🤖 AI

CmIVTP: Cross-modal Interaction-based Vessel Trajectory Prediction for Maritime Intelligence

تقترح هذه الورقة إطار عمل CmIVTP، وهو إطار تفاعل عبر الوسائط يدمج بيانات AIS المتفرقة مع الميزات البيئية لكاميرات المراقبة (CCTV) عبر مشفر مشهد مدرك للهدف ومحول عبر الوسائط لتعزيز دقة التنبؤ بمسار السفن، مدعوماً بمجموعة بيانات جديدة ضخمة ومتزامنة (Maritime-MmD $^+$ ) وطريقة قابلة للتوسع لتوليد المسارات.

المؤلفون الأصليون: Yuxu Lu, Dong Yang, Xiaoyu Li, Mengwei Bao, Congcong Zhao

نُشر 2026-05-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuxu Lu, Dong Yang, Xiaoyu Li, Mengwei Bao, Congcong Zhao

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التنبؤ بالوجهة التالية لسفينة ضخمة في ميناء مزدحم. في العالم الحقيقي، يشبه هذا إلى حد كبير محاولة تخمين أين سينتهي الأمر بصديق يسير عبر متنزه ضبابي ومزدحم، ولكن مع مخاطر أعلى بكثير.

تقدم هذه الورقة نظامًا جديدًا يسمى CmIVTP (التنبؤ بمسار السفن القائم على التفاعل بين الوسائط المتعددة) المصمم لحل مشكلة تخمين مسار السفينة المستقبلي بدقة أكبر من أي وقت مضى. إليك كيف يعمل، مقسمًا إلى مفاهبات بسيطة:

المشكلة: عين واحدة لا تكفي

تقليديًا، تعتمد السفن على مصدر واحد للمعلومات لتتبع الحركة، تمامًا مثل محاولة التنقل في غرفة مظلمة باستخدام مصباح يدوي فقط.

المصباح اليدوي (AIS): تحمل السفن نظامًا يسمى AIS (نظام التعريف الآلي) يبث موقعها. ومع ذلك، يمكن أن تكون هذه الإشارة ضعيفة، أو تضيع، أو يتم إيقاف تشغيلها أحيانًا من قبل السفينة (مثل "السفن المظلمة"). إنه يشبه مصباحًا يدويًا يرتعش أو ينطفئ تمامًا.
العيون (CCTV): تمتلك الموانئ أيضًا كاميرات (CCTV) تراقب المياه. توفر هذه الكاميرات رؤية بصرية واضحة لما يحدث الآن، لكنها لا تستطيع الرؤية عبر الضباب، ولا تعرف سرعة السفينة أو تاريخها بقدر ما يفعل نظام AIS.

إذا استخدمت المصباح اليدوي فقط، فقد تفقد أثر السفينة في الضباب. وإذا استخدمت العيون فقط، فقد تفوتك سرعة السفينة أو نواياها. أدرك المؤلفون أنه للحصول على تنبؤ مثالي، تحتاج إلى الجمع بين كليهما.

الحل: عقل فائق للسفن

بنى المؤلفون "عقلاً فائقًا" (إطار عمل للذكاء الاصطناعي) يعمل مثل المحقق الذي يستخدم المصباح اليدوي والكاميرا في آن واحد. إليك الأدوات الأربع الرئيسية التي يستخدمها هذا المحقق:

1. محقق المشهد (مشفر مدرك للهدف البصري للمشهد)
قبل تخمين وجهة السفينة، ينظر النظام إلى "المشهد". هو لا يرى مجرد نقطة على الشاشة؛ بل يفهم البيئة المحيطة.

التشبيه: تخيل سائقًا ينظر إلى الطريق. هو لا يرى السيارة التي أمامه فحسب؛ بل يرى انحناء الطريق، والسيارات الأخرى، وإشارات المرور. يقوم هذا النموذج بنفس الشيء بالنسبة للسفن، حيث يفهم كيف يشكل الماء، والسفن الأخرى، والميناء حدود مكان ذهاب السفينة.

2. المترجم (محول التفاعل بين الوسائط المتعددة)
هذا هو السحر الجوهري. يأخذ النظام بيانات "المصباح اليدوي" (AIS) وبيانات "الكاميرا" (CCTV) ويجبرهما على التحدث مع بعضهما البعض.

