Análisis de algoritmos de clusterización para la detección de rutas marítimas habituales a partir de datos AIS
No Thumbnail Available
Date
2021-04-30
Journal Title
Journal ISSN
Volume Title
Publisher
Centro Universitario de la Defensa de Marín
Abstract
En el año 2019 se define el Plan de Transformación Digital de la Armada para promover entre sus
miembros la propuesta de nuevos programas de I+D+i que permitan identificar posibles aplicaciones de
nuevas tecnologías en el ámbito de sus competencias. Este mismo año, el Almirante Jefe del Estado
Mayor de la Armada (AJEMA) consideró oportuno la apertura de un nuevo proyecto de investigación
que delegaría de forma conjunta en el Centro Universitario de la Defensa (CUD) y el COVAM (Centro
de Operaciones y Vigilancia de Acción Marítima) para el desarrollo de un sistema de Inteligencia
Artificial que permitiera exprimir al máximo los potenciales beneficios que pueden proveer las enormes
cantidades de datos que emiten los barcos en la mar de forma continua, principalmente en forma de
mensajes AIS.
Alineado con este proyecto, se concibe este Trabajo de Fin de Grado como una propuesta de
investigación para el análisis del desempeño de distintos algoritmos de clusterización en el entorno
marítimo, realizando un análisis offline de una base de datos históricos compuesta de mensajes de
identificación de buques en la mar. Para el éxito del proyecto se realiza una revisión del estado del arte
de la inteligencia artificial en el ámbito marítimo y, en concreto, de los algoritmos de clusterización más
conocidos. Tras estudiar las diferentes opciones, se considera que los algoritmos de clusterización
basados en densidad serían los más apropiados para esta aplicación, por lo que se lleva a cabo la
implementación de los más representativos, de manera que se puedan visualizar los resultados con el
objetivo de optimizar sus parámetros y sacar información de valor. Los resultados muestran que es
posible detectar automáticamente las zonas de parada o fondeo, lo que resulta de gran utilidad para
particionar y realizar un análisis posterior de las rutas.
Description
Keywords
Inteligencia Artificial, COVAM, AIS, Algoritmos de clusterización, Maritime Domain Awareness