Formalisation d'un environnement d'aide à l'analyse de la situation maritime - Application à la détection de comportements anormaux en mer

Formalisation of a maritime situation analysis environment - Application to the detection of abnormal behaviour at sea

• Auteur / Autrice : Ambroise Renaud
• Direction : Aldo Napoli
• Type : Projet de thèse
• Discipline(s) : Sciences et génie des activités à risques
• Date : Inscription en doctorat le 01/12/2021
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
• Partenaire(s) de recherche : Laboratoire : Centre de recherche sur les Risques et les Crises
• Partenaire(s) de recherche : établissement opérateur d'inscription : Mines Paris-PSL

Mots clés

Mots clés libres

Modélisation

Situation

Risques

Modelling

Situation

Risk

Résumé

Dans le cadre de ses activités de recherche, le CRC se propose d'évaluer et de développer des méthodes d'analyse des risques maritimes et plus particulièrement des comportements de navires à risques induits par des changements de trajectoires, l'environnement du navire ou la falsification de messages AIS, et de leurs conséquences sur la navigation maritime et les infrastructures côtières. Les points ci-dessous seront abordés durant la thèse : - Modélisation des mobilités et des trajectoires et méthodes de comparaison de trajectoires (filtrage, compression, agrégation, étude de similarité, technique d'appariement), - Typologie et modélisation de l'environnement du navire ayant une influence sur son comportement (environnement météorologique, océanographique et réglementaire, visibilité du navire par les autres navires et les centres de surveillance à terre). - Typologie et modélisation comportementale de navires à l'aide de données de mobilité et contextuelles (données météorologiques, océanographiques, etc.). - Fouille de données spatio-temporelles, identification de motifs à l'aide de méthodes issues de l'intelligence artificielle (apprentissage statistique, apprentissage profond) ; La fouille permet de caractériser un navire et vérifier la cohérence de son comportement avec les données émises et reçues. - Développement d'un environnement d'aide à l'analyse de données maritimes pour la détection de comportements anormaux.

As part of its research activities, the CRC proposes to evaluate and develop methods for the analysis of maritime risks, and more specifically of risky ship behaviour induced by changes in trajectory, the ship's environment or the falsification of AIS messages, and their consequences on maritime navigation and coastal infrastructures. The following points will be addressed during the thesis: - Mobility and trajectory modelling and trajectory comparison methods (filtering, compression, aggregation, similarity study, matching technique), - Typology and modelling of the ship's environment influencing its behaviour (meteorological, oceanographic and regulatory environment, visibility of the ship by other ships and shore-based monitoring centres). - Typology and behavioural modelling of ships using mobility and contextual data (meteorological, oceanographic, etc.). - Spatio-temporal data mining, identification of patterns using methods derived from artificial intelligence (statistical learning, deep learning); Data mining makes it possible to characterise a vessel and check the consistency of its behaviour with transmitted and received data. - Development of an environment to assist in the analysis of maritime data for the detection of abnormal behaviour.