التشبيه: فكر في شخصين يتحدثان لغات مختلفة ويحاولان حل لغز. أحدهما يعرف التاريخ (AIS)، والآخر يرى الصورة الحالية (CCTV). يعمل هذا النموذج كمترجم مثالي، يدمج قصصهما بحيث إذا انطفأ المصباح اليدوي، تقوم الكاميرا بسد الفجوات، والعكس صحيح. إنه يضمن أن يكون التنبؤ منطقيًا من الناحيتين الفيزيائية والبصرية.

3. مولد "ماذا لو" (مفكك الشفرة التبايني المدرك لعدم اليقين)
السفن ضخمة وثقيلة؛ فهي لا تنعطف في لمح البصر. لكنها أيضًا تحتوي على قادة بشر قد يتخذون قرارات مفاجئة. يدرك النظام أنه لا يمكنه التأكد بنسبة 100%.

التشبيه: بدلًا من رسم خط واحد وحيد للمكان الذي ستذهب إليه السفينة، يرسم هذا النموذج خمسة أو عشرة مسارات محتملة مختلفة في وقت واحد. إنه يشبه توقعات الطقس التي تقول: "هناك احتمال 60% لهطول الأمطار، ولكن يمكن أن يكون الجو مشمسًا أيضًا". إنه يولد "سحابة" من الاحتمالات لاستيعاب عدم اليقين، مما يضمن أنه حتى لو قامت السفينة بشيء غير متوقع، فإن التنبؤ سيغطي ذلك.

4. بنك الذاكرة (بنك مسارات مجموعة السفن)
يمتلك النظام مكتبة ضخمة من تحركات السفن الماضية.

التشبيه: قبل إجراء التخمين، يسأل النظام: "هل قامت سفينة من قبل بهذا المناور بالضبط؟". يبحث في كتابه التاريخي عن أنماط مشابهة. إذا رأى سفينة تنعطف بحدة بالقرب من جسر، فإنه يتحقق من مكتبته ليرى كيف تعاملت السفن الأخرى مع ذلك المنعطف نفسه. إنه يستخدم هذه "الأشباح التاريخية" لتحسين تخمينه، مما يجعله أكثر ذكاءً وسرعة.

مجموعة البيانات الجديدة: ساحة التدريب

لتعليم هذا النظام، أنشأ المؤلفون مجموعة بيانات ضخمة جديدة تسمى Maritime-MmD+.

التشبيه: تخيل مدرسة تعليم قيادة حصلت أخيرًا على جهاز محاكك يسجل بيانات GPS والفيديو في نفس الوقت تمامًا. قبل هذا، كان على الباحثين التخمين لكيفية مطابقة الاثنين. توفر مجموعة البيانات الجديدة هذه "ساحة التدريب" المثالية حيث يتم مزامنة نظام تحديد المواقع والفيديو بشكل مثالي، مما يسمح للذكاء الاصطناعي بتعلم العلاقة الحقيقية بين إشارات السفينة وما تراه الكاميرات.

النتائج: لماذا يهم الأمر

اختبر المؤلفون نظامهم مقابل العديد من الطرق الأخرى (مثل نماذج الذكاء الاصطناعي القياسية التي تستخدم نظام GPS فقط أو الفيديو فقط).

اختبار المصباح اليدوي: عندما قاموا بمحاكاة اختفاء إشارة AIS (إطفاء المصباح اليدوي)، فقدت الأنظمة القديمة المسار وقدمت تخمينات عشوائية وغير دقيقة. ومع ذلك، حافظ نظام CmIVTP على هدوئه؛ لأنه لا يزال ينظر إلى الكاميرا، فاستطاع التنبؤ بمسار السفينة بدقة.
اختبار الازدحام: في المياه المزدحمة جدًا مع وجود العديد من السفن، تعامل النظام الجديد مع الفوضى بشكل أفضل من أي شخص آخر، حيث تنبأ بالمسارات التي تتجنب الاصطدامات بشكل أكثر فعالية.

