När en båt plötsligt avviker från sin rutt och kommer för nära land kan det vara ett tecken på att något inte står rätt till. Rikard Laxhammar, industridoktorand från Saab AB och Högskolan i Skövde, presenterar sin forskning där automatiserade övervakningssystem upptäcker avvikelser i båtars rörelsemönster och därmed hjälper sjöövervakare i sitt arbete.
Genom att övervaka trafikflöden i samhället och lära sig mönster hur båtar, bilar eller människor normalt rör sig, kan automatiserade system finna avvikelser från dessa mönster och på så sätt skapa bättre och säkrare övervakningssystem.
– Under min forskningstid har jag utvecklat algoritmer som automatiskt lär sig ett normalmönster för exempelvis båtar i farleder, säger Rikard Laxhammar, industridoktorand från Saab AB och Högskolan i Skövde. Om en båt plötsligt avviker från det normala mönstret larmas den operatör som har som uppgift att övervaka sjötrafiken, som i sin tur gör en bedömning av läget.
Algoritmerna som Rikard Laxhammar utvecklat fungerar i realtid, det vill säga, de läser av hur läget ser ut här och nu och larmar omedelbart vid avvikelser. Systemet är inte förprogrammerat utan lär sig efter hand vad det är som ett normalt rörelsemönster.
– Mitt fokus har varit detaljer kring hur algoritmerna ska designas, vilka tekniska och matematiska egenskaper de bör ha, för att kunna avlasta operatörer på bästa sätt. Det är självfallet väldigt roligt att omsätta sin forskning i praktiken och lösa faktiska problem, särskilt när det finns en direkt samhällsnytta, säger Rikard Laxhammar. Man skulle i förlängningen kunna applicera dessa algoritmer inom andra domäner där avvikande rörelsemönster är av intresse, t.ex. bedrägeri i samband med ekonomiska transaktioner eller inom nätverkssäkerhet.
