Density mapping of ship traffic
Abstract
An increasing number of satellites relay information from the Automatic Identification System (AIS)
anti-collision system. This has resulted in a global coverage of ship position data, and several
commercial service providers currently offer ship traffic analysis products based on such data. While
these services are useful in work to maintain maritime situational awareness, military users may
have to avoid them due to concerns about disclosing information about their areas of interest etc.
The aim of the present work was to develop software for creating traffic analysis products, for military
use, on in-house hardware.
The Norwegian Defence Research Establishment (FFI) maintains a database of information, available
to government users, from vessel reporting systems like the AIS, Long Range Identification and
Tracking (LRIT), and Vessel Monitoring System (VMS). Data on ship positions and associated
metadata, accumulated over time, may be used to create density maps of ship traffic. In this context,
a density map is a geographical map where the graphics primitives (pixels or polygons) represent
the expected number of ships in an area at a given time, or related quantities. Density values are
plotted using color gradients that reveal patterns in ship traffic. In particular, density maps are useful
for analysing patterns of life, i.e., habitual behavior.
Providing user-friendly, on-demand density map services presents several challenges due to the
large amount of data that must be processed: during a single month, the number of messages
received from unclassified data sources approaches one billion. The report describes measures for
reducing the amount of data and preparing data for density map products, including aggregation,
quantization, and indexing. In particular, a subdivison of the Earth’s surface into cells of constant
physical size (0:1 0:1 nm2) is defined. The grid provides an index scheme for position data and a
way to quantize ship tracks, thereby reducing the amount of data. For example, a single ship track is
represented as the set of grid cells it intersects and the length of time it visits each cell. Moreover,
grid cells correspond to graphics primitives (polygons) in density maps, with associated metadata,
that can be aggregated in large-scale maps, hence increasing performance and reducing file size.
A range of prototype processing services have been implemented and made available for the
Norwegian Defence Joint Head Quarters, the Royal Norwegian Coast Guard, and other users with
similar interests. These services create and deliver density map products on demand based on input
parameters in network requests from end users. Based on the experience gained from this work,
some recommendations for the deployment of density mapping services on military networks are
provided. A separate classified document, related to this report, describes military operational use of
these types of products. Stadig flere satellitter overfører data fra anti-kollisjonssystemet Automatic Identification System
(AIS). Dette har gitt et stort tilfang av posisjonsdata fra skip verden over, og flere kommersielle
tjenesteleverandører tilbyr nå produkter for skipstrafikkanalyse basert på slike data. Slike tjenester
kan være nyttige for å oppnå maritim situasjonsforståelse, men de kan ikke alltid benyttes av militære
analytikere grunnet behovet for å skjerme informajon om f.eks. hvilke områder som er av interesse.
Forsvarets forskningsinstitutt (FFI) har derfor utviklet programvare for analyse av skipstrafikk for
militære formål på interne IT-systemer.
FFI drifter en database med informasjon fra fartøyrapporteringssystemer som AIS, Long Range
Identification and Tracking (LRIT), og Vessel Monitoring System (VMS). Posisjonsdata og tilhørende
metadata fra fartøyer, samlet opp over tid, kan brukes til å lage kart over skipstrafikktetthet (tetthetsplott).
I denne sammenhengen er et tetthetsplott et geografisk kart der grafikken (piksler eller
polygoner) viser forventet antall fartøy i et område på et gitt tidspunkt, eller relaterte størrelser. Skipstettheten
plottes med fargeskalaer som viser mønstrene og intensiteten i skipstrafikken. Spesielt er
slike kart nyttige for å analysere “patterns of life”, dvs. normale (typiske) bevegelser, oppførsel og
mønstre.
Det er flere tekniske utfordringer knyttet til å lage brukervennlige, fleksible tjenester for plotting av
skipstrafikktetthet. Dette skyldes at mengden data som må prosesseres er stor; det registreres
nærmere en milliard nye meldinger i databasen hver måned. Denne rapporten beskriver diverse tiltak
som er gjort for å organisere og komprimere data for å gjøre tetthetsplotting mindre tid- og beregningskrevende,
bl.a. aggregering, kvantisering og indeksering av data. Spesielt innføres en inndeling
av jordoverflaten (ellipsoiden) i kvadratiske celler med uniform fysisk størrelse på 0:1 0:1 nm2.
Dette griddet fungerer som en søkeindeks for posisjonsdata. Videre kan fartøybaner diskretiseres
(kvantiseres), hvilket innebærer at datamengden reduseres ved at posisjonsnøyaktigheten også
reduseres. En fartøybane representeres ved mengden celler den passerer gjennom og tiden (antall
sekunder) fartøyet er i hver celle. Hver celle svarer til et polygon i tetthetsplottet, med tilhørende
attributter. Polygonene kan slås sammen når kart i stor skala skal produseres. Dette bidrar til å øke
ytelsen og redusere filstørrelsen til det ferdige produktet.
FFI har implementert en rekke prosesseringtjenester som er gjort tilgjengelig for Forsvaret Operative
Hovedkvarter, Kystvakten og andre brukere med tilsvarende behov. Disse nettverksbaserte tjenestene
genererer og leverer trafikktetthetskart etter spesifikasjoner som brukerne setter i sine forespørsler.
Basert på erfaringene fra dette arbeidet anbefales det at tilsvarende prosesseringstjenester, for både
dynamisk generering av kart og levering av ferdigproduserte standardkart, opprettes på de militære
nettverkene. Et eget gradert dokument knyttet til denne rapporten beskriver militær operasjonell bruk
av disse produktene.