تحلیل روش های آشکارسازی شرایط غیر طبیعی در مسیر حرکت کشتی مبتنی بر روش های داده کاوی

امروزه با افزایش جمعیت، نیازهای بشر هم افزایش پیدا کرده است.از این رو تردد دریایی و به دنبال آن ترافیک دریایی نیز افزایش چشمگیری داشته است. بنابراین با افزایش رفت و آمد دریایی نیاز به کنترل و هدایت مسیرهای دریایی بیش از پیش احساس می شود. یکی از راه های کنترل مسیرهای دریایی، کشف مسیرهای پرت و غیرعادی است.با این روش می توان تاحد قابل توجه ای میزان بی نظمی و ترافیک دریایی را کاهش داد. در این تحقیق به بررسی رویکرد ها و تحقیق های انجام شده در حوزه ی کنترل ترافیک دریایی پرداخته ایم و ضمن بیان مسائل اساسی و چالش-های موجود، روش های مختلفی را با تکیه بر مقالات منتشر شده در سال های اخیر بررسی کرده ایم. در این بین یکی از روش های متاخر تحت عنوان mt-mad را با جزئیات بیشتری بررسی نموده ایم. این روش شامل دوبخش مدل مسیر دریایی و کشف مسیر غیرعادی است.با درنظرگرفتن روش mt-mad به عنوان ایده و باکمک الگوریتم های شناسایی داده های پرت محلی و تعیین درجه ی پرت بودن ، مسیرهای غیرعادی را تشخیص داده ایم. در نتیجه با کشف مسیرهای بی نظم و سامان بخشیدن به این مسیرها می توان از هرج و مرج در حرکت کشتی ها جلوگیری کرد و به میزان زیادی به تردد دریایی نظم بخشید و ترافیک دریایی را بهبود داد.

analysis of detection methods anomaly maritime trajectories based on data mining methods

now days, as population has increased, human needs have grown. therefore, maritime and as a consequence, maritime traffic have increased dramatically .accordingly ,with the increase in marine traffic ,it is required, more than ever, to control and navigate maritime trajectories. one way to control maritime trajectories is to detect anomaly trajectories. in this way, it's possible to reduce irregularities and studies regarding the domain of marine traffic control. and beside expressing the basic issues and existing challenges, varies method have been examined based on articles that have been published recently. meanwhile, one of the most recent methods, mt-mad, has been investigated in detailed. this method includes two parts, maritime trajectory model and anomaly detection .with regard of mt-mad, as an idea, and with the help of local outlier factor algorithm and by measurement of level of outlier, the anomaly trajectories are detected. as a result, it is possible to avoid irregularities in maritime trajectories, to organize maritime traffic to great extent , and to amend maritime traffic by detect of disordered trajectories and ordering these trajectories.