تُعد نظم النقل البحري الذكية (Maritime Intelligent Transportation Systems - MITS) عنصراً أساسياً في ضمان السلامة والكفاءة أثناء الإبحار في الممرات المائية المزدحمة. ولكن تكمن التحديات في كيفية التنبؤ بدقة بمسارات السفن، حيث تعتبر بيانات نظام التعريف التلقائي للسفن (Automatic Identification System - AIS) أحياناً غير مكتملة أو غير متاحة للسفن الصغيرة، بينما لا يمكن لبيانات كاميرات الدوائر المغلقة (Closed-Circuit Television - CCTV) بمفردها أن تعكس سلوك السفن الديناميكي.

لمواجهة هذه التحديات، تم تقديم تقنية جديدة تُعرف بـ CmIVTP (تنبؤ مسارات السفن باستخدام تفاعل البيانات المتعددة) والتي تعتمد على نمذجة التفاعلات المعقدة بين ديناميات السفن والقيود البيئية. تتضمن هذه التقنية مشفّر مشهدي مستهدف (Target-Aware Scene Encoder) لالتقاط ميزات المشهد الدلالية، مما يعزز دقة التنبؤ بمسارات السفن عبر تقديم تفاعلات دقيقة مع البيئة المحيطة.

كذلك، يعزز المحوِل القائم على التفاعل المتعدد (Cross-Modal Interaction Transformer) تكامل ميزات الحركة المشتقة من بيانات AIS وميزات البيئة المستندة إلى CCTV، مستخدماً آليات الانتباه المتعددة لاستكشاف المعاني ضمن المصادر المختلفة وضمان تنبؤات دقيقة وعملية.

ونظراً لأهمية البيانات التاريخية، تم إنشاء بنك مسارات مجموعة السفن (Vessel Group Trajectory Bank) الذي يجمع بين مسارات بيانات AIS التاريخية في أنماط حركة تمثيلية، مما يوفر مقاربة فعالة وقابلة للتوسع لتوليد مسارات مرشحة. كما تم تطوير مجموعة بيانات جديدة تحت اسم Maritime-MmD$^+$، وهي بيانات ضخمة تُزامن بين بيانات AIS وبيانات الفيديو من CCTV، مما يُعزز من دعم أبحاث التنبؤ بالمسارات متعددة الأبعاد.

تظهر التجارب الممتدة أن تقنية CmIVTP تحقق أداءً أفضل في معايير التنبؤ بمسارات السفن المدفوعة بالبيانات المتعددة، مما يبشر بعصر جديد من الابتكارات في مجال الذكاء البحري.