Machine Learning Approaches to Maritime Anomaly Detection
Ines Obradović, Mario Miličević, Krunoslav Žubrinić · Hrčak Portal of scientific journals of Croatia (University Computing Centre) · 2014
Topics related to safety in maritime transport have become very important over the past decades due to numerous maritime problems putting both human lives and the environment in danger.Recent advances in surveillance technology and the need for better sea traffic protection led to development of automated solutions for detecting anomalies.These solutions are based on generating normality models from data gathered on vessel movement, mostly from AIS.This paper provides a presentation of various machine learning approaches for anomaly detection in the maritime domain.It also addresses potential problems and challenges that could get in the way of successful automation of such systems. SažetakTeme vezane uz sigurnost u pomorskom prometu dobile su na važnosti tijekom proteklih desetljeća uslijed brojnih pomorskih problema kojima se ugrožavaju ljudi i okoliš.Nedavna dostignuća u tehnologiji nadzora i potreba za boljom zaštitom pomorskog prometa dovele su do razvoja automatiziranih rješenja za otkrivanje anomalija.Ta rješenja temelje se na generiranju modela normaliteta iz prikupljenih podataka o kretanju plovila, uglavnom iz AIS-a.Ovaj rad daje pregled različitih pristupa strojnog učenja sa ciljem otkrivanja anomalija u pomorstvu.Također se bavi potencijalnim problemima i izazovima koji bi mogli biti prepreka uspješnoj automatizaciji takvih sustava.