Show simple item record

dc.contributor.advisorDoulkeridis, Christos
dc.contributor.advisorΔουλκερίδης, Χρήστος
dc.contributor.authorPapageorgopoulos, Nikos
dc.contributor.authorΠαπαγεωργόπουλος, Νικόλαος
dc.date.accessioned2023-06-29T06:59:39Z
dc.date.available2023-06-29T06:59:39Z
dc.date.issued2023
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/15539
dc.identifier.urihttp://dx.doi.org/10.26267/unipi_dione/2961
dc.description.abstractΣτόχος της παρούσας διατριβής είναι η σύγκριση των επιδόσεων των τεχνικών ομοιότητας τροχιάς για πλοία σε πραγματικό χρόνο. Η μελέτη παρουσιάζει μια ολοκληρωμένη ανασκόπηση των πολλαπλών τεχνικών ομοιότητας τροχιάς και προσ διορίζει τις πιο ευρέωςχρησιμοποιούμενες μεθόδους. Οι μέθοδοι που επιλέχθηκαν για σύγκριση περιλαμβάνουντην Lock-Step Euclidean distance, την Dynamic Time Warping και την Longest CommonSubsequence. Η μελέτη ξεκινά με μια ολοκληρωμένη εξέταση των υφιστάμενων τεχνικών ομοιότητας τροχιάς και των εφαρμογών τους στον θαλάσσιο τομέα. Στη συνέχεια, συγκροτείται ένα νέο σύνολο δεδομένων που αποτελείται από διάφορες τροχιές πλοίων, προκειμένου να αξιολογηθούν οι επιδόσεις και τα χαρακτηριστικά των επιλεγμένων προσεγγίσεων. Η αξιολόγηση αφορά κυρίως την υπολογιστική απόδοση. Εκτός από βασικό στόχο στη σύγκριση των επιδόσεων και των ιδιοτήτων των τεχνικών ομοιότητας τροχιάς για τον εντοπισμό πλοίων σε πραγματικό χρόνο, η παρούσα διατριβή περιλαμβάνει επίσης μια διεξοδική ανάλυση των εργαλείων και των συμπληρωματικών τεχνικών που χρησιμοποιούνται στον αλγόριθμο που χρησιμοποιείται. Για τον υπολογισμό των αξιολογήσεων χρησιμοποιείται ένα κατανεμημένο σύστημα επεξεργασίας με τη χρήση του Spark, ιδίως του Spark Streaming για δεδομένα πραγματικού χρόνου. ́Οσον αφορά τις στρατηγικές κατάτμησης, έχει εφαρμοστεί ομοιόμορφη κατάτμηση πλέγματος. Συνολικά, συλλέγεται ένα σύνολο δεδομένων με τροχιές πλοίων από ένα σύστημα παρακολούθησης AIS σε πραγματικό χρόνο και οι επιλεγμένες τεχνικές εφαρμόζονται στο σύνολο δεδομένων. Τα αποτελέσματα δείχνουν ότι η LSED αποδίδει καλύτερα από τις άλλες δύο μεθόδους όσον αφορά την ακρίβεια και την υπολογιστική αποδοτικότητα. Σε γενικές γραμμές, τα ευρήματα της παρούσας μελέτης συμβάλλουν στην πρόοδο της ανάλυσης τροχιών πλοίων και παρέχουν καθοδήγηση για την επιλογή κατάλληλων τεχνικών για την παρακολούθηση πλοίων σε πραγματικό χρόνο.el
dc.format.extent48el
dc.language.isoenel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.titleComparative analysis of trajectory similarity techniques for vessels in real time : a case study on maritime traffic monitoringel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτωνel
dc.description.abstractENThe objective of this thesis paper is to compare the performance of trajectory similarity techniques for vessels in real-time. The study presents a comprehensive review of multiple trajectory similarity techniques and identifies the most widely used methods. The methods selected for comparison include Lock-Step Euclidean distance, Dynamic Time Warping and Longest Common Subsequence. The study begins with a comprehensive examination of existing trajectory similarity techniques and their applications in the maritime domain. Following that, a fresh dataset comprised of various vessel trajectories is assembled in order to evaluate the performance and attributes of the chosen approaches. The evaluation is primarily concerned with computational efficiency. In addition to the primary focus on comparing the performance and properties of trajectory similarity techniques for real-time vessel tracking, this thesis also encompasses a thorough analysis of the tools and supplementary techniques employed in the used algorithm. A distributed processing system is employed to compute the evaluations using Spark, notably Spark Streaming for real-time data. In terms of partitioning strategies, uniform grid partitioning has been applied. Overall, a dataset of vessel trajectories is collected from a real time monitoring system of AIS, and the selected techniques are applied to the dataset. The results show that LSED performs better than the other two methods in terms of accuracy and computational efficiency. In general, the findings of this study contribute to the advancement of vessel trajectory analysis and provide guidance for selecting appropriate techniques for real-time vessel monitoring.el
dc.contributor.masterΠληροφοριακά Συστήματα και Υπηρεσίεςel
dc.subject.keywordTrajectory similarityel
dc.subject.keywordSpark streamingel
dc.subject.keywordStream processingel
dc.subject.keywordDistributed processing systemsel
dc.subject.keywordPartitioningel
dc.subject.keywordMaritimeel
dc.date.defense2023-06-14


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»