باختصار

تقدم هذه الورقة طريقة أذكى للتنبؤ بوجهة السفن من خلال دمج نوعين مختلفين من البيانات (الإشارات اللاسلكية والفيديو) بحيث إذا فشل أحدهما، أنقذ الآخر الموقف. إنه يستخدم "محقق المشهد" لفهم البيئة، و"المترجم" لخلط البيانات، و"مولد ماذا لو" للتعامل مع عدم اليقين، و"بنك الذاكرة" للتعلم من الماضي. والنتيجة هي نظام أكثر أمانًا وموثوقية، حتى عندما تكون البيانات فوضوية أو غير مكتملة.

ملخص تقني: CmIVTP – التنبؤ بمسار السفن القائم على التفاعل عبر الوسائط المتعددة

1. بيان المشكلة

تتطلب أنظمة النقل البحري الذكية (MITS) تنبؤاً دقيقاً وفورياً لمسارات السفن لضمان سلامة الملاحة وكفاءتها. ومع ذلك، تواجه النهج الحالية قيوداً كبيرة بسبب الاعتماد على بيانات أحادية المصدر:

قيود نظام التعريف الآلي (AIS): توفر بيانات AIS، رغم توفيرها للسينماتيكا الكلية، غالباً ما تكون متفرقة، وتعاني من تأخير في الإرسال، أو قد لا تتوفر للسفن الصغيرة أو غير المتعاونة (مثل "السفن المظلمة").
قيود كاميرات الدائرة المغلقة (CCTV): توفر كاميرات CCTV سياقاً دلالياً وبيئياً غنياً محلياً، لكنها تعاني من مشكلات مثل الانسداد، وتداخل الصور، ولا يمكنها استيعاب سلوك السفينة الديناميكي بشكل كامل بمعزل عن غيرها.
الفجوة النطاقية: تعتمد الطرق متعددة الوسائط الحالية غالباً على نقل النماذج البرية (المصمما للمركبات المقيدة بالمسارات) إلى المجال البحري، مما يفشل في مراعاة البيئة المفتوحة غير المنظمة حيث تحكم حركة السفن ديناميكا مائية معقدة وتفاعلات ضمنية.
ندرة البيانات: هناك نقص في مجموعات البيانات المتزامنة والواسعة النطاق التي تجمع بين بيانات AIS وCCTV، مما يعيق تدريب نماذج قوية متعددة الوسائط.

2. المنهجية: إطار عمل CmIVTP

يقترح المؤلفون إطار عمل CmIVTP (التنبؤ بمسار السفن القائم على التفاعل عبر الوسائط المتعددة)، وهو إطار مصمم لدمج بيانات AIS وCCTV غير المتجانسة لنمذجة التفاعلات المعقدة بين السفينة والبيئة. تتكون البنية من أربع وحدات أساسية:

أ. المشفر المستهدف للمشهد البصري (VSTaE)

تعمل هذه الوحدة على استخراج التمثيلات الزمانية والمكانية من بيانات مشاهد CCTV لالتقاط التفاعلات بين السفينة والبيئة (مثل القرب من المخاطر أو السفن الأخرى).

استخراج الميزات المكانية المستهدفة: يستخدم هيكل ResNet-18 لتوليد خرائط ميزات عالمية. يقوم بدمج ثلاثة أنواع من الميزات: التضمينات الخاصة بالهدف (عبر RoI Align)، والسياق العالمي (عبر متوسط التجميع العالمي)، وتشفير موضع إطار الإحاطة (Bounding Box).
نمذجة السياق الزماني: تعالج تسلسل خرائط الميزات باستخدام ConvLSTM لالتقاط التطور الزماني. يتم تطبيق آلية وزن أسية لإعطاء الأولوية للديناميكيات قصيرة المدى (المناورات المفاجئة) مع الاحتفاظ بالاتجاهات طويلة المدى (القصور الذاتي العالي).
الدمج الزماني والمكاني: تقوم بدمج الميزات المكانية والزمانية عبر MLP لإنتاج تمثيل مشهد موحد.

ب. المشفر القائم على التفاعل عبر الوسائط (CmIE)

لتجنب الدمج السطحي للميزات، يستخدم CmIE محول التفاعل عبر الوسائط (CMIT) لمحاذاة ديناميكيات السفينة مع القيود البصرية بعمق.

