شناسایی آنومالی در ترافیک دریایی بر اساس داده های مکانی- زمانی سیستم شناسایی خودکار (AIS) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
نظارت بر ترافیک دریایی یکی از جنبه های مهم ایمنی و امنیتی به خصوص در مسیرهای دریایی شلوغ و ترافیک در نزدیکی اسکله هاست. در این تحقیق، مدل شناسایی آنومالی دوبخشی در ترافیک دریایی پیشنهادشده است. در بخش اول، الگوی معمولی خط سیر و مسیر کشتی ها را که بر اساس جمع آوری و در دسترس عموم قرارگرفته اند، با استفاده از الگوریتم های خوشه بندی و IMO قوانین بر اساس چگالی در داده کاوی شناسایی شده است. مهم ترین حسن خوشه بندی بر اساس چگالی در این مرحله، شناسایی الگوی حرکتی کشتی ها با توجه به قوانین و شرایط موجود در منطقه دریایی است. در بخش دوم، مدل پیشنهادی با توجه به الگوی شناخته شده در بخش اول و با استفاده از رویکرد بر اساس نقطه، جابه جایی غیرعادی کشتی ها در دریا شناسایی شده است. برای خوشه بندی و شناسایی رفتار آنومال از طول و عرض جغرافیایی، سرعت و جهت در هر نقطه از مسیر طی شده به وسیله کشتی ها استفاده شده است. رویکرد شناسایی آنومالی بر اساس نقطه قابل استفاده در سیستم های از نوع بلادرنگ نیز است. در این تحقیق، مرحله شناسایی (AIS) نظارتی سیستم شناسایی خودکار جابه جایی آنومال قابلیت شخصی سازی از طرف تصمیم گیرندگان نظارتی را دارد که درنتیجه، میزان دقت شناسایی آنومالی قابل تنظیم است.Anomaly Detection in Maritime Traffic Based on Spatial-temporal Data from Automatic Identification System (AIS)
Monitoring maritime traffic is an important aspect of safety and security, especially in busy sea lanes and near-dock traffic. In this study, a two-part anomaly detection model for maritime traffic is proposed. In the first part, the typical pattern of ship trajectories and routes, which are collected and made publicly available, is identified using clustering algorithms and IMO density-based rules in data mining. The most important advantage of density-based clustering at this stage is the identification of ship movement patterns according to the rules and conditions in the maritime area. In the second part, the proposed model, based on the pattern identified in the first part and using a point-based approach, identifies abnormal ship movements at sea. For clustering and identification of anomalous behavior, longitude and latitude, speed and direction at each point of the route traveled by the ships are used. The point-based anomaly detection approach is also applicable to real-time systems. In this research, the monitoring detection (AIS) stage of the automatic anomaly detection system can be customized by the monitoring decision makers, which results in the accuracy of anomaly detection being adjustable.
تبلیغات
