Defesa de Tese de Doutorado de Cláudio Vasconcelos Ribeiro, em 04/03/2024, às 14:00 horas, por videoconferência
Link para defesa: https://meet.google.com/dnv-xaux-knt
A Collaborative Analysis of Anomalous Trajectories of Vessels Based on Clustering Algorithms
Resumo:
Milhares de navios circulam diariamente e o número de incidentes e ações ilegais são significativas, e tais ocorrências estão associadas a trajetórias consideradas anômalas. Este comportamento anômalo pode ser observado identificando um ou uma combinação de eventos que fazem com que o navio se desvie de uma rota padrão, alterando inesperadamente o rumo e a velocidade, trânsito em áreas proibidas, etc. Os agentes encarregados da vigilância marítima precisam ser apoiados, de preferência por ferramentas de software, para indicar tais ocorrências, especialmente com antecedência. Equipamentos/sistemas eletrônicos, como radares e Sistemas de Identificação Marítima (AIS) contribuíram para melhorar o conhecimento situacional marítimo. Baseadas principalmente em dados do AIS, diversas abordagens propõem o uso de técnicas de aprendizado de máquina para auxiliar na identificação de trajetórias anômalas, especialmente usando algoritmos de agrupamento (por exemplo, DBSCAN, K-Means, Birch, Spectral Clustering e Ensembles). Na revisão da literatura dos desenvolvimentos para o problema da detecção de anomalias ou comportamento fora do padrão no tráfego marítimo, também apresentamos os problemas, restrições e desafios nesta área de pesquisa, bem como uma taxonomia para categorizá-la. A abordagem proposta concentra-se em uma etapa de pré-processamento de dados antes da aplicação de algoritmos de clusterização que são usados na identificação de grupos de trajetórias no tráfego marítimo. Tal etapa tem por objetivo agrupar trajetórias de navios com características comuns de curso e trânsito. Por meio de experimentos realizados com a ferramenta web desenvolvida e denominada INSTRUCTOR, apoiada por especialistas da Marinha do Brasil, podemos demonstrar o aprimoramento da detecção de uma trajetória anômala de um navio, alcançada a partir de uma melhor identificação dos padrões de tráfego marítimo, que permite ao usuário detectar desvios (anomalias). A ferramenta INSTRUCTOR permite uma análise colaborativa para classificar trajetórias anômalas de navios com base em algoritmos de agrupamento, com uma interface gráfica sobre o mapa mundial, a seleção de uma base de dados de AIS, além de informações estatísticas complementares derivadas de dados históricos.
Abstract:
Thousands of vessels circulate daily and the number of incidents and illegal actions is significant, and such occurrences are associated with trajectories considered anomalous. This anomalous behavior can be observed by identifying one or a combination of events that actuate the vessel to deviate from a standard route to unexpectedly changing the course and speed, to transit in prohibited areas, etc. The agents in charge of maritime surveillance need to be supported, preferably by software tools, to indicate those occurrences, especially in advance. Electronic equipment/systems, such as radars and Automatic Identification Systems (AIS), have contributed to improving maritime situational awareness. Primarily based on AIS data, several approaches propose the use of machine learning techniques to aid the identification of anomalous trajectories, especially using clustering algorithms (e.g. DBSCAN, K-Means, Birch, Spectral Clustering and Ensembles). In the review of the recent developments for the problem of detection of anomalies or non-standard behaviour in maritime traffic, we have also been presented the approaches, constraints, and challenges in this research area, as well as a taxonomy to categorize them. The proposed approach focuses on a preprocessing data stage before the clustering task that is applied to identify groups of vessel trajectory patterns in the maritime domain, which stage aims to group vessels trajectories with common characteristics of direction and transit location. Through the experiments performed with the developed web tool named INSTRUCTOR and supported by experts from the Brazilian Navy, we can demonstrate the enhanced detection of a vessel anomaly trajectory reached from a better identification of maritime traffic patterns, which allows the user to detect deviations (anomalies). Thus the INSTRUCTOR allows a collaborative analysis to classify anomalous trajectories of vessels based on clustering algorithms, with a graphical interface thru a world map and a selection of AIS database, besides a complementary statistical information derived from historical data.
Banca examinadora:
Prof. Daniel Cardoso Moraes de Oliveira, UFF – Presidente
Profa. Aline Marins Paes Carvalho, UFF
Prof. Bruno Lopes Vieira, UFF
Prof. Marcos Vinícius Naves Bêdo, UFF
Prof. José Viterbo Filho, UFF
Prof. Eduardo Bezerra da Silva, CEFET-RJ
Prof. Ronaldo dos Santos Mello, UFSC