Core Concepts
本研究では、AISデータから抽出した確率的特徴を活用することで、長期的な船舶軌跡の正確な予測が可能となる。
Abstract
本研究は、海上輸送の重要性と海洋生物保護の両立を目的としている。具体的には、自動識別システム(AIS)データを活用して、長期的な船舶軌跡の多経路予測モデルを開発した。
まず、AISデータから以下の特徴を抽出した:
標準的な特徴(座標、速度、針路など)
確率的特徴(現在位置のグリッド、経路ポリゴン、目的地グリッド)
三角関数的特徴(座標、針路の三角関数変換)
次に、これらの特徴を入力とする深層学習モデルを構築した。モデルは、並列畳み込みニューラルネットワークによる空間特徴抽出と、位置依存型アテンションメカニズムを備えた双方向LSTMによる時系列特徴抽出から成る。
実験の結果、確率的特徴を活用することで、平均11km、中央値6kmの予測誤差を達成した。また、R2スコアが98%を超えるなど、高い予測精度を示した。特に、曲がり角や経路変更の際の複雑な意思決定を学習できることが本モデルの特徴である。
本研究成果は、海洋生物保護のための船舶動態予測に貢献できると期待される。
Stats
船舶の速度変化は平均11km、中央値6kmの誤差で予測できる
予測精度はR2スコアで98%を超える
Quotes
"本研究は、海上輸送の重要性と海洋生物保護の両立を目的としている。"
"確率的特徴を活用することで、平均11km、中央値6kmの予測誤差を達成した。"
"R2スコアが98%を超えるなど、高い予測精度を示した。"