Estimating Ship Transit Times in Ice-Covered Waters for Strategic Route Analysis and Search and Rescue Response Planning
Notice bibliographique
Résumé
Maritime traffic in the Arctic region is increasing as northern communities grow, tourism accelerates, and large resource development projects enter operation. Consequently, the number of vessels exposed to the navigational challenges and risks in the polar region will continue to rise. The situation is further complicated by fast-changing sea ice conditions due in part to climate change. This thesis explores the state of the art in sea ice risk assessment and transit time estimation in ice-covered waters, and presents a strategic route planning methodology that integrates several concepts from these two active areas of research. This methodology is used to enable the computation of innovative visual representations of marine-based search and rescue response time throughout the year in the Canadian Arctic. This is achieved by combining statistical methods, advanced geospatial data analysis, and network analysis techniques to overcome several computational challenges specific to route generation and transit time estimation in ice-covered waters. The results indicate that there is a statistical relationship between reported vessel speed from Automatic Information System (AIS) and the operational risk from sea ice determined at the time of reporting using the Polar Operational Limit Assessment Risk Indexing System (POLARIS). This relationship is used to specify the expected ship speed in different sea ice risk categories, which is then used to compute the fastest route and expected transit time between geographically separated locations in ice-covered waters. The model can generate the fastest route at different times of year and for different ship ice classes. This is achieved by exploiting the relationship that exists between vessel speed and the outcome of the POLARIS assessment. The methods and results presented in this thesis are shown to support a variety of strategic route analysis applications and provide the necessary computational toolset to apply advanced area-based management approaches to maritime Search and Rescue response planning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».