Maritime traffic emissions are a major concern to governments as they heavily impact the Air Quality in coastal cities. Ships use the Automatic Identification System (AIS) to continuously report position and speed among other features, and therefore this data is suitable to be used to estimate emissions, if it is combined with engine data. However, important ship features are often inaccurate or missing. State-of-the-art complex systems, like CALIOPE at the Barcelona Supercomputing Center, are used to model Air Quality. These systems can benefit from AIS based emission models as they are very precise in positioning the pollution. Unfortunately, these models are sensitive to missing or corrupted data, and therefore they need data curation techniques to significantly improve the estimation accuracy. In this work, we propose a methodology for treating ship data using Conditional Restricted Boltzmann Machines (CRBMs) plus machine learning methods to improve the quality of data passed to emission models. Results show that we can improve the default methods proposed to cover missing data. In our results, we observed that using our method the models boosted their accuracy to detect otherwise undetectable emissions. In particular, we used a real data-set of AIS data, provided by the Spanish Port Authority, to estimate that thanks to our method, the model was able to detect 45% of additional emissions, of additional emissions, representing 152 tonnes of pollutants per week in Barcelona and propose new features that may enhance emission modeling.

中文翻译：

---

使用 CRBM 改进对缺失数据的海上交通排放估算

海上交通排放是政府关注的主要问题，因为它们严重影响沿海城市的空气质量。船舶使用自动识别系统 (AIS) 连续报告位置和速度等特征，因此如果将这些数据与发动机数据相结合，该数据适合用于估算排放。然而，重要的船舶特征往往不准确或缺失。最先进的复杂系统，如巴塞罗那超级计算中心的 CALIOPE，用于模拟空气质量。这些系统可以从基于 AIS 的排放模型中受益，因为它们在定位污染方面非常精确。不幸的是，这些模型对丢失或损坏的数据很敏感，因此它们需要数据管理技术来显着提高估计精度。在这项工作中，我们提出了一种使用条件受限玻尔兹曼机 (CRBM) 和机器学习方法处理船舶数据的方法，以提高传递给排放模型的数据质量。结果表明，我们可以改进提议的默认方法来覆盖缺失数据。在我们的结果中，我们观察到，使用我们的方法，模型提高了检测其他无法检测到的排放的准确性。特别是，我们使用了西班牙港务局提供的 AIS 数据的真实数据集来估计，由于我们的方法，该模型能够检测到额外排放的 45%，额外排放的 45%，代表 152 吨污染物每周在巴塞罗那举行，并提出可能增强排放建模的新功能。我们观察到，使用我们的方法，模型提高了检测其他无法检测到的排放的准确性。特别是，我们使用了西班牙港务局提供的 AIS 数据的真实数据集来估计，由于我们的方法，该模型能够检测到额外排放的 45%，额外排放的 45%，代表 152 吨污染物每周在巴塞罗那举行，并提出可能增强排放建模的新功能。我们观察到，使用我们的方法，模型提高了检测其他无法检测到的排放的准确性。特别是，我们使用了西班牙港务局提供的 AIS 数据的真实数据集来估计，由于我们的方法，该模型能够检测到额外排放的 45%，额外排放的 45%，代表 152 吨污染物每周在巴塞罗那举行，并提出可能增强排放建模的新功能。