بنية غير متماثلة: يعامل ميزات الحركة المستمدة من AIS كاستعلام (Query) أساسي، وميزات CCTV/المشهد كذاكرة (Memory).
الآلية: تقوم الوحدة بتنفيذ تحسين داخل الوسيط نفسه (Self-Attention) لضمان سلاسة المسار، يليه تفاعل عبر الوسائط (Cross-Attention) لحقن القيود البيئية في تمثيل الحركة. يسمح هذا للنموذج بالتقاط كل من الدلالات داخل الوسيط والتفاعلات بين الوسائط.

ج. فك التشفير المتغير المدرك لعدم اليقين (UaVD)

بعيداً عن الخرائط الحتمية، تعمل هذه الوحدة على نمذجة التنبؤ بالمسار كمسألة توزيع احتمالي لمراعاة سلوكيات السفن العشوائية.

نمذجة الفضاء الكامن: بناءً على إطار عمل المشفر التلقائي المتغير الشرطي (CVAE)، تقوم بجمع عينات من المتغيرات الكامنة ( $z$ ) التي تمثل العوامل غير المرصودة (مثل النوايا البشرية أو الاضطرابات المفاجئة).
التوليد متعدد الأنماط: من خلال أخذ عينات من قيم $z$ مختلفة، يقوم فك التشفير بتوليد مسارات مستقبلية متنوعة ومعقولة فيزيائياً (أنماط)، مثل الحفاظ على المسار، أو الدوران، أو إبطاء السرعة.
البنية: يستخدم MLP لفك تشفير التسلسل المستقبلي بأكل لمرة واحدة بناءً على الميزات المدمجة والمتغيرات الكامنة التي تم أخذ عينات منها.

د. بنك مسارات مجموعات السفن (VGTB)

لتعزيز الكفاءة والدقة، ينشئ إطار العمل بنكاً من أنماط الحركة التمثيلية من بيانات AIS التاريخية.

التجميع (Clustering): يتم تطبيع مسارات AIS التاريخية وتجميعها (باستخدام K-means) إلى أنماط حركة تمثيلية.
الاسترجاع والتحسين: بالنسبة لسفينة مستهدفة، يسترجع النظام المسار التاريخي الأكثر تشابهاً (الأولي) من البنك. يتم دمج هذا المسار الأولي مع تنبؤ الشبكة الأساسي عبر إزاحة قابلة للتعلم وآلية بوابة ديناميكية، مما يسمح للنموذج بالاستفضاء من الأوليات التاريخية مع التكيف مع الظروف الحالية.

هـ. مجموعة البيانات: Maritime-MmD+

يقدم المؤلفون Maritime-MmD+، وهي مجموعة بيانات واسعة النطاق ومتزامنة تحتوي على بيانات AIS وفيديو CCTV من نهر هوانغبو في شنغهاي. تغطي سيناريوهات متنوعة بما في ذلك مناطق الجسور والممرات المائية المنحنية ذات كثافة السفن المتفاوتة، مما يوفر معياراً قوياً للتنبؤ بالمسارات متعددة الوسائط.

3. المساهمات الرئيسية

إطار عمل مبتكر: اقتراح CmIVTP، الذي يدمج ديناميكيات AIS وسياق CCTV عبر التفاعل عبر الوسائط لمعالجة ندرة البيانات وفقدانها.
ابتكارات معمارية:
- VSTaE: يلتقط التفاعلات الدقيقة بين السفينة والبيئة.
- CmIE: يستخدم الانتباه المتقاطع غير المتماثل لدمج الميزات الحركية والبصرية.
- UaVD: ينمذج عدم يقين المسار عبر الاستدلال المتغير للتنبؤات متعددة الأنماط.
- VGTB: يستخدم أوليات الحركة التاريخية لتحسين التنبؤات.
إنشاء مجموعة بيانات: إطلاق Maritime-MmD+، وهي مجموعة بيانات متزامنة من AIS-CCTV لدعم الأبحاث متعددة الوسائط.
الأداء: إثبات التفوق في الدقة والمتانة مقارنة بالنماذج المرجعية المتطورة (SOTA) عبر مختلف آفاق التنبؤ، وكثافات السفن، ومعدلات فقدان بيانات AIS.

