شناسایی آنومالی در ترافیک دریایی بر اساس داده های مکانی-زمانی سیستم شناسایی خودکار AIS

نظارت بر ترافیک دریایی یکی از جنبه های مهم ایمنی و امنیت مخصوصا در مسیرهای دریایی شلوغ و همچنین ترافیک در نزدیکی اسکله ها می باشد. با توجه به حجم بالای اطلاعات با کیفیت های متفاوت، تصمیم گیرندگان در مورد تهدیدات و شرایط نیاز به دانش با قابلیت اطمینان بالا از این اطلاعات هستند. در این تحقیق، ما مدل شناسایی آنومالی دو بخشی در ترافیک دریایی را پیشنهاد کرده ایم. در بخش اول، الگوی معمولی خط سیر و مسیر کشتی ها که براساس قوانین IMO جمع آوری و در دسترس عموم قرار گرفته اند را با استفاده از الگوریتم های خوشه بندی براساس چگالی در داده کاوی، شناسایی کرده ایم. مهم ترین حسن خوشه بندی براساس چگالی در این مرحله، شناسایی الگوی حرکتی کشتی ها با توجه به قوانین و شرایط موجود در منطقه دریایی می باشد. در بخش دوم مدل پیشنهادی، با توجه به الگوی شناخته شده در بخش اول و با استفاده از رویکرد براساس نقطه 5 ، جابه جایی غیر عادی 6 کشتی ها در دریا را شناسایی می کنیم. برای خوشه بندی و شناسایی رفتار آنومال از طول و عرض جغرافیایی، سرعت و جهت در هر نقطه از مسیر طی شده توسط کشتی ها استفاده شده است. رویکرد شناسایی آنومالی براساس نقطه قابل استفاده در سیستم های نظارتی AIS از نوع بلادرنگ نیز می باشد. سعی شده مرحله شناسایی جابه جایی آنومال قابلیت شخصی سازی از طرف تصمیم گیرندگان نظارتی را داشته باشد که در نتیجه میزان دقت شناسایی آنومالی قابل تنظیم است.

Keywords:

شناسایی آنومالی , خوشه بندی براساس چگالی , trajectory mining , نظارت دریایی