پیش بینی ترافیک کشتی ها و زمان انتظار پهلوگیری با استفاده از یادگیری ماشین

در سال های اخیر، بینایی ماشین کاربردهای گسترده ای در نظارت دریایی پیدا کرده است و به ابزاری توانمند برای مدیریت و کنترل دقیق تر و آسان تر پهنه های آبی تبدیل شده است. تشخیص خودکار کشتی ها با استفاده از تکنیک های بینایی ماشین روشی کارآمد به منظور نظارت بر کشتی ها و ردیابی آن ها می باشد، خصوصا در شناسایی کشتی های تاریک که عموما با اهداف نظامی، اطلاعاتی یا غیرقانونی، بدون ارسال موقعیت فعالیت می کنند. آبراهه ها به عنوان یک بستر مهم حمل و نقلی نیاز به نظارت مداوم دارند تا امنیت ملی کشورها حفاظت شود و این مسئله در کشوری مانند ایران که دارای گستره وسیع آبی می باشد، اهمیت ویژه ای دارد، چرا که در حال حاضر بیش از ۸۵ درصد تبادل تجاری کشور ما از طریق دریا انجام می شود. تصاویر ماهواره ای از کشتی ها در بنادر و پهنه های آبی، داده های تصویری هستند که به مدل های شبکه عصبی کمک می کنند تا کشتی ها را مکان یابی کرده و شناسایی زودهنگام تهدیدات احتمالی در دریا را تسهیل کنند. ترکیب این اطلاعات با سایر اطلاعات شناسایی در راستای فرماندهی و کنترل تهدیدات نظامی و امنیتی بسیار حائز اهمیت است. این مقاله یک مدل مبتنی بر یادگیری عمیق را پیشنهاد می دهد که قادر است بین کشتی ها و غیرکشتی ها تمایز قائل شود و همچنین کشتی ها را در تصاویر اصلی با استفاده از تکنیک کادرهای محدود کننده ی شیء، مکان یابی کند. علاوه بر این، کشتی های طبقه بندی شده دوباره با استفاده از مدل خودرمزگذار مبتنی بر یادگیری عمیق قطعه بندی می شوند. پیش بینی جریان ترافیک نقش مهمی در کنترل جریان ترافیکی و جلوگیری از بروز تراکم ترافیکی دارد. امروزه از روش های کنترلی متفاوتی همانند چراغ های راهنمایی، تابلوهای متغیر خبری و زمان بندی ورودی بزرگراه ها استفاده می کنند که برای کنترل موثر نیاز به پیش بینی شرایط ترافیکی داریم. در سال های اخیر، سیستم حمل و نقل هوشمند (ITS) به جهت بهبود سطح ایمنی جاده ها، تسهیل مسیریابی و کنترل تراکم ترافیک به صورت چشم گیری توجه محققین را به خود جلب نموده است.

کلیدواژه ها:

ترافیک کشتی ها ، یادگیری ماشین ، نظارت و مدیریت دریایی ، بنادر و پهنه های آبی ، سیستم حمل و نقل