4. النتائج التجريبية

أُجريت تجارب مكثفة على مجموعة بيانات Maritime-MmD+، حيث تمت مقارنة CmIVTP مع النماذج الحتمية (GRU, LSTM, TCNN, Transformer) والنماذج المدركة لعدم اليقين (VAE, GAN).

دقة التنبؤ: حقق CmIVTP أدنى متوسط خطأ في الإزاحة (ADE) وأدنى خطأ في الإزاحة النهائي (FDE) عبر جميع خطوات التنبؤ ( $\Delta t = 12, 24, 36$ ). على سبيل المثال، عند $\Delta t = 36$ ، حقق CmIVTP قيمة ADE بلغت $0.65 \times 10^{-2}$ ، متفوقاً بشكل كبير على أفضل نموذج مرجعي تالٍ (Trans., $0.86 \times 10^{-2}$ ).
المتانة تجاه فقدان البيانات: أظهر النموذج مرونة استثنائية عند فقدان بيانات AIS (بمعدلات محاكاة $\rho = 0.1, 0.2, 0.3$ ). وبينما عانت النماذج المرجعية من تدهور حاد في الأداء، حافظ CmIVTP على تقارب مستقر وهوامش خطأ منخفضة، مما عوض بفعالية فقدان إشارات AIS باستخدام الميزات البصرية من CCTV.
التعامل مع الكثافة: في السيناريوهات عالية الكثافة ( $\phi_h$ )، حيث تكون تفاعلات السفن معقدة، حافظ CmIVPF على أدنى معدلات الخطأ، حيث نجح في التقاط الانحرافات غير الخطية الناتجة عن مناورات تجنب التصادم.
دراسات الاستئصال (Ablation Studies):
- أدى إزالة أي وسيط واحد (AIS، أو CCTV، أو تمثيلات المشهد) أو وحدة واحدة (VSTaE, CmIE, UaVD, VGTB) إلى تدهور الأداء، مما يؤكد ضرورة البنية الكاملة متعددة الوسائط.
- أظهرت وحدة VGTB قدرتها على تحسين التنبؤات بفعالية، خاصة في حالات المسارات منخفضة التشابه (النادرة)، دون إدخال تحيزات ضارة.
تحليل عدم اليقين: أظهرت عمليات التصوير لـ "الفضاء الكامن" تنظيماً هيكلياً يتوافق مع سمات الحركة (مثل الالتواء والإزاحة). أنتج النموذج توزيعات متماسكة للبيانات الكاملة وتوزيعات متنوعة بشكل مناسب للبيانات المفقودة، مما يضمن بقاء الحقائق الأرضية (Ground Truths) ضمن النطاق المتوقع.

5. الأهمية والادعاءات

يزعم البحث أن CmIVTP يمثل تقدماً كبيراً في الذكاء البحري من خلال التغلب على القيود المتأصلة في البيانات أحادية المصدر. تكمن أهميته الأساسية في:

الموثوقية في البيئات المحرومة من الإشارة: من خلال الاستفادة من وفرة البيانات متعددة الوسائط، يضمن النظام توقعاً مستمراً وموثوقاً للمسارات حتى عند فقدان إشارات AIS أو عدم توفرها.
النمذجة المدركة للسياق: نجح إطار العمل في نمذجة التفاعل المعقد بين ديناميكيات السفينة والقيود البيئية، وهو أمر بالغ الأهمية للسلامة في الممرات المائية المزدحمة والمقيدة.
معيار تأسيسي: يوفر تقديم Maritime-MmD+ حلاً لفجوة حرجة في المجال، مما يوفر مورداً معيارياً لأبحك المستقبل في تحليل السلوك البحري متعدد الوسائط.

يخلص المؤلفون إلى أنه على الرغم من استمرار التحديات المتعلقة بالظروف البيئية القاسية (مثل الضباب الكثيف) والتعميم على ممرات مائية جديدة، فإن CmIVTP يوفر حلاً قوياً وقابلاً للتوسع لتعزيز السلامة البحرية ودعم تطور السفن السطحية المستقلة (MASS).