Context-Enriched Natural Language Descriptions of Vessel Trajectories

Dit artikel introduceert een contextbewust raamwerk dat ruwe AIS-gegevens van schepen omzet in gestructureerde, semantisch verrijkte representaties die geschikt zijn voor menselijke interpretatie en generatie van natuurlijke taalbeschrijvingen door grote taalmodellen.

De kern

Stel je voor dat een schip op zee een enorme hoeveelheid ruwe data produceert: duizenden coördinaten, snelheden en richtingen per dag. Voor een computer is dit een logisch bestand, maar voor een mens is het als proberen een verhaal te lezen dat bestaat uit duizenden losse letters zonder spaties of zinnen. Het is een wirwar van cijfers die niets zeggen over waarom het schip daar was of wat het deed.

Dit artikel van Kostas Patroumpas en zijn team lost precies dit probleem op. Ze hebben een slim systeem bedacht om die saaie, ruwe data om te toveren in een verhaal dat zowel mensen als kunstmatige intelligentie (AI) kunnen begrijpen.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. Van Ruis naar een Schone Reisroute (De "Schoonmaak")

Stel je voor dat je een video van een schip hebt, maar die zit vol met ruis, beelden die vastlopen en momenten waarop de camera uitvalt.

• Het probleem: De originele data (AIS) is vaak onvolledig of bevat fouten.
• De oplossing: Het systeem werkt als een slimme editor. Het snijdt de lange, rommelige video op in duidelijke scènes:
  • Stops: Het schip ligt stil (bijvoorbeeld in de haven).
  • Bochten: Het schip draait.
  • Varen: Het schip vaart rechtdoor.
  • Gaten: Momenten waarop het signaal even weg was.
    Het systeem verwijdert de "ruis" en houdt alleen de belangrijke momenten over.

2. Het Toevoegen van Context (De "Reisgids")

Nu hebben we een lijst met scènes, maar het is nog steeds droge feiten. Het team voegt nu een reisgids toe aan elk stukje van de reis.

• Waar is het schip? Is het dichtbij een eiland? Vaart het door een smalle zeestraat? Is het in een beschermd natuurgebied?
• Wat is het weer? Waait het hard? Is er storm?
• Hoe diep is het water?
  Dit is alsof je niet alleen zegt: "Het schip vaarde 10 mijl," maar: "Het schip vaarde 10 mijl door de smalle zeestraat van Fehmarnbelt, terwijl er een matige westenwind waaide."

3. De Vertaler (De "Grote Taalmodel")

Nu hebben we een rijk, contextueel verhaal, maar het staat nog steeds in een technische code. Hier komt de Grote Taalmodel (LLM) om de hoek kijken.

• Stel je deze AI voor als een ervaren scheepskapitein die ook een schrijver is.
• De AI krijgt de technische data (de "context-verrijkte" data) en vraagt: "Vertel me het verhaal van deze reis."
• De AI schrijft dan een helder, menselijk verhaal: "Het schip vertrok uit de haven, draaide voorzichtig om de kaap, en voer daarna rustig door de storm, voordat het veilig aankwam."

Waarom is dit zo belangrijk?

1. Voor Mensen: Het maakt complexe data begrijpelijk. Een havenmeester of een reddingsbrigade kan in één zin lezen wat er gebeurd is, in plaats van urenlang naar kaarten en tabellen te staren.
2. Voor AI: Moderne AI's (zoals ChatGPT) zijn geweldig in taal, maar slecht in het direct lezen van ruwe coördinaten. Door de data eerst om te zetten in een "verhaal", kunnen deze AI's veel beter redeneren. Ze kunnen bijvoorbeeld sneller zien of een schip een rare route heeft gevaren (een afwijking) of voorspellen waar het naartoe gaat.
3. Veiligheid: Als er een ongeluk gebeurt of een schip verdwaalt, helpt dit systeem om snel te begrijpen waarom het gebeurde (bijvoorbeeld: "Het schip probeerde een storm te ontwijken").

