基于 AIS 数据的机器学习辅助海上导航异常检测
信号处理
2020-02-13 v1
摘要
自动识别系统（AIS）报告船舶的静态和动态信息，这些信息对海上交通态势感知至关重要。然而，AIS 应答机可被关闭以隐藏可疑活动，如非法捕捞或海盗行为。因此，本文使用真实世界 AIS 数据分析在海上域成功检测各类异常的可能性。我们提出了一种基于多类人工神经网络（ANN）的异常检测框架，以分类有意和无意的 AIS 开关机异常。该多类异常框架捕获因各种原因（例如信道效应或为进行非法活动而有意的）导致的 AIS 报文丢失。我们从真实世界 AIS 数据中提取位置、速度、航向和时间信息，并用其训练一个 2 类（正常与异常）和一个 3 类（正常、断电与异常）异常检测模型。我们的结果表明，这些模型总体准确率达约 99.9%，且能在微秒量级对测试样本进行分类。
引用
@article{arxiv.2002.05013,
title = {Machine Learning-Assisted Anomaly Detection in Maritime Navigation Using AIS Data},
author = {Sandeep Kumar Singh and Frank Heymann},
journal= {arXiv preprint arXiv:2002.05013},
year = {2020}
}
备注
This conference paper is uploaded here for non-comercial purposes