Predicción de tipo de buque utilizando datos AIS y técnicas de inteligencia artificial

Abstract

Este TFG se enmarca dentro de un proyecto de investigación que el CUD-ENM está desarrollando a petición de la Armada Española con el objetivo de aplicar técnicas de inteligencia artificial para la mejora del conocimiento del entorno marítimo y, más concretamente, ayudar en la detección de anomalías en el comportamiento de los buques. Analizados los flujos AIS que identifican a cada barco (tipo, zona, cinemática, etc.), se detecta que muchos buques no envían información del tipo de barco, campo clave en la identificación de anomalías de interés. Para solucionar este problema, en este TFG se propone la aplicación de técnicas de aprendizaje automático supervisado con objeto de predecir el valor de dicho campo, teniendo en cuenta otro tipo de información que sí transmite el barco. Para ello, se entrenarán diferentes modelos, a partir de un conjunto de datos históricos de flujo marítimo mundial (previamente preprocesado y adaptado), empleando el algoritmo Random Forest. Se realizan variaciones al algoritmo y se emplean funciones de tratamiento de datos para tratar de mejorar los resultados. Dichos modelos serán validados convenientemente, de modo que este TFG termina proponiendo el modelo construido a partir de determinados atributos que consiguen maximizar la calidad de la predicción.