Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

23 février 2019

Apprentissage profond des conditions de courant océanique, de vent et de vague à partir de flux de données AIS


Catégorie : Doctorant


Résumé : Le trafic maritime est en constant essor et la concentration de bateau en transit dans certains endroits du globe permet aujourd’hui une qualification voire une quantification précise des phénomènes géophysiques tels que les courants océanographiques, le vent ou encore les vagues. Ce lien entre le trafic des bateaux et la géophysique n’est pas récent et l’existence même du Gulf Stream a été découverte par B. Franklin en examinant les carnets de bord des bateaux contenant des informations sur leur dérive. Cette analyse détaillée des carnets de bord bien qu’elle ait perduré est depuis lors tombée aux oubliettes face à l’essor des altimètres satellitaires capable de détecter les variations de hauteur des océans et d’en déduire certains des principaux courants océaniques.

Dans ce contexte, la société Eodyn utilise aujourd’hui de manière systématique les messages AIS (Automatic Identification System) et détourne astucieusement leur fonction première de surveillance et de sécurité en remettant au goût du jour les techniques du traitement de la navigation à l’estime. La précision de localisation des navires et la densité du trafic qu’offre les flux de données AIS confère un nouvel horizon à cette technique. La nature même des données AIS non vouée à l’obtention de signaux géophysiques ne rend néanmoins pas immédiat le calcul des courants, vagues et vent et une approche de type « deep learning » et plus spécifiquement des modèles récurrents et des formulations probabilistes à variables latentes paraissent très prometteurs pour les applications considérées.

Mots clés : trafic maritime, AIS, navigation à l’estime, modélisation statistique, deep learning, réseaux de neurones récurrents, modèles à variables latentes

Directeurs de thèse : R. Fablet (Prof. Télécom Bretagne ; UMR Lab­STICC, France), F. Rousseau (Prof. Télécom Bretagne ; UMR LaTIM, France)

 

Coencadrant : C. Le Goff (Eodyn)

Contact: ronan.fablet@imt-atlantique.fr

Descriptif détaillé: pdf

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.