elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Machine Learning-Assisted Anomaly Detection in Maritime Navigation Using AIS Data

Singh, Sandeep Kumar und Heymann, Frank (2020) Machine Learning-Assisted Anomaly Detection in Maritime Navigation Using AIS Data. In: 2020 IEEE/ION Position, Location and Navigation Symposium, PLANS 2020, Seiten 832-838. IEEE. IEEE/ION Position Location and Navigation Symposium (PLANS), USA, 2020-04-20 - 2020-04-23, Portland, OR, USA. doi: 10.1109/PLANS46316.2020.9109806. ISBN 978-172810244-3. ISSN 2153-3598.

[img] PDF - Nur DLR-intern zugänglich
1MB

Offizielle URL: https://ieeexplore.ieee.org/abstract/document/9109806

Kurzfassung

The automatic identification system (AIS) reports vessels’ static and dynamic information, which are essential for maritime traffic situation awareness. However, AIS transponders can be switched off to hide suspicious activities, such as illegal fishing, or piracy. Therefore, this paper uses real world AIS data to analyze the possibility of successful detection of various anomalies in the maritime domain. We propose a multi-class artificial neural network (ANN)-based anomaly detection framework to classify intentional and non-intentional AIS on-off switching anomalies. The multi-class anomaly framework captures AIS message dropouts due to various reasons, e.g., channel effects or intentional one for carrying illegal activities. We extract position, speed, course and timing information from real world AIS data, and use them to train a 2-class (normal and anomaly) and a 3-class (normal, power outage and anomaly) anomaly detection models. Our results show that the models achieve around 99.9% overall accuracy, and are able to classify a test sample in the order of microseconds.

elib-URL des Eintrags:https://elib.dlr.de/135174/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Machine Learning-Assisted Anomaly Detection in Maritime Navigation Using AIS Data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Singh, Sandeep KumarGerman Aerospace Center (DLR)https://orcid.org/0000-0002-8734-9832NICHT SPEZIFIZIERT
Heymann, FrankGerman Aerospace Center (DLR)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:April 2020
Erschienen in:2020 IEEE/ION Position, Location and Navigation Symposium, PLANS 2020
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/PLANS46316.2020.9109806
Seitenbereich:Seiten 832-838
Verlag:IEEE
ISSN:2153-3598
ISBN:978-172810244-3
Status:veröffentlicht
Stichwörter:Maritime, anomaly detection, machine learning
Veranstaltungstitel:IEEE/ION Position Location and Navigation Symposium (PLANS), USA
Veranstaltungsort:Portland, OR, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:20 April 2020
Veranstaltungsende:23 April 2020
Veranstalter :Institute of Navigation (ION)
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrssystem
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VS - Verkehrssystem
DLR - Teilgebiet (Projekt, Vorhaben):V - I4Port (alt)
Standort: Neustrelitz
Institute & Einrichtungen:Institut für Kommunikation und Navigation > Nautische Systeme
Hinterlegt von: Singh, Sandeep Kumar
Hinterlegt am:16 Jul 2020 18:17
Letzte Änderung:07 Jun 2024 11:23

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.