基于自动识别系统数据的无监督港口靠泊点识别
机器学习
2025-05-20 v1
摘要
港口靠泊点是监控和优化港口运营的高价值区域。来自自动识别系统（AIS）的数据可叠加到泊位上，从而实现实时监控并揭示长期利用模式。最终，这些信息可帮助发现瓶颈，优化港口及其延伸供应链。然而，即便有可用的港口靠泊点文档，也常不完整——例如可能遗漏部分泊位或存在不准确的边界框——因此需要一种更稳健、数据驱动的方法来实现靠泊点定位。在此背景下，我们提出一种无监督空间建模方法，利用AIS数据聚类和超参数优化来识别靠泊点。我们在一月的自由可获取AIS数据上进行训练，并在规模各异的港口上进行评估。我们的模型显著优于对手方法，在分别训练的高斯混合模型（GMM）数据分割之间实现0.85的平均布拉哈拉亚距离，而最佳现有方法为13.56。与卫星图像和现有靠泊点标签的定性比较进一步支持了我们方法的优越性，揭示了更精确的泊位边界和改进的空间分辨率，适用于多样化的港口环境。
引用
@article{arxiv.2505.12046,
title = {Unsupervised Port Berth Identification from Automatic Identification System Data},
author = {Andreas Hadjipieris and Neofytos Dimitriou and Ognjen Arandjelović},
journal= {arXiv preprint arXiv:2505.12046},
year = {2025}
}