan and Tetyana Kholodna},
journal= {arXiv preprint arXiv:2204.11855},
year = {2022}
}
备注
12 pages, 6 figures, to appear in the proceedings of the 35th Canadian Conference on Artificial Intelligence