GeoTrackNet—Ein maritimer Anomalie-Detektor unter Verwendung der probabilistischen neuronalen Netzwerkdarstellung von AIS-Spuren und A contrario-Detektion

Die Darstellung maritimer Verkehrs Muster und die Erkennung von Anomalien sind entscheidend für die Schiffsüberwachung und das maritime Situationsbewusstsein. Wir schlagen einen neuartigen Ansatz vor—genannt GeoTrackNet—zur maritimen Anomaliedetektion aus AIS-Datenströmen. Unser Modell nutzt hochmoderne neuronale Netzwerkverfahren, um eine probabilistische Darstellung von AIS-Spuren zu lernen, sowie eine A contrario-Detektion zur Identifizierung abnormaler Ereignisse. Das neuronale Netzwerk bietet ein neues Mittel, um komplexe und heterogene Muster im Verhalten von Schiffen zu erfassen, während der A contrario-Detektor berücksichtigt, dass die erlernte Verteilung möglicherweise standortabhängig ist. Experimente mit einem realen AIS-Datensatz, der mehr als 4,2 Millionen AIS-Nachrichten umfasst, demonstrieren die Relevanz der vorgeschlagenen Methode im Vergleich zu hochmodernen Verfahren.