トピックモデルを用いたAISデータからの船舶航行パターンの獲得と異常事象の検出

点击翻译按钮获取中文摘要

今年度では、ほぼ当初の計画通り、コード文書集合にトピックモデルを適用して、船舶コースの抽出と船舶コースの可視化の二つの研究作業を行った。１）船舶コースの抽出：トピックモデルというのは、大量の文書データからトピックを発掘するAI的な手法である。これまで研究において、船舶のAISデータ(経度、緯度、針路と速度のベクトル）をコードに変換することで、船舶の航跡データセットをコード文書集合に置き換えることができた。そうすることで、船舶の航跡データに対して、トピックモデルを適用することができた。その結果、コード文書集合から深層に隠されているトピックが抽出され、トピック別によく出現するコードが分かるようになった。しかし、コードとは、経度、緯度、針路と速度の四つの要素の代表値を表すもので、コードから経度、緯度、針路と速度に復号することができ、それによって、トピックから船舶の行動情報が再現された。２）船舶のコースの可視化：１）で得られたトピックのデータを地図情報システムに描くことで船舶のコースが確認できた。具体的には、経度と緯度で示す位置に矢印を描くが、先端の向きを用いて針路を表し、矢印の色を用いて速度を表した。こうすることで、トピックモデルにより抽出した情報が地図に現れて、船舶のコースが視覚的に確認できた。上記１）と２）の作業において、できるだけ高い分解能力が得られるように、繰り返しパラメータの調整が行われた。結果としては、ベクトル量子化に使われるコードブックの長さの指標は24となり、トピックモデルのトピック数は20となった。また、提案手法の優位性を確認するために、従来のDBSCANアルゴリズムとガウシアンモデルを用いて、船舶のAISデータのクラスタリングを行った。実験の結果により、提案手法の方がより明確に意味のあるコースが抽出されることが確認できた。