Processat de dades AIS per a la identificació de maniobres de pesca

Els sistemes d’identificació automàtica, coneguts per les sigles AIS, són dispositius que trans- meten informació de manera contínua i en temps real sobre les embarcacions que els tenen instal·lats. Per la gran quantitat de dades que s’envien, les dades AIS es consideren Big Data, tot i que només se sol utilitzar una petita part de tota la informació rebuda per a l’ús original per al qual estan pensats, la seguretat marítima. En els darrers anys, i amb l’auge de la tecnologia de la informació, s’ha vist que amb el tractament de dades es pot treure profit d’aquesta informació per a altres usos diferents de la finalitat original. Aquest projecte busca tractar les dades rebudes per AIS de vaixells pesquers del port de Barce- lona per tal de categoritzar els diferents moviments que es transmeten. Per aconseguir-ho s’ha emprat l’entorn interactiu de Jupyter Notebook amb el llenguatge de Python per tal de descodifi- car, manipular i analitzar les dades captades de tot un mes. Se selecciona aquest abast temporal, per tenir un conjunt de dades suficient per realitzar l’anàlisi amb diverses sortides de cada em- barcació, però alhora per limitar el volum i que aquest no sigui massa extens i dificulti el procés de manipulació i conseqüentment acabi sent un conjunt informació intractable. El resultat final és una taula resum que recull totes les sortides d’embarcacions pesqueres amb la zona i temps dedicat a pescar. Aquest estudi vol proporcionar una eina d’anàlisi que, poste- riorment, pot contribuir a la seguretat i control marítim, l’anàlisi de la contaminació emesa pels pesquers o evitar la sobreexplotació d’una zona de pesca, fent malbé el fons marí. Aquest treball està estructurat en diferents parts, en un inici es mostren els objectius marcats pel seu desenvolupament i l’abast que aquest té. Posteriorment, es presenta una primera part introductòria, on s’exposa informació rellevant per la comprensió d’aquest estudi, dividida amb els apartats de Big Data, AIS i Python. Seguidament, s’introdueix la part més pràctica que s’ha realitzat per aquest projecte, amb un apartat més explicatiu del procediment que s’ha seguit i una secció dels resultats obtinguts. A continuació es presenta la planificació que s’ha seguit, juntament amb l’anàlisi econòmica i ambiental, i una breu visió de la perspectiva de genere enfocada a la universitat i al sector de la pesca. Per finalitzar el treball, s’exposen les conclusions a què s’ha arribat durant el desenvolupament d’aquest projecte, juntament amb les dificultats afrontades i possibles treballs futurs per conti- nuar amb la recerca fetaLos sistemas de identificación automática, conocidos por las siglas AIS, son dispositivos que transmiten información de manera continua y en tiempo real sobre las embarcaciones que los tienen instalados. Por la gran cantidad de datos que se envían, los datos AIS se consideran Big Data, aunque solo se acostumbra a usar una pequeña parte de toda la información recibida por el uso original por el que están pensados, la seguridad marítima. En los últimos años, con el auge de la tecnología de la información, se ha visto que con el tratamiento de datos se puede sacar provecho de esta información para otros usos diferentes de la finalidad original. Este proyecto busca tratar los datos recibidos por AIS de barcos pesqueros del puerto de Bar- celona para categorizar los diferentes movimientos que se transmiten. Para conseguirlo se ha empleado el entorno interactivo de Jupyter Notebook con el lenguaje de Python para descodificar, manipular y analizar los datos captados de todo un mes. Se selecciona este alcance temporal, para tener un conjunto de datos suficiente para realizar el análisis con varias salidas de cada embarcación, pero a la vez, para limitar el volumen y que este no sea demasiado extenso y di- ficulte el proceso de manipulación y consecuentemente acabe siendo un conjunto información intratable. El resultado final es una tabla resumen que recoge todas las salidas de embarcaciones pesqueras con la zona y tiempo dedicado a pescar. Este estudio quiere proporcionar una herramienta de análisis que, posteriormente, puede contribuir a la seguridad y control marítimo, el análisis de la contaminación emitida por los pesqueros o evitar la sobreexplotación de una zona de pesca, echando a perder el fondo marino. Este trabajo está estructurado en diferentes partes, en un inicio se muestran los objetivos marca- dos para su desarrollo y el alcance que este tiene. Posteriormente, se presenta una primera parte introductoria, donde se expone información relevante para la comprensión de este estudio, di- vidida con los apartados de Big Data, AIS y Python. Seguidamente, se introduce la parte más práctica que se ha realizado en este proyecto, con un apartado más explicativo del procedimi- ento que se ha seguido y una sección de los resultados obtenidos. A continuación se presenta la planificación que se ha seguido, junto con el análisis económico y ambiental, y una breve visión de la perspectiva de género enfocada en la universidad y al sector de la pesca. Para finalizar el trabajo, se exponen las conclusiones a las que se ha llegado durante el desarrollo de este proyecto, junto con las dificultades afrontadas y posibles trabajos futuros para continuar con la investigación hechaAutomatic identification systems, known as AIS, are devices that send information continuously and in real time of the vessels that have them installed. For the large amount of data that is sent, AIS data is considered to be Big Data, although only a small part of all the information received is usually used for the original use for which it is intended, maritime safety. For the last few years, with the rise of information technology, it has been seen that data processing can take advantage of this information for uses other than the original purpose. This project seeks to process data received by AIS from fishing vessels from the port of Barce- lona in order to categorize the different movements transmitted. To achieve this, the interactive environment of Jupyter Notebook with the language of Python has been used to decode, ma- nipulate and analyze the collected data of an entire month. This time range is selected, to have enough data to perform the analysis with various departures from each vessel, but at the same time to limit the volume and make it not too wide and hinder the process of manipulation and consequently end up being an intractable set of information. The final result is a summary table that lists all the exits from fishing vessels with the area and the time spent fishing. This study aims to provide an analysis tool that can subsequently contribute to maritime safety and control, the analysis of pollution emitted by fishing vessels or prevent overfishing that can cause damage of the seabed. This project is structured in different parts, initially it is shown the established objectives for its development and also its scope. Afterwards a first introductory part is presented, where relevant information is exposed for the understanding of this study, divided into the sections of Big Data, AIS and Python. The most practical part of this project is then introduced, with a more explanatory section of the procedure followed and a section of the results obtained. Thereupon the planning that has been followed is explained, along with the economic and environmental analysis, and a brief overview of the gender perspective focusing on the university and fishing sector. To finish this paper, the conclusions reached during the development of this project are presen- ted, along with the difficulties faced and potential future work to continue the research don