Dari Continuous Deployment ke Dataset yang Dapat Dikueri: Pelabelan Akustik Pasif Selaras AIS Skala Terabyte

Penempatan akustik pasif berdurasi panjang menghasilkan arsip rekaman besar yang tidak terhubung ke lintasan kapal atau struktur perjumpaan. Akibatnya, kondisi jarak dan kontak tidak tersedia sebagai variabel, dan analis harus memilih rekaman secara manual untuk diteliti. Keterbatasan ini memotivasi alur kerja berbasis basis data yang menyelaraskan rekaman hidrofon dengan laporan posisi Automatic Identification System (AIS) untuk menghasilkan data teresolusi jarak.

Penulis membingkai masalah ini sebagai persoalan skala dan struktur: penempatan arsip berkelanjutan, multi-tahun, berjuta jendela tidak dapat diproses melalui iterasi bersarang di memori tanpa menghabiskan memori yang tersedia. Pendekatan yang mereka usulkan menggantikan pola tersebut dengan satu proses basis data berbasis himpunan yang skalabel, memungkinkan kerangka GeoAI di mana data terindeks spasial dan dapat dikueri menjadi langsung dapat digunakan untuk pembelajaran mesin.

Produk data yang dihasilkan mengungkapkan kondisi yang didominasi derau, dengan kontribusi kapal terutama muncul pada jarak yang lebih pendek. Ini menunjukkan bahwa tugasnya terletak pada mengekstraksi struktur di bawah rezim yang dibatasi latar belakang. Analisis spektrogram dan kuantitatif menunjukkan tanda tonal lemah yang tertanam dalam derau dan penurunan rasio signal-to-noise yang konsisten terhadap jarak.

Tabel terstruktur memisahkan jendela tanpa kontak, kontak tunggal, dan dua kontak, dengan titik pendekatan terdekat dihitung secara langsung jika berlaku. Kondisi latar belakang dikarakterisasi melalui peringkat spektral deterministik. Hasil ini mendukung penggunaan representasi ini untuk pembelajaran mesin yang skalabel, analisis kemiripan, dan pemodelan akustik prediktif di lingkungan maritim nyata.