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

Resumo Técnico: Uma Estrutura de Aprendizado de Máquina de Modelo Misto com Boosting de Gradiente para Velocidade de Embarcações no Ártico dos EUA

Declaração do Problema
Compreender os fatores determinantes da velocidade sobre o solo (SOG) no Ártico é essencial para gerenciar a segurança da navegação e o impacto ambiental, especialmente à medida que as mudanças climáticas aumentam o tráfego sazonal. A literatura existente frequentemente depende de modelos analíticos ou trata a velocidade da embarcação como um único processo contínuo. No entanto, os dados AIS do Ártico exibem "forte inflação de zeros", com mais de 53% das observações registrando velocidade zero. Tratar velocidades zero e positivas como uma única variável contínua obscurece regimes operacionais distintos (estacionário vs. trânsito ativo). Além disso, estudos anteriores frequentemente analisam fatores ambientais (gelo marinho, vento, batimetria) de forma isolada ou falham em contabilizar a não independência de observações repetidas da mesma embarcação, local ou período de tempo. Isso limita a capacidade de caracterizar os fatores determinantes não lineares e multivariados da navegação no Ártico.

Metodologia
Os autores propõem uma estrutura de aprendizado de máquina em dois estágios utilizando GPBoost (Árvores de Decisão com Boosting de Gradiente com Efeitos Aleatórios Gaussianos Agrupados). Esta abordagem separa explicitamente a modelagem de eventos de velocidade zero dos eventos de velocidade positiva.

1. Dados: O estudo analisa 14,8 milhões de observações AIS do Ártico dos EUA (julho–outubro, 2010–2019). As covariáveis incluem concentração de gelo marinho, componentes do vento (ao longo da trilha e transversal à trilha), profundidade batimétrica, distância da costa, rumo sobre o solo (COG), grupo de embarcação e status de navegação. Os dados ambientais foram colocalizados com as posições AIS em uma grade de 0,5° usando interpolação geoestatística (krigagem) para garantir cobertura completa.
2. Estágio 1: Classificação Binária: Um modelo GPBoost com verossimilhança Bernoulli e ligação probit prevê a probabilidade de $SOG > 0$.
3. Estágio 2: Regressão Condicional: Para observações onde $SOG > 0$, um modelo GPBoost prevê a magnitude da velocidade. A variável resposta é a raiz quadrada da SOG ($\sqrt{SOG}$) para mitigar a assimetria.
4. Efeitos Aleatórios: Ambos os estágios incorporam efeitos aleatórios gaussianos agrupados para contabilizar a correlação dentro de embarcações específicas (MMSI), células de grade espacial e índices de tempo diários. Esta estrutura separa os efeitos sistemáticos das covariáveis da variabilidade específica da embarcação, espacial e temporal.
5. Interpretabilidade: Os autores empregam valores SHAP (SHapley Additive exPlanations) para decompor as previsões do modelo, quantificando a contribuição marginal de cada covariável para a probabilidade de movimento e a magnitude da velocidade.

Principais Resultados

• Desempenho do Modelo:
  • Classificação: O modelo alcançou forte discriminação entre SOG zero e positiva, com uma Área sob a Curva (AUC) fora da dobra de 0,845.
  • Regressão: O modelo de velocidade condicional explicou aproximadamente 77% da variância fora da dobra ($R^2 \approx 0,77$) com um Erro Absoluto Médio (MAE) de cerca de 1 nó.
• Fatores Determinantes Dominantes:
  • Distância da Costa: Identificada como o preditor mais influente em ambos os estágios. A proximidade da costa reduz fortemente a probabilidade de SOG positiva e limita a magnitude da velocidade. O efeito é altamente não linear, estabilizando-se apenas além de 40–50 km da costa.
  • Mudança de Rumo ($\Delta COG$): O segundo fator mais influente. Pequenas mudanças de rumo correlacionam-se com trânsito sustentado e velocidades mais altas, enquanto mudanças grandes ou frequentes indicam manobras e velocidade reduzida.
  • Profundidade Batimétrica: Um determinante significativo, com águas mais profundas suportando velocidades mais altas e uma maior probabilidade de movimento em comparação com regiões costeiras rasas.
• Fatores Determinantes Secundários:
  • Grupo e Status da Embarcação: Estes fatores mostram efeitos sistemáticos (por exemplo, Status 0 "em andamento usando motor" prevê fortemente SOG positiva; Status 1 "atracado" prevê fortemente SOG zero), mas são menos influentes do que variáveis espaciais e de direção.
  • Fatores Ambientais: A concentração de gelo marinho e o vento mostraram influência média modesta nos rankings globais de SHAP. Os autores observam que, embora esses fatores sejam críticos em condições específicas e perigosas, seus efeitos são atenuados quando mediados em diversos contextos operacionais da temporada de águas livres.

Significado e Contribuições
O artigo afirma avançar a literatura ao introduzir uma estrutura unificada que trata velocidades zero e positivas como regimes operacionais distintos, em vez de um único processo contínuo. Ao separar o comportamento estacionário da navegação ativa, o estudo fornece uma caracterização interpretável das operações de embarcações no Ártico que distingue padrões de parada/manobra de trânsito sustentado.

A integração de efeitos aleatórios estruturados dentro de uma estrutura de boosting de gradiente permite a resolução de respostas ambientais não lineares, ao mesmo tempo que contabiliza a natureza correlacionada dos dados AIS. Os resultados caracterizam empiricamente os regimes operacionais de embarcações no Ártico, sugerindo que o contexto espacial (distância da costa) e o comportamento de direção ($\Delta COG$) são os determinantes primários da velocidade da embarcação, superando o tipo de embarcação e fatores ambientais como gelo e vento de forma geral.

Esta caracterização baseada em dados oferece uma base para gestão de velocidade e avaliação ao nível de corredores, destacando que os riscos de navegação e ecológicos frequentemente co-ocorrem em regiões próximas à costa, onde as embarcações têm maior probabilidade de estar estacionárias ou manobrando lentamente, em vez de em corredores de trânsito offshore. Os autores concluem que, embora métricas de risco de gelo baseadas em limiares sejam informativas, elas não conseguem capturar os fatores determinantes complexos e multivariados da velocidade da embarcação observados na prática, tornando necessária a caracterização estatística fornecida por este estudo.