Anticipar la congestión de barcos a la entrada de un puerto con datos AIS e IA

Qué encontraron

Todo barco comercial de cierto tamaño transmite su posición, velocidad y rumbo por el Sistema de Identificación Automática, conocido como AIS. Esas señales, que se captan desde tierra y desde satélites, son la materia prima de casi cualquier sistema moderno de gestión del tráfico marítimo. Un equipo de la Universidad Politécnica de Jiangxi y del Colegio Técnico Jiaotong de Hebei, en China, las usó para dos tareas: predecir hacia dónde irá cada barco y detectar dónde se está formando un atasco.

El modelo combina dos piezas de aprendizaje profundo. Una red de grafos trata a los barcos cercanos como nodos conectados, para que el modelo «vea» que la maniobra de un barco depende de los que tiene al lado. Una red recurrente sigue la evolución en el tiempo. Sobre las trayectorias predichas, los autores calculan un índice de velocidad que clasifica cada tramo en tráfico libre, moderado o muy congestionado.

Los datos vienen de 30 días de octubre de 2018 cerca de la desembocadura del río Yangtsé, una zona de tráfico denso: 2000 trayectorias de 1200 barcos después de la limpieza.

Resultados reportados:

• Mejor que las alternativas. El modelo superó a una decena de redes de referencia y mejoró el error en cerca de 23,6 % frente a la siguiente mejor.
• Ajuste casi perfecto. Reportan un R2 de 0,998 y errores de posición por debajo del metro.
• Congestión donde se espera. Los puntos calientes aparecieron en cruces de canales y zonas de confluencia.

Qué significa

Para un puerto, la promesa es pasar de reaccionar a anticipar: ver con minutos de ventaja que un canal de acceso se va a saturar y ajustar turnos de práctico, horarios de atraque o velocidades de aproximación.

La lectura más prudente, sin embargo, es tomar las cifras con cautela. Un R2 de 0,998 y errores de menos de un metro son valores inusualmente altos para trayectorias de barcos reales, con datos que los propios autores describen como ruidosos. El artículo no explica del todo cómo se obtienen, y la ventana de entrenamiento y prueba es corta. Interpretamos el trabajo como una arquitectura prometedora que necesita validarse con otros datos antes de confiar en sus números.

Límites

• Sin validación externa de la congestión. Los autores reconocen que no tenían registros oficiales de congestión para comparar sus alertas.
• Datos antiguos y de un solo lugar. Un mes de 2018 en un tramo del Yangtsé. No se probó en otros puertos ni en otras épocas.
• Donde más importa, más falla. Los puertos y los cruces de canales, justo donde hay congestión, son las zonas con mayores errores de predicción.
• Sin clima ni operación portuaria. El modelo no usa viento, oleaje, profundidad ni el estado de los muelles, factores que según los autores influyen en el tráfico.

Por qué importa en el Perú y la región

Con Chancay en operación y el Callao como principal puerto del país, la costa central concentra un tráfico creciente de buques hacia Asia. Los datos AIS de esa zona existen y son accesibles. Un sistema de alerta como este, validado con registros reales de congestión de ambos puertos, podría ayudar a coordinar llegadas y fondeos. El estudio muestra la dirección, pero no el método listo para usar.