Resumen: Abordamos el problema de transformar los datos brutos de trayectoria de embarcaciones recopilados por AIS en representaciones estructuradas y semánticamente enriquecidas, interpretables por humanos y directamente utilizables por sistemas de razonamiento automático. Proponemos un marco de abstracción de trayectoria consciente del contexto que segmenta secuencias AIS ruidosas en viajes distintos, cada uno de los cuales consta de episodios limpios y anotados en movilidad. Cada episodio se enriquece aún más con información contextual de múltiples fuentes, como entidades geográficas cercanas, características de navegación en alta mar y condiciones climáticas. Fundamentalmente, tales representaciones pueden respaldar la generación de descripciones controladas en lenguaje natural utilizando LLM. Examinamos empíricamente la calidad de dichas descripciones generadas utilizando varios LLM sobre datos AIS junto con características contextuales abiertas. Al aumentar la densidad semántica y reducir la complejidad espaciotemporal, esta abstracción puede facilitar el análisis posterior y permitir la integración con LLM para tareas de razonamiento marítimo de mayor nivel.
Publicado originalmente en export.arxiv.org el 15 de marzo de 2026.
Ver fuente original
