prikaz prve stranice dokumenta Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
  Preuzmi
PDF 2.78 MB
diplomski rad
Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2020. urn:nbn:hr:217:264833
Gamulin, Mihaela
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Gamulin, M. (2020). Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, Mihaela. "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, Mihaela. "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, M. (2020). 'Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin M. Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2020 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:264833

M. Gamulin, "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:264833

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:264833
Podaci o radu
NaslovOdređivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
AutorMihaela Gamulin
MentorRenato Filjar (mentor)
MentorLuka Grubišić (mentor)
Član povjerenstvaRenato Filjar (predsjednik povjerenstva)
Član povjerenstvaLuka Grubišić (član povjerenstva)
Član povjerenstvaMatija Bašić (član povjerenstva)
Član povjerenstvaIgor Ciganović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2020-02-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
Razumijevanje uzoraka ponašanja plovila u operativnom radu ključno je za razvijanje svijesti o situacijama u pomorskom prometu, posebice za klasificiranje i predviđanje aktivnosti. Razvojem automatskog identifikacijskog sustava (eng. Automatic Identification System, AIS), omogućeno je praćenje putanja plovila, kao ulaza za postupke identifikacije uobičajenih obrazaca ponašanja, definicije koridora, detekcije neuobičajenih manevara, optimizaciju upravljanja plovidbenim tokovima, strategijsko planiranje, te povećanje učinkovitosti navigacije i smanjenje učinaka na okoliš. Navedeni elementi svijesti o situaciji mogu se izvesti iz AIS poruka korištenjem statističke analize i strojnog učenja na opaženim podacima (AIS poruke). Metoda ovog rada, izdvajanje prometnih ruta i detekcija anomalija, nazvana TREAD (eng. Traffic Route Extraction and Anomaly Detection), ima za cilj pretvoriti velike količine AIS podataka u znanje koje se može iskoristiti za klasificiranje i predviđanje ruta te detekciju anomalija, neovisno o broju uređaja iz kojih se dobivaju podaci, njihovim obilježjima i platformi. Postupak izdvajanja ruta temelji se na nenadgledanom inkrementalnom učenju, što omogućuje karakterizaciju pomorskog prometa bez a priori znanja, dok se predviđanje ruta i detekcija anomalija temelji na aposteriornoj vjerojatnosti.
Sažetak (engleski)
Understanding vessel behavior patterns in operational work is crucial for developing awareness of maritime traffic situations, in particular for classifying and predicting activities. With the development of the Automatic Identification System (AIS), it is possible to monitor vessel trajectories as inputs for procedures for identifying common behavioral patterns, defining corridors, detecting unusual maneuvers, optimizing navigational flow management, strategic planning, and increasing navigation efficiency and reducing effects on the environment. The aforementioned situation awareness elements can be derived from AIS messages using statistical analysis and machine learning on observed data (AIS messages). The method of this work, Traffic Route Extraction and Anomaly Detection (TREAD), aims to convert large amounts of AIS data into knowledge that can be used to classify and predict routes and detect anomalies, regardless of number the devices from which the data is obtained, their performance and the platform. The route extraction process is based on unsupervised incremental learning, which allows characterization of maritime traffic without a priori knowledge, while route prediction and anomaly detection are based on posterior probability.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:264833
Studijski programNaziv: Računarstvo i matematika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra računarstva i matematike (mag. inf. et math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-07-22 12:01:44