文献

J-GLOBAL ID：202202213850428602   整理番号：22A0862458

グラフベース機械学習モデルを用いた船舶目標予測【JST・京大機械翻訳】

Vessel Destination Prediction Using a Graph-Based Machine Learning Model

著者 (6件)： Gouareb Racha (University of Geneva, Geneva, Switzerland) ,  Can Francois (Riverlake Shipping SA, Geneva, Switzerland) ,  Ferdowsi Sohrab (University of Geneva, Geneva, Switzerland) ,  Ferdowsi Sohrab (HES-SO University of Applied Sciences and Arts of Western Switzerland, Geneva, Switzerland) ,  Teodoro Douglas (University of Geneva, Geneva, Switzerland) ,  Teodoro Douglas (HES-SO University of Applied Sciences and Arts of Western Switzerland, Geneva, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13197  ページ： 80-93  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界人口が拡大し続けるので,海上輸送は経済成長を確保するために重要である。海上輸送のセキュリティと安全性を改良するために,自動識別システム(AIS)は,容器とそれらのポジションに関してリアルタイムデータを集めた。AISデータの大部分は自動追跡システムを介して提供されるが, destination先や draughのような重要な分野は船ナビゲータによって手動で入って,このように誤差の傾向がある。海洋産業における意思決定を支援するため,本論文では,不均一グラフと機械学習モデルに基づくデータ駆動型血管先物予測アルゴリズムを提案した。著者らは,マルチクラス分類問題としてタスクを設計し,そこでは, destination先ポートが,血管と起源情報を与えて予測されるカテゴリである。次に,重みづけ不均一グラフにおけるリンク予測モデルを用いて,血管 destination先を予測した。ロジスティック回帰およびk最近傍のようなベースライン法に対する実験的比較は,著者らのモデルがロバスト性能を提供し,精度およびF1スコアに関して,それぞれ9%および33%のベースラインアルゴリズムを凌駕することを示した。このように,不均一グラフモデルは,ポート先先を予測する強力な代替案を提供し,海上輸送産業におけるAISデータ品質の向上とより良い意思決定を支援することができた。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  安全性 ,  意思決定 ,  *学習モデル ,  血管 ,  海上輸送 ,  *船舶 ,  海洋 ,  ポート ,  *機械学習 ,  予測モデル
準シソーラス用語： ロジスティック回帰分析 ,  自動認識 ,  予測アルゴリズム ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (7件)： 目的地予測 ,  海上輸送 ,  機械学習 ,  グラフモデル ,  リンク予測 ,  AIS ,  異種グラフ

分類 (2件)： 航海と実務  (TD01020F) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： グラフ ,  ベース機械 ,  学習モデル ,  船舶 ,  目標 ,  予測