A Gradient Boosted Mixed-Model Machine Learning Framework for Vessel Speed in the U.S. Arctic

Resumen Técnico: Un Marco de Aprendizaje Automático de Modelos Mixtos con Boosting de Gradiente para la Velocidad de las Naves en el Ártico de EE. UU.

Enunciado del Problema
Comprender los impulsores de la velocidad sobre el fondo (SOG) de las naves en el Ártico es esencial para gestionar la seguridad de la navegación y el impacto ambiental, especialmente a medida que el cambio climático incrementa el tráfico estacional. La literatura existente a menudo se basa en modelos analíticos o trata la velocidad de las naves como un único proceso continuo. Sin embargo, los datos AIS del Ártico exhiben una "fuerte inflación de ceros", con más del 53% de las observaciones registrando velocidad cero. Tratar las velocidades cero y positivas como una única variable continua oscurece regímenes operativos distintos (estacionario vs. tránsito activo). Además, estudios anteriores analizan frecuentemente los impulsores ambientales (hielo marino, viento, batimetría) de forma aislada o no tienen en cuenta la no independencia de las observaciones repetidas de la misma nave, ubicación o período de tiempo. Esto limita la capacidad de caracterizar los impulsores no lineales y multivariados de la navegación ártica.

Metodología
Los autores proponen un marco de aprendizaje automático de dos etapas que utiliza GPBoost (Árboles de Decisión con Boosting de Gradiente con Efectos Aleatorios Gaussianos Agrupados). Este enfoque separa explícitamente el modelado de eventos de velocidad cero de los eventos de velocidad positiva.

1. Datos: El estudio analiza 14,8 millones de observaciones AIS del Ártico de EE. UU. (julio–octubre, 2010–2019). Las covariables incluyen la concentración de hielo marino, componentes del viento (a lo largo de la trayectoria y transversales), profundidad batimétrica, distancia a la costa, rumbo sobre el fondo (COG), grupo de naves y estado de navegación. Los datos ambientales se colocaron junto con las posiciones AIS en una cuadrícula de 0,5° utilizando interpolación geoestadística (kriging) para garantizar una cobertura completa.
2. Etapa 1: Clasificación Binaria: Un modelo GPBoost con una verosimilitud Bernoulli y enlace probit predice la probabilidad de que $SOG > 0$.
3. Etapa 2: Regresión Condicional: Para las observaciones donde $SOG > 0$, un modelo GPBoost predice la magnitud de la velocidad. La variable de respuesta es la raíz cuadrada de la SOG ($\sqrt{SOG}$) para mitigar la asimetría.
4. Efectos Aleatorios: Ambas etapas incorporan efectos aleatorios gaussianos agrupados para tener en cuenta la correlación dentro de naves específicas (MMSI), celdas de cuadrícula espaciales e índices de tiempo diarios. Esta estructura separa los efectos sistemáticos de las covariables de la variabilidad específica de la nave, espacial y temporal.
5. Interpretabilidad: Los autores emplean valores SHAP (SHapley Additive exPlanations) para descomponer las predicciones del modelo, cuantificando la contribución marginal de cada covariable a la probabilidad de movimiento y a la magnitud de la velocidad.

Resultados Clave

• Rendimiento del Modelo:
  • Clasificación: El modelo logró una fuerte discriminación entre SOG cero y positiva, con un Área bajo la Curva (AUC) fuera de la pliegue de 0,845.
  • Regresión: El modelo de velocidad condicional explicó aproximadamente el 77% de la varianza fuera de la pliegue ($R^2 \approx 0,77$) con un Error Absoluto Medio (MAE) de aproximadamente 1 nudo.
• Impulsores Dominantes:
  • Distancia a la Costa: Identificada como el predictor más influyente en ambas etapas. La proximidad a la costa reduce fuertemente la probabilidad de una SOG positiva y limita la magnitud de la velocidad. El efecto es altamente no lineal, estabilizándose solo más allá de 40–50 km mar adentro.
  • Cambio de Rumbo ($\Delta COG$): El segundo factor más influyente. Pequeños cambios de rumbo se correlacionan con un tránsito sostenido y velocidades más altas, mientras que cambios grandes o frecuentes indican maniobras y velocidad reducida.
  • Profundidad Batimétrica: Un determinante significativo, donde las aguas más profundas soportan velocidades más altas y una mayor probabilidad de movimiento en comparación con las regiones costeras poco profundas.
• Impulsores Secundarios:
  • Grupo y Estado de la Nave: Estos factores muestran efectos sistemáticos (por ejemplo, el Estado 0 "en navegación usando motor" predice fuertemente una SOG positiva; el Estado 1 "fondeado" predice fuertemente una SOG cero) pero son menos influyentes que las variables espaciales y de dirección.
  • Factores Ambientales: La concentración de hielo marino y el viento mostraron una influencia promedio modesta en las clasificaciones globales de SHAP. Los autores señalan que, aunque estos factores son críticos en condiciones específicas peligrosas, sus efectos se atenúan al promediarlos a través de los diversos contextos operativos de la temporada de aguas libres.

Significado y Contribuciones
El artículo afirma avanzar en la literatura al introducir un marco unificado que trata las velocidades cero y positivas como regímenes operativos distintos en lugar de un único proceso continuo. Al separar el comportamiento estacionario de la navegación activa, el estudio proporciona una caracterización interpretable de las operaciones de naves en el Ártico que distingue los patrones de parada/maniobra del tránsito sostenido.

La integración de efectos aleatorios estructurados dentro de un marco de boosting de gradiente permite la resolución de respuestas ambientales no lineales, teniendo en cuenta la naturaleza correlacionada de los datos AIS. Los resultados caracterizan empíricamente los regímenes operativos de las naves en el Ártico, sugiriendo que el contexto espacial (distancia a la costa) y el comportamiento de dirección ($\Delta COG$) son los determinantes principales de la velocidad de las naves, superando en un sentido general al tipo de nave y a factores ambientales como el hielo y el viento.

Esta caracterización basada en datos ofrece una base para la gestión de la velocidad y la evaluación a nivel de corredor, destacando que los riesgos de navegación y ecológicos a menudo coexisten en regiones cercanas a la costa, donde es más probable que las naves estén estacionarias o maniobrando lentamente, en lugar de en los corredores de tránsito mar adentro. Los autores concluyen que, aunque las métricas de riesgo de hielo basadas en umbrales son informativas, no pueden capturar los impulsores complejos y multivariados de la velocidad de las naves observados en la práctica, haciendo necesaria la caracterización estadística proporcionada por este estudio.