Analysis of The ship's automatic identification system information and models for constructing spatio-temporal algorithms for predicting vessel traffic

Abstract

Точность решения задач безопасности судовождения определяется двумя факторами: точностью исходных данных и степенью адекватности используемых математических моделей. Судовая система автоматической идентификации (АИС) имеет явные преимущества перед РЛС/САРП по точности данных для прогнозирования движения судов. Эти данные могут быть использованы при построении Систем поддержки принятия решений в Морских автономных судах (МАНС) для отслеживания маршрута движения и прогнозирования столкновений в режиме реального времени. Данные АИС позволяют описать движение вкоординатном форме, в виде одномерного временного ряда обсерваций места судна , выявить тенденции изменения динамики движения (рост, снижение или постоянство) и наблюдать череду периодов движения судна с разной динамикой, когда стационарные временные ряды переходят в нестационарные и наоборот. Смена режимов движения сопровождается разладкой временных рядов, т.е. обнаружения изменения свойств наблюдаемого параметрического ряда, происходящего в неизвестный заранее момент времени. Определение момента разладки из-за инерционности судна довольно сложная задача. Для ее решения может быть использован метод нахождения отношения правдоподобия порогового значения некоторого решающего правила после пересечения соответствующих значений временных рядов . Универсального метода прогнозирования временных рядов не существует, каждый метод находит свое применение для разных видов движения и разных типов временных рядов. Временные ряды могут быть использованы в различных моделях: физических, на основе машинного обучения и гибридных моделях. Сегодня не существует реализации той или иной модели в режиме реального времени. Эта проблема может быть решена путем разработки гибридных моделей, которые представляют собой комбинацию пространственно-временных алгоритмов прогнозирования движения судов в море для получения лучших результатов оценки движения судна. The accuracy of solving navigation safety problems is determined by two factors: the accuracy of the initial data and the degree of adequacy of the mathematical models used. The ship's automatic identification system (AIS) has clear advantages over radar/ARPA in terms of data accuracy for predicting vessel movements. This data can be used to build Decision Support Systems for Maritime Autonomous Vessels (MANS) to track traffic routes and predict collisions in real time. AIS data makes it possible to describe movement in coordinate form, in the form of a one-dimensional time series of observations of the vessel’s location (x, y), identify trends in changes in movement dynamics (increase, decrease or constancy) and observe a series of periods of ship movement with different dynamics, when stationary time series change to non-stationary and vice versa. A change in movement modes is accompanied by a disorder in the time series, i.e. detection of changes in the properties of the observed parametric series occurring at an unknown point in time. Determining the moment of disorder due to the inertia of the vessel is a rather difficult task. To solve it, the method of finding the likelihood ratio of the threshold value of some decision rule after crossing the corresponding values of the time series (x,y) can be used. There is no universal method for forecasting time series; each method finds its application for different types of movement and different types of time series. Time series (x,y) can be used in various models: physical, machine learning and hybrid models. Today there is no implementation of this or that model in real time. This problem can be solved by developing hybrid models, which are a combination of spatio-temporal algorithms for predicting the movement of vessels at sea to obtain better vessel movement estimation results.