İçeriğe geç
CANLI 20:49 Claude artık video konferanslara katılabiliyor! 2 gün önce Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 9 Kas 2026 Bu Hafta AI Model Değerlendirmesi (2026-W46) 8 Kas 2026 OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 8 Kas 2026 Yapay Zekâ 18 Yıllık Kuantum Varsayımını Üç Günde Çözdü: Aaronson-Ambainis Artık Bir Teorem Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 16.11.2026
Bülten

arXiv 2611.18563 cs.LG

AIS'yi RF ile Eşleştirmek: Denizcilik Veri Füzyonu için Markov Yaklaşımının Analizi

Özgün başlık Pairing AIS with RF: Analysis of a Markovian Approach for Maritime Data Fusion

  • Daniel Grimm
  • Kyra Jongman
  • Renato Cordeiro Ferreira
  • Giuseppe Cascavilla
  • Alfredo Cuzzocrea
  • Willem-Jan Van Den Heuvel
ai/muhabir · özet metinden derlendi

Denizcilik faaliyetlerinin izlenmesi emniyet ve güvenlik açısından, özellikle yasa dışı faaliyetlerin tespit edilmesi açısından önemlidir, ancak denizcilik alanının boyutu ve karmaşıklığı nedeniyle zorlu olmaya devam etmektedir. Otomatik Tanımlama Sistemi (AIS), bilinen güvenlik açıklarına rağmen bu amaçla yaygın olarak kullanılmaktadır. Buna karşılık, uzay bazlı radyo frekansı (RF) gözlemleri, bağımsız bir gemi faaliyeti kaynağı sağlar ancak gemi tanımlaması yoktur ve bu nedenle gemileri kendi başlarına tanımlayamaz.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Denizcilik faaliyetlerinin izlenmesi emniyet ve güvenlik açısından, özellikle yasa dışı faaliyetlerin tespit edilmesi açısından önemlidir, ancak denizcilik alanının boyutu ve karmaşıklığı nedeniyle zorlu olmaya devam etmektedir. Otomatik Tanımlama Sistemi (AIS), bilinen güvenlik açıklarına rağmen bu amaçla yaygın olarak kullanılmaktadır. Buna karşılık, uzay bazlı radyo frekansı (RF) gözlemleri, bağımsız bir gemi faaliyeti kaynağı sağlar ancak gemi tanımlaması yoktur ve bu nedenle gemileri kendi başlarına tanımlayamaz. CRISP-DM sürecinin ardından bu çalışma, gürültü ve zamanlama tutarsızlıklarını modellerken zamansal ve mekansal bilgileri kullanarak bireysel RF tespitlerini AIS yörüngeleriyle hizalamak için bir Çift Gizli Markov Modeli (PHMM) uygulamaktadır. Bunu, en yakın komşu temel hatlarına karşı sentetik RF tespitleriyle NOAA AIS verileri üzerinde değerlendiriyoruz ve hatalarını yörünge uzunluğu, örnekleme yoğunluğu, durağanlık ve AIS-RF mesafesine ilişkin önyargı testleri ile analiz ediyoruz. Uzunluğu düzeltilmiş İleri puanı, hataların mümkün olduğu çok adaylı tespitlerin doğrulama bölümünde 0,7776$'lık ilk 1 hassasiyetine ve ön filtreyi geçen tespitler arasında koyu damarları tespit etmek için 0,637$'lık bir AUC'ye ulaşır. Tek bir RF tespiti ile skor çoğunlukla AIS yörüngesinin kendisini yansıtır ve hataları daha uzun ve daha sabit yörüngeleri destekler. Tam modeli, eşleşme geçişleri olmayan boş bir modelle karşılaştıran log-odds puanı, hassasiyeti 0,8580$'a ve AUC'yi 0,852$'a yükseltir. Uzunluğu düzeltilmiş varyantı artık sabit yörüngelere ve kısa mesajlar arası mesafelere karşı önemli bir önyargı göstermiyor, ancak yine de RF tespitinden uzaktaki adayları tercih ediyor. Zaman ağırlıklı, uydurma olmadan en yakın komşu temel çizgisi önde olmaya devam ediyor (hassasiyet $0,9013$, AUC $0,904$), dolayısıyla bu tek algılamalı, elle tasarlanmış PHMM formülasyonu yaklaşıyor ancak onu geçemiyor.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Monitoring maritime activities is important for safety and security, particularly for detecting illegal activities, but remains challenging due to the size and complexity of the maritime domain. The Automatic Identification System (AIS) is commonly used for this purpose, despite its known vulnerabilities. In contrast, space-based radio frequency (RF) observations provide an independent source of vessel activity but lack ship identification and therefore cannot identify vessels on their own. Following the CRISP-DM process, this study applies a Pair Hidden Markov Model (PHMM) to align individual RF detections with AIS trajectories, using temporal and spatial information while modeling noise and timing discrepancies. We evaluate it on NOAA AIS data with synthetic RF detections against nearest-neighbor baselines and analyze its errors with bias tests on trajectory length, sampling density, stationarity and AIS--RF distance. The length-corrected Forward score reaches a top-1 precision of $0.7776$ on the validation split of multi-candidate detections, where errors are possible, and an AUC of $0.637$ for detecting dark vessels among the detections that pass the prefilter. With a single RF detection, the score mostly reflects the AIS trajectory itself, and its errors favor longer and more stationary trajectories. A log-odds score, which compares the full model with a null model without match transitions, raises precision to $0.8580$ and AUC to $0.852$. Its length-corrected variant no longer shows a significant bias towards stationary trajectories and short inter-message distances, but still favors candidates farther from the RF detection. A time-weighted nearest-neighbor baseline without fitting remains ahead (precision $0.9013$, AUC $0.904$), so this single-detection, hand-designed PHMM formulation approaches but does not beat it.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{grimm2026pairing,
  title   = {Pairing AIS with RF: Analysis of a Markovian Approach for Maritime Data Fusion},
  author  = {Daniel Grimm and Kyra Jongman and Renato Cordeiro Ferreira and Giuseppe Cascavilla and Alfredo Cuzzocrea and Willem-Jan Van Den Heuvel},
  journal = {arXiv preprint arXiv:2611.18563},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.18563}
}
APA
Grimm, D., Jongman, K., Ferreira, R. C., Cascavilla, G., Cuzzocrea, A., & Heuvel, W. V. D. (2026). AIS'yi RF ile Eşleştirmek: Denizcilik Veri Füzyonu için Markov Yaklaşımının Analizi. arXiv. https://arxiv.org/abs/2611.18563
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.