Enhancing Maritime Trajectory Forecasting via H3 Index and Causal Language Modelling (CLM)

要約

船の軌道の予測は、人工知能の成長している研究分野です。
従来の方法では、時空間系列の予測に LSTM、GRU ネットワーク、さらには Transformer アーキテクチャの使用に依存しています。
この研究は、GNSS 位置のみを使用してこれらの軌道を予測するための実行可能な代替案を提案します。
この時空間問題を自然言語処理の問題として捉えます。
AIS メッセージの緯度/経度座標は、H3 インデックスを使用してセル識別子に変換されます。
擬似 8 進表現のおかげで、言語モデルが H3 インデックスの空間階層を学習することが容易になります。
この方法は、海事分野で広く使用されている古典的なカルマン フィルターと比較され、主な評価指標としてフレチェ距離が導入されています。
私たちは、多くの従来の方法とは異なり、速度、針路、外部条件などの追加情報に依存せずに、GNSS 位置のみを使用して、30 分のコンテキストを使用して、船舶の軌道を最大 8 時間先まで非常に正確に予測できることを示します。
私たちは、この代替案が世界中の軌道を予測するのに十分に機能することを実証します。

要約(オリジナル)

The prediction of ship trajectories is a growing field of study in artificial intelligence. Traditional methods rely on the use of LSTM, GRU networks, and even Transformer architectures for the prediction of spatio-temporal series. This study proposes a viable alternative for predicting these trajectories using only GNSS positions. It considers this spatio-temporal problem as a natural language processing problem. The latitude/longitude coordinates of AIS messages are transformed into cell identifiers using the H3 index. Thanks to the pseudo-octal representation, it becomes easier for language models to learn the spatial hierarchy of the H3 index. The method is compared with a classical Kalman filter, widely used in the maritime domain, and introduces the Fr\’echet distance as the main evaluation metric. We show that it is possible to predict ship trajectories quite precisely up to 8 hours ahead with 30 minutes of context, using solely GNSS positions, without relying on any additional information such as speed, course, or external conditions – unlike many traditional methods. We demonstrate that this alternative works well enough to predict trajectories worldwide.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google