TrajReducer: a cross-dimension indexer-based reducer for vessel destination prediction
Notice bibliographique
Résumé
• The paper proposed TrajReducer, a framework that enhances prediction accuracy and computational efficiency by indexing the trajectories through spatial clustering with cross-dimensional metadata ranking. • The TrajReducer optimized the prediction performance by 0.249. • Comparative studies validate the proposed model outperforms state-of-the-arts. Maritime shipping underpins over 80 % of global trade, making accurate vessel destination prediction essential for optimizing port operations and strategic decision-making. Traditional prediction methods relying solely on spatial-temporal data often struggle with computational inefficiency and limited accuracy, particularly with partial trajectory information. To address these challenges, we propose TrajReducer, a framework that enhances prediction accuracy and computational efficiency by indexing the trajectories through spatial clustering with cross-dimensional metadata ranking. By clustering past trajectories based on spatial characteristics and applying metadata ranking on static and dynamic vessel attributes, TrajReducer selectively narrows comparison to relevant trajectories, achieving significant computational savings. The trajectories of traveling vessels will be compared to historical ones selected by the TrajReducer. We define similarity as the likelihood that two trajectories have the same destination. The destination of the most similar past trajectory is predicted to be the destination port of the traveling vessel. Experimental results demonstrate the consistent performance of TrajReducer, with high top-1 accuracy and low average prediction distance error (APDE) at various travel stages, along with a high Reduce Ratio indicating advanced efficiency. Compared to existing models, TrajReducer offers superior accuracy, balancing prediction quality and efficiency. This efficient framework holds substantial implications for maritime operations, enabling precise port scheduling, optimized resource allocation, and enhanced maritime traffic management, ultimately supporting sustainable practices in global shipping.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».