WAY: 世界規模AIS軌跡データに基づく船舶目的地推定

要旨

自動船舶識別装置（AIS）はデータ駆動型の海上監視を可能にするが、信頼性の問題や観測間隔の不均一性に課題を抱えている。本研究では、グローバルスコープのAISデータを用いた船舶の目的地推定に対し、港から港への長大な軌跡をネスト化されたシーケンス構造として再定義する差別化的アプローチを提案する。空間グリッドを活用した本手法は、詳細な解像度を維持しつつ時空間バイアスを軽減する。軌跡の長期目的地を数日から数週間前に推定するため、再構築された軌跡を処理する新規の深層学習アーキテクチャWAYを設計した。WAYは軌跡表現層とチャネル集約型逐次処理（CASP）ブロックで構成される。表現層は運動学的特徴と非運動学的特徴からマルチチャネルベクトルシーケンスを生成し、CASPブロックはマルチヘッドのチャネル注意機構と自己注意機構を活用して情報の集約と逐次伝達を行う。さらに、単一ラベルによる多対多訓練を可能にするタスク特化型の勾配ドロップアウト（GD）手法を提案する。本手法はサンプル長に基づいて勾配流を確率的に遮断することで、偏ったフィードバックの集中を防止する。5年間のAISデータを用いた実験により、WAYが軌跡の進行度に関わらず従来の空間グリッドベース手法を凌駕することを実証した。GDの採用が性能向上に寄与することも確認されている。最後に、到着予定時刻（ETA）推定のマルチタスク学習を通じ、WAYの実用化可能性を探る。

English

The Automatic Identification System (AIS) enables data-driven maritime surveillance but suffers from reliability issues and irregular intervals. We address vessel destination estimation using global-scope AIS data by proposing a differentiated approach that recasts long port-to-port trajectories as a nested sequence structure. Using spatial grids, this method mitigates spatio-temporal bias while preserving detailed resolution. We introduce a novel deep learning architecture, WAY, designed to process these reformulated trajectories for long-term destination estimation days to weeks in advance. WAY comprises a trajectory representation layer and Channel-Aggregative Sequential Processing (CASP) blocks. The representation layer generates multi-channel vector sequences from kinematic and non-kinematic features. CASP blocks utilize multi-headed channel- and self-attention for aggregation and sequential information delivery. Additionally, we propose a task-specialized Gradient Dropout (GD) technique to enable many-to-many training on single labels, preventing biased feedback surges by stochastically blocking gradient flow based on sample length. Experiments on 5-year AIS data demonstrate WAY's superiority over conventional spatial grid-based approaches regardless of trajectory progression. Results further confirm that adopting GD leads to performance gains. Finally, we explore WAY's potential for real-world application through multitask learning for ETA estimation.

WAY: 世界規模AIS軌跡データに基づく船舶目的地推定

WAY: Estimation of Vessel Destination in Worldwide AIS Trajectory

要旨

Support