.png){kind=icon}
返回
Fishing vessel behavior pattern recognition using AIS sub-trajectory prototype learning based on Gramian Angular Field
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-025-02187-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动识别系统（AIS）收集与船舶轨迹相关的动态和静态信息。渔船的水域运动模式由对应不同作业状态的多个行为段组成。本研究旨在开发一个受计算机视觉启发的原型学习框架，用于渔船移动模式的语义解释。首先，我们通过系统地分析船舶运动特征，提取判别性的时空特征序列。其次，我们提出了一种基于深度子空间聚类的原型学习方法；该方法识别总结每种特定行为（如停止、徘徊、捕鱼或航行）运动特征的轨迹段。最后，我们实现了一个集成了时序注意力机制的层次化Transformer架构，支持多尺度轨迹预测。该架构可促进10分钟的短期和60分钟长期两种时间范围的定位预测。这项技术进步能够协助海事监管机构优化船舶交通管理并实施数据驱动的安全规程。
Keyword:
Motion behaviour analysis
Fishing vessel
Trajectory prediction
Prototype learning
Deep subspace clustering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.1K
被引数:
6.6K
机构
引用论文
A framework for ship abnormal behaviour detection and classification using AIS data使用AIS数据进行船舶异常行为检测和分类的框架OAAI
OAAI分享收藏A Semi-Supervised Methodology for Fishing Activity Detection Using the Geometry behind the Trajectory of Multiple Vessels.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容