De Uitdaging: Rekenen is lastig

Het onderzoek toont ook een klein probleem. Hoewel de AI's fantastische verhalen schrijven, zijn ze soms nog niet zo goed in het rekenen.

• Ze kunnen perfect vertellen dat een schip 100 mijl heeft gevaren, maar als je ze vraagt om de exacte snelheid te berekenen, kunnen ze soms fouten maken.
• Grotere, slimmere AI-modellen doen dit echter steeds beter.

Conclusie

Kort samengevat: Dit onderzoek is als het bouwen van een vertaalbrug. Het neemt de saaie, onbegrijpelijke taal van schepen (coördinaten) en vertaalt die naar een levendig verhaal. Hierdoor kunnen zowel mensen als slimme computers samenwerken om de zee veiliger en efficiënter te maken. Het is alsof we de "zwarte doos" van een schip niet alleen opopenen, maar er ook een duidelijke uitleg bij schrijven.

Technische samenvatting

Probleemstelling

Moderne sensoren en het Automatic Identification System (AIS) genereren enorme hoeveelheden ruwe trajectdata van schepen. Hoewel deze data precieze locatie-informatie biedt, zijn AIS-berichten inherent ruisgevoelig, soms spaarzaam en ontbreekt het eraan aan semantische annotatie. Ruwe AIS-trajecten zijn simpelweg sequenties van spatiotemporele tuples zonder contextuele onderbouwing, relationele abstracties of domeinspecifieke kennis. Dit maakt directe interactie met moderne Large Language Models (LLM's) zeer moeilijk, omdat deze modellen de intenties, navigatiepatronen of afwijkingen van een schip niet kunnen interpreteren zonder extra semantische laag. Er is behoefte aan een methode om deze ruwe data om te zetten in gestructureerde, mens- en machine-leesbare representaties die rijk zijn aan context.

Methodologie

De auteurs stellen een raamwerk voor dat ruwe AIS-data transformeert naar contextverrijkte semantische trajectrepresentaties. Dit proces verloopt in drie hoofdstappen, waarbij geen LLM's worden gebruikt in de data-verwerkingsfase:

1. Trajectannotatie met Mobiliteitsgebeurtenissen:

   • Het systeem comprimeert en analyseert ruwe AIS-berichten om kritieke punten te identificeren.
   • Er worden specifieke mobiliteitsgebeurtenissen gedetecteerd op basis van snelheid, koers en tijd:
     • Stops: Schepen die stilstaan (snelheid < 0,5 knopen).
     • Gaten in communicatie: Perioden zonder AIS-signaal (bijv. > 30 minuten).
     • Snelheidsverandering: Significant versnellen of vertragen.
     • Traag bewegen: Langdurig lage snelheid onderweg.
     • Bochten: Significant afwijken van de huidige koers.
   • Filters verwijderen ruis (dubbele posities, ongeldige coördinaten).

2. Segmentatie in Reizen (Trips) en Episoden:

   • Een reis wordt gedefinieerd als de subsequence van locaties tussen twee opeenvolgende stops of lange communicatiegaten (> 3 uur).
   • Elke reis wordt opgesplitst in episoden, die een specifieke mobiliteitspatroon vertegenwoordigen:
     • STOPPED, TURNING, MANEUVERING, COMMUNICATION GAP, SAILING.
   • Voor elk episode worden statistieken berekend (duur, afstand, gemiddelde snelheid, koersverandering).

3. Contextverrijking:

   • Elk episode wordt verrijkt met externe data uit heterogene bronnen:
     • Geografisch/Maritiem: Havenaankomsten, kustlijnen, kaapen, straten, scheepvaartroutes (Traffic Separation Schemes) en beschermde gebieden (via OpenStreetMap, OpenSeaMap, World Port Index).
     • Meteorologisch: Windkracht (Bft-schaal) en windrichting (via Copernicus/NOAA NetCDF-data).
     • Bathymetrie: Diepte van de zeebodem (via GEBCO).
   • De output is een gestructureerde JSON of CSV die elk episode koppelt aan deze contextuele factoren.

