AIS Data Visualization applied to the identification of anomalous vessels' movements on the Portuguese maritime territory

Abstract

Há poucos anos atrás o Sistema de Identificação Automática (AIS) foi definido como o standard internacional para a comunicação entre navios com o objetivo de melhorar a segurança marítima, mas hoje em dia é utilizado para muitos mais fins porque os seus dados têm o potencial de conseguirem mapear todo o tráfego marítimo de uma determinada zona. Um desses fins é ajudar as autoridades a detetarem comportamentos anómalos através da análise dos movimentos dos navios. Desta forma, vários trabalhos científicos relacionados com dados do AIS têm sido publicados, apresentando abordagens de aprendizagem computacional e de visualização de informação, em áreas tão distintas como a extração de trajetórias, visualização de tráfego e deteção de anomalias. No entanto, considerando esta última área, apenas abordagens de aprendizagem computacional foram propostas, enquanto os trabalhos na área da visualização de informação tendem a propor representações do tráfego dos navios sem qualquer destaque aos comportamentos anómalos. Assim sendo, a presente tese tem como objetivo o desenvolvimento de estratégias de visualização capazes de identificar comportamentos anómalos, com a assistência de técnicas de análise de dados, e o teste dessas estratégias com dados AIS da zona marítima Portuguesa. Estas estratégias foram implementadas numa plataforma e incluem abordagens para uma análise geral dos dados e para a deteção de tipos específicos de comportamentos anómalos. A validação, feita através de casos de estudo, mostrou que as abordagens funcionam e que podem ser utilizadas como ferramenta de suporte aos peritos da área.

A few years ago the Automatic Identification System (AIS) was introduced as the international communication standard for vessels with the propose of improving maritime safety, but nowadays it is used for more proposes mainly because its data has the potential of mapping with detail the entire maritime traffic of an area. One of this new proposes is assisting law enforcement in detecting abnormal behaviors through movement analysis of the vessels. Because of that, several scientific works addressing AIS data have been published based on machine learning and data visualization approaches, in distinct areas such as trajectory mining, traffic visualization and anomaly detection. However, considering this last area, only machine learning approaches have been proposed, while the data visualization works tend to be focused on representing the vessel's traffic without any consideration for the anomalous behaviors. Therefore, this thesis is focused in developing visualization strategies that are able to identify these behaviors, with the assistance of data analysis, and in testing them with AIS data from the Portuguese maritime zone. These strategies were implemented on a platform and they include approaches for a general analysis of the data and for detecting specific types of anomalous behaviors. The validation, made through case studies, showed that the approaches are effective and can be used as a support tool for the domain experts.