Generación y evaluación de datos AIS dinámicos sintéticos

Abstract

Este Trabajo de Fin de Grado se centra en la generación sintética de datos AIS (Automatic Identification System) dinámicos mediante el uso de técnicas de aprendizaje automático, con el objetivo de modelar y reproducir trayectorias marítimas realistas. Este problema resulta especialmente relevante en contextos donde los datos disponibles son limitados. Para ello, se emplean modelos generativos basados en redes neuronales, concretamente arquitecturas LSTM y modelos variacionales como SeqVAE, diseñados para capturar la naturaleza secuencial y la dependencia temporal de las trayectorias. La generación de datos se realiza con modelos entrenados con trayectorias reales, buscando preservar tanto la estructura temporal como las características espaciales del movimiento de los buques. Los datos sintéticos generados se evalúan mediante un enfoque combinado que incluye un análisis estadístico de las características de las trayectorias generadas y, especialmente, inspección visual de estas sobre mapas. Asimismo, se estudia el comportamiento de los modelos en función del tipo de buque, identificando diferencias en la capacidad de reproducción de los patrones de navegación. Los resultados muestran que los modelos son capaces de capturar el comportamiento global de las trayectorias, aunque presentan pequeñas limitaciones. Esto evidencia tanto el potencial de estos enfoques como la necesidad de continuar mejorando su capacidad generativa.