Controlar la trayectoria de los barcos, sus movimientos, su velocidad de giro… Son algunas de las pautas que se deben seguir para evitar los delitos por la vía marina. Y es que, en un escenario globalizado en el que más del 80% de las mercancías mundiales se transportan por el mar, un entorno marítimo seguro es fundamental para garantizar el comercio mundial.

Para todo ello, las fuerzas de seguridad cuentan con una gran ayuda, los sistemas de identificación automática, también conocidos como AIS, que obligatoriamente deben estar activos en barcos de más de cierta envergadura y que envían esos datos de manera automatizada. Pero ¿qué sucede con barcos más pequeños en los que este sistema no está implantado o en aquellos en los que ha sido desactivado?

En esos casos, explica el investigador de la Universidad Politécnica de Madrid (UPM) Tomás Mantecón, la única forma de controlar a esos navíos es analizar la información radar que indica la posición y velocidad de los navíos, y que debe usarse para inferir la actividad de los barcos. Actualmente, este trabajo es realizado por operarios altamente cualificados que constantemente monitorizan y analizan una amplia área conteniendo un elevado número de barcos.

Pero, ¿y si fuera posible automatizar ese trabajo para facilitar esa vigilancia? Ese es el objetivo de un sistema basado en redes neuronales, diseñado conjuntamente por investigadores del Grupo de Tratamiento de Imágenes (GTI) del Information Processing and Telecommunications Center de la ETSI de Telecomunicación de la UPM y la empresa Airbus.

“Los mensajes del AIS contienen información relevante de los barcos como son su identidad, su estado de navegación, posición, velocidad, y ratio de giro. El problema es que dicho sistema es únicamente obligatorio en barcos grandes y algunos de ellos puede que lo tengan desactivado”, explica Mantecón, uno de los creadores de este sistema.

Detección eficiente de delitos en el mar

Gracias a la herramienta desarrollada conjuntamente por la universidad madrileña y la empresa Airbus, se busca agilizar el trabajo de los operarios y también detectar de una forma más eficiente barcos sospechosos o con trayectorias que sugieran que se pueda estar tratando de cometer algún delito.

“La herramienta que hemos desarrollado consigue resultados satisfactorios al aplicar técnicas de aprendizaje profundo para la detección de patrones de actividad fraudulenta de los barcos. Esta detección se consigue realizando un estudio de la evolución de la posición de los barcos a lo largo del tiempo e identificando patrones en dicha evolución”, explica.

El desarrollo del sistema se completa con la creación de la base de datos DeepMarine, con datos extraídos del sistema de identificación automática. “Concretamente se ha extraído información relativa a la posición, curso y la velocidad de los barcos, así como de la actividad que declaraban estaban realizando en cada instante, de tal manera que se pueda emplear esta información para detectar patrones de comportamiento errantes o sospechosos”, añade Mantecón.

Entre las aplicaciones de este trabajo destaca su uso en entornos de vigilancia marítima, ya sea en torres de vigilancia costera o en barcos o helicópteros que estén vigilando una zona marítima, ayudando especialmente a identificar actividades ilegales llevadas a cabo en el mar, ya sea para la detección de pesca ilegal, pateras o lanchas/barcos dedicados al narcotráfico.

“Se trata de un sistema que podría ayudar a mejorar la vigilancia en un entorno complejo como es el marítimo, en el que la detección de delitos es más complicada que en tierra por la dificultad de acceder a los datos y la vigilancia directa”, concluye el investigador.