ais-2026-clean

该数据集为 NOAA MarineCadastre 提供的美国专属经济区（EEZ）船舶自动识别系统（AIS）数据的清洗版本，覆盖 2026 年 1 月 1 日至 2026 年 6 月 30 日。原始数据来源于美国公共领域（CC0 许可）。处理步骤包括：基于 (mmsi, 时间戳) 进行去重、移除异常值（速度为 102.3 节、航向为 360 度）、隐含速度过滤以及 4 小时时间间隔的航段分割。数据集保留了 6 个广播字段（mmsi、base_date_time、latitude、longitude、sog、cog），并额外生成 dt_s（时间差，单位秒）和 seg_id（航段标识），不包含船名、IMO 编号和呼号等敏感信息。该数据集适用于船舶轨迹分析、AIS 数据质量控制、航运模式挖掘等研究场景。This dataset is a cleaned version of the Automatic Identification System (AIS) data for the U.S. Exclusive Economic Zone (EEZ) provided by NOAA MarineCadastre, covering January 1, 2026 to June 30, 2026. The original data is sourced from the U.S. public domain (CC0 license). Processing steps include: deduplication based on (mmsi, timestamp), removal of outliers (speed 102.3 knots, heading 360 degrees), implicit speed filtering, and segmentation of voyages at 4-hour intervals. The dataset retains 6 broadcast fields (mmsi, base_date_time, latitude, longitude, sog, cog), and additionally generates dt_s (time difference in seconds) and seg_id (segment identifier), without including sensitive information such as ship name, IMO number, or call sign. This dataset is suitable for research scenarios such as vessel trajectory analysis, AIS data quality control, and shipping pattern mining.

原始信息汇总

ais-2026-clean 数据集概述

基本信息

• 数据集地址：https://huggingface.co/datasets/BigRatz/ais-2026-clean
• 许可证：CC0-1.0
• 数据来源：NOAA MarineCadastre AIS（美国专属经济区，US EEZ）
• 数据时间范围：2026-01-01 至 2026-06-30

数据内容说明

• 来源数据为 CC0 / 美国公有领域数据。
• 该数据切片保留 6 个广播字段。
• 已移除的字段：vessel name（船名）、IMO、call sign（呼号）。

数据处理方式

• 基于 (mmsi, timestamp) 去重。
• 哨兵值移除（SOG 102.3、COG 360）。
• 隐含速度（implied-speed）过滤。
• 4 小时间隔分段（4 h gap segmentation）。

字段（Columns）

• mmsi
• base_date_time
• latitude
• longitude
• sog
• cog
• dt_s
• seg_id

搜集汇总

数据集介绍

构建方式

该数据集源自NOAA MarineCadastre公开的2026年上半年美国专属经济区AIS广播记录，以CC0公共领域许可为基础，经过系统性清洗与结构重塑而成。构建流程涵盖四项核心操作：基于(mmsi, timestamp)的重复记录剔除、对速度102.3节与航向360度等哨兵值的剥离、隐含航速异常检测过滤，以及超过四小时时间间隔的轨迹分割。最终保留六列广播字段，并舍弃船名、IMO编号与呼号等敏感标识，生成可追溯、可复现的标准化AIS切片。

特点

数据集以船舶移动性研究为导向，具备显著的时间连续性与空间覆盖优势。其记录时段集中于2026年1月1日至6月30日，覆盖美国专属经济区海域，列结构精简为mmsi、base_date_time、经纬度、对地航速、对地航向及衍生的dt_s与seg_id。相较原始AIS数据，该版本通过去标识与异常值净化，在保障隐私与数据质量的同时，维持了船舶行为分析的可用性。

使用方法

使用者可通过HuggingFace平台直接加载该数据集，借助Python的pandas或datasets库读取Parquet或CSV格式文件。分析时建议以mmsi为船舶唯一标识，base_date_time为时间轴，结合经纬度开展轨迹重建、航速航向统计或停留点识别。dt_s列反映相邻记录时间差，seg_id则标记轨迹分段，便于按段进行运动模式挖掘。需注意该数据仅覆盖美国EEZ，跨区域研究应结合其他来源。

背景与挑战

背景概述

船舶自动识别系统（AIS）作为全球海事态势感知的核心数据源，持续记录船舶身份、位置、航速与航向等动态信息，为海上交通管理、航行安全分析及海洋环境监测提供基础支撑。ais-2026-clean数据集由研究团队基于美国国家海洋与大气管理局（NOAA）MarineCadastre公开的2026年上半年美国专属经济区AIS原始广播数据构建，遵循CC0公共领域许可，通过剔除以船舶名、IMO编号及呼号为代表的身份敏感字段，仅保留mmsi、时间戳、经纬度、对地航速与航向等六类广播列，形成兼顾隐私保护与轨迹分析需求的精简切片，为轨迹挖掘、碰撞风险建模与航运排放核算等研究提供可复用的数据基底。

当前挑战

该数据集所应对的领域问题在于AIS原始流数据普遍存在的质量缺陷：受信号遮挡、多径传播与设备异常影响，原始记录中混杂大量重复报文、SOG 102.3节与COG 360度等哨兵异常值，以及船舶位置跳变所引发的物理不可行航速，直接损害轨迹重建与行为识别的可靠性。构建过程中的核心挑战在于如何在匿名化脱敏与数据保真之间取得平衡，去重策略须精确锁定（mmsi, timestamp）组合以避免误删合法并行报文，哨兵值剔除与隐含航速过滤须依据航行学约束设定合理阈值，而4小时时间间隙分段则需在轨迹连续性与航次边界划分之间作出取舍，任何参数失当均可能导致轨迹碎片化或航次语义失真。

常用场景

经典使用场景

在海洋时空数据挖掘领域，ais-2026-clean数据集凭借其精炼的六列广播字段与经过严格去重、异常值剔除及航段分割的清洗流程，成为船舶轨迹分析与行为建模的经典数据基石。研究者常以此构建船舶运动模式识别、航速航向统计及轨迹预测等任务，其四小时航段分割策略尤为适用于长时序轨迹的片段化建模与异常检测，为海上交通监控与智能航行系统提供了高质量、低噪声的输入样本。

衍生相关工作

围绕ais-2026-clean的清洗流程与公开特性，学术界与工业界衍生出一系列经典工作，包括基于航段分割的船舶轨迹聚类与异常检测模型、融合隐含速度约束的轨迹修复算法，以及面向AIS缺失数据插补的生成式方法。该数据集亦被用于验证海上交通复杂度度量、船舶行为图谱构建与多源融合定位等前沿研究，推动了AIS数据标准化处理与可重复实验的社区规范形成。

数据集最近研究

最新研究方向

在海上交通智能感知与自主航行系统快速演进的背景下，ais-2026-clean数据集为船舶行为建模提供了经严格清洗的AIS轨迹基础。当前前沿研究聚焦于基于该数据集开展船舶轨迹预测与异常检测，利用其去重、去哨兵值及隐含速度过滤后的高质量六列广播特征，结合图神经网络与Transformer架构捕捉时空依赖关系。与此同时，该数据集对MMSI与时间戳的去重处理及4小时分段策略，契合国际海事组织关于AIS数据质量治理的讨论热点，为碰撞风险预警、航线优化及海事监控提供了可复现的公共数据基准。其CC0许可与精简字段设计亦推动了隐私保护与数据共享之间的平衡探索，对海上态势感知与智能航运安全具有显著的支撑意义。