TrAISformer — A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction

要約

船舶の航跡予測は、多くの海上アプリケーションやサービスにおいて極めて重要な役割を果たしている。船舶自動識別システム（AIS）はこのタスクに対処するための豊富な情報源を提供するが、AISデータを用いた船舶の航跡予測は、モーションデータ特有の異種かつマルチモーダルな性質のため、最新の機械学習技術を用いても依然として困難である。本論文では、これらの課題に取り組むための新しいアプローチを提案する。AISデータの離散的な高次元表現と、異質性とマルチモーダル性を明示的に扱うように設計された新しい損失関数を導入する。提案するモデル（TrAISformerと呼ばれる）は、数時間先の船舶の位置を予測するために、提案するエンリッチ空間におけるAIS船舶の軌跡の長期的な時間パターンを抽出する修正トランスフォーマーネットワークである。実際に公開されているAISデータを用いた実験結果を報告する。TrAISformerは最新の手法を大幅に上回り、平均予測性能は10海里を下回り、10時間先まで予測可能である。

要約(オリジナル)

Vessel trajectory prediction plays a pivotal role in numerous maritime applications and services. While the Automatic Identification System (AIS) offers a rich source of information to address this task, forecasting vessel trajectory using AIS data remains challenging, even for modern machine learning techniques, because of the inherent heterogeneous and multimodal nature of motion data. In this paper, we propose a novel approach to tackle these challenges. We introduce a discrete, high-dimensional representation of AIS data and a new loss function designed to explicitly address heterogeneity and multimodality. The proposed model-referred to as TrAISformer-is a modified transformer network that extracts long-term temporal patterns in AIS vessel trajectories in the proposed enriched space to forecast the positions of vessels several hours ahead. We report experimental results on real, publicly available AIS data. TrAISformer significantly outperforms state-of-the-art methods, with an average prediction performance below 10 nautical miles up to ~10 hours.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL