SIAP:用于海洋船舶风险分析和非法活动预测的合成数据集
Spyridon Karamolegkos1, Nikolaos Ι Dourvas1, Nikolaos Episkopos2
1Multimedia Knowledge and Social Media Analytics Lab, ITI, CERTH, 6th Km Charilaou-Thermi Rd, POBox 60361, 57001 Thermi, Thessaloniki, Greece.
Data in brief
|October 27, 2025
概括
这个数据集训练机器学习模型来检测参与非法海事活动的船只. 它使用专家知识和现实世界的数据进行现实的模拟,帮助海上异常检测.
科学领域:
- 海上安全 海上安全 海上安全
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 非法海上活动带来了重大的安全和经济挑战.
- 现有的数据集往往缺乏高级AI培训所需的复杂性和现实性.
- 机器学习为积极识别高风险船只提供了潜在的潜力.
研究的目的:
- 为训练人工智能模型生成一个全面,现实的数据集.
- 支持开发用于识别可能从事非法活动的船舶的系统.
- 为海上异常检测和风险分析提供有价值的资源.
主要方法:
- 基于跨境研究协会 (CBRA) 和CONNECTOR项目合作伙伴的专家知识的数据集生成.
- 基于船舶行为,船员,合规性,货物和运营的概率和基于规则的模型的模拟标准.
- 从劳埃德清单情报中整合匿名的真实世界船舶行为情报以进行验证.
主要成果:
- 一个由10万个船舶档案组成的合成数据集,其中包括犯罪记录,路线,港口呼叫和货物.
- 一个二进制的目标变量,表示非法活动的可能性,从累积的风险因素.
- 数据以CSV格式格式化,以便无集成到分析管道和海上监控工具中.
结论:
- 该数据集为开发和培训人工智能驱动的海上监控系统提供了坚实的基础.
- 它可以提高海上运营中的风险分析和异常检测.
- 为执法机构和海事领域的AI系统开发人员提供研究和开发服务.
