联邦学习与轨迹压缩以增强 AIS 覆盖
机器学习
2025-12-04 v1
摘要
本文提出了 VesselEdge 系统，该系统利用联邦学习和带宽受限的轨迹压缩来增强海上态势感知，通过扩展 AIS 覆盖范围。VesselEdge 将船舶转变为移动传感器，实现实时异常检测和通过低带宽连接进行高效数据传输。该系统集成了 M3fed 模型用于联邦学习和 BWC-DR-A 算法用于轨迹压缩，优先处理异常数据。初步结果表明 VesselEdge 在利用历史数据改善 AIS 覆盖和态势感知方面的有效性。
引用
@article{arxiv.2512.03584,
title = {Federated Learning and Trajectory Compression for Enhanced AIS Coverage},
author = {Thomas Gräupl and Andreas Reisenbauer and Marcel Hecko and Anil Rasouli and Anita Graser and Melitta Dragaschnig and Axel Weissenfeld and Gilles Dejaegere and Mahmoud Sakr},
journal= {arXiv preprint arXiv:2512.03584},
year = {2025}
}