.png){kind=icon}
返回
A framework for ship semantic behavior representation and indexing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.oceaneng.2025.121023.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能航运与自主导航的进步依赖于自动识别系统（AIS）数据，该数据提供了关键的船舶轨迹信息。然而，原始AIS数据缺乏语义上下文，使得行为标注对于理解航行任务和过程至关重要。现有研究面临两个挑战：（1）对于应提取哪些语义以实现有效行为标注缺乏清晰性；（2）对船舶机动与航行环境之间空间交互的考虑不足，特别是拓扑交互。这些问题使数据提取复杂化，并阻碍了可解释轨迹预测等基于机器学习的应用。本文提出了一种用于船舶行为语义标注和索引的综合框架。该框架使用关系数据库将船舶行为分解为统一的数据结构，其中定义了三种行为语义，包括原子行为、拓扑行为和交通行为。原子行为（如移动和停止）被提取以标注原始轨迹，而描述轨迹与环境交互的拓扑行为则使用改进的扩展维度9交模型（DE-9IM）进行建模。这些语义的结合使得能够标注更高层次的交通行为。该模型通过行为标注统计进行了进一步评估，展示了其在标注和索引高级船舶行为方面的有效性。
Keyword:
Ship behavior
Semantic annotation
Semantic indexing
AIS trajectory data
期刊
IF:
5.5
论文数:
7.5K
被引数:
7.6W
机构
暂无机构信息
引用论文
Dynamic Semantic World Models and Increased Situational Awareness for Highly Automated Inland Waterway Transport动态语义世界模型和高内河水路运输中的态势感知提升
OAAI
OAAI分享收藏Integrating GPU-Accelerated for Fast Large-Scale Vessel Trajectories Visualization in Maritime IoT Systems集成GPU加速以实现海事物联网系统中快速大规模船舶轨迹可视化
PREAI
分享收藏Integrating situation-aware knowledge maps and dynamic window approach for safe path planning by maritime autonomous surface ships将情境感知知识图谱与动态窗口法相结合，以实现自主水面船舶的安全路径规划
OAAI
OAAI分享收藏分享收藏Bi-directional information fusion-driven deep network for ship trajectory prediction in intelligent transportation systems双向信息融合驱动的深度网络，用于智能交通系统中的船舶轨迹预测OAAI
OAAI分享收藏Analyzing the spatio-temporal correlation between tide and shipping behavior at estuarine port for energy-saving purposes.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏分享收藏
查看更多内容