Análisis de algoritmos de clusterización para la detección de rutas marítimas habituales a partir de datos AIS

Simple item page
dc.contributor.authorFernández Espinosa, Aurelio Ramón
dc.contributor.authorRodelgo Lacruz (advisor), Miguel
dc.date.accessioned2021-09-03T08:19:42Z
dc.date.accessioned2023-07-07T08:23:06Z
dc.date.available2021-09-03T08:19:42Z
dc.date.available2023-07-07T08:23:06Z
dc.date.issued2021-04-30
dc.description.abstractEn 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.es_ES
dc.identifier.urihttp://calderon.cud.uvigo.es/handle/123456789/577
dc.language.isoeses_ES
dc.publisherCentro Universitario de la Defensa de Marínes_ES
dc.relation.ispartofseriesTrabajos de fin de grado 2020-21;22
dc.subjectInteligencia Artificial, COVAM, AIS, Algoritmos de clusterización, Maritime Domain Awarenesses_ES
dc.titleAnálisis de algoritmos de clusterización para la detección de rutas marítimas habituales a partir de datos AISes_ES
dc.typeWorking Paperes_ES
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Fernández Espinosa, Aurelio Ramón - Memoria.pdf
Size:
4.73 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
2020-21