4. Generatie van Beschrijvingen met LLM's:

   • De verrijkte semantische trajecten (in JSON-formaat) worden als input gegeven aan LLM's.
   • Via een zorgvuldig ontworpen prompt (systeem- en gebruikersbericht) wordt de LLM gevraagd om:
     • Een natuurlijke taalbeschrijving te genereren die de reis stap voor stap beschrijft (havenoperaties, navigatie, weersomstandigheden).
     • Een samenvatting in JSON te produceren met statistieken (totale afstand, duur, oorsprong/destination, weersomstandigheden).
   • De prompt bevat strikte richtlijnen over eenheden (zeemijlen, knopen, seconden) en verbiedt hallucinaties of het gebruik van externe kennis buiten de input.

Belangrijkste Bijdragen

• Semantisch Raamwerk: Ontwikkeling van een open-source framework voor het construeren van semantische trajecten in episoden die mobiliteitsgebeurtenissen samenvatten.
• Multi-bron Contextverrijking: Integratie van geografische, maritieme en meteorologische data om diepgaande inzichten in bewegingspatronen te bieden.
• LLM-gebaseerde Narratieven: Het gebruik van LLM's om deze gestructureerde data om te zetten in zowel mens- als machine-leesbare teksten, wat de interpretatie en uitlegbaarheid (Explainable AI) vergroot.
• Empirische Evaluatie: Een uitgebreide studie met real-world AIS-data (passagiersschepen in Denemarken) en diverse LLM-modellen om de kwaliteit van de gegenereerde beschrijvingen te testen.

Resultaten

De auteurs hebben een empirische studie uitgevoerd met 460 reizen (212.203 ruwe AIS-locaties) en vijf verschillende LLM-modellen (varierend van 8B tot 120B parameters).

• Data-annotatie: Van de geïdentificeerde episoden (in totaal 3.332) vertegenwoordigde "SAILING" het grootste deel, maar "TURNING" en "MANEUVERING" vormden meer dan 21% van de episoden. Context (zoals wind en diepte) was beschikbaar voor het merendeel van de bewegende episoden.
• LLM-prestaties (Statistieken):
  • Rekenfouten: LLM's worstelen met nauwkeurige berekeningen. Kleinere modellen (bijv. Llama-3.1-8B) vertoonden grote afwijkingen (gemiddeld >100% fout) in geschatte duur en afstand. Grotere modellen (bijv. GPT-oss-120B) presteerden aanzienlijk beter (gemiddelde afwijking < 2%), maar konden nog steeds extreme fouten maken in uitzonderlijke gevallen.
  • Kwaliteit van Tekst: De kwaliteit van de gegenereerde teksten werd beoordeeld op relevantie, trouw (faithfulness) en correctheid.
    • De grootste modellen (GPT-oss-120B) behaalden de hoogste scores (gemiddeld >4.5/5) op alle criteria.
    • Kleinere modellen scoorden lager, vooral op "correctheid" door hallucinaties over snelheden of tijden.
• Conclusie: Contextverrijking verhoogt de robuustheid en reduceert onzekerheid, maar de rekenkracht van de LLM voor spatiotemporele berekeningen blijft een beperkende factor.

Betekenis en Toekomstperspectief

Dit onderzoek biedt een brug tussen ruwe sensordata en semantisch begrip in de maritieme sector. De gegenereerde beschrijvingen kunnen worden gebruikt voor:

• Verklarende AI: Het uitleggen van waarom een schip een bepaalde route nam of afweek (bijv. vanwege storm of ondiep water).
• Veiligheid en Compliance: Het automatisch genereren van reisrapporten voor rederijen en het detecteren van afwijkingen van charterovereenkomsten.
• Voorspelling en Imputatie: Het verbeteren van trajectvoorspellingen en het invullen van ontbrekende data-segmenten door gebruik te maken van contextuele kennis.
• Interoperabiliteit: Het creëren van een gestandaardiseerde interface voor maritieme stakeholders (havens, kustwacht) en AI-systemen.

De auteurs plannen om in de toekomst de interactie tussen schepen tijdens hun reizen te analyseren en de context verder te verrijken voor nog betere maritieme veiligheidsanalyses.