Inteligencia artificial para el movimiento de barcos en puerto y condiciones de emergencia

En este trabajo presentamos un sistema de predicción de movimiento de buques basado en
un modelo Deep Learning. Hemos registrado durante varios años el movimiento de múltiples buques
de carga en el Puerto Exterior de Punta Langosteira (A Coruña, España) y hemos creado un modelo
Deep Learning que clasifica el movimiento del barco dadas sus dimensiones, el estado del mar y las
condiciones meteorológicas. Para explotar el modelo hemos creado un sistema que permite gestionar
modelos de aprendizaje automático y mostrar sus salidas en una aplicación web. El frontend del
sistema se implementó utilizando Node-RED y el backend usa una arquitectura basada en
microservicios y está dividido en dos microservicios: uno responsable de obtener los datos de entrada
del modelo y otro responsable de manejar el ciclo de vida del modelo y proporcionar las salidas de este
en forma de un servicio REST. Monitorizar el movimiento de un buque atracado es una tarea difícil y
costosa y los operadores portuarios no tienen medios para predecir si el buque va a exceder los límites
establecidos para los diferentes movimientos. Usando nuestro modelo en el sistema que hemos creado
obtenemos una herramienta que, haciendo uso del sistema de predicción meteorológico de Puertos del
Estado, es capaz de predecir el comportamiento de un buque amarrado con 72 horas de antelación. Esto
ayudará a coordinar las operaciones del buque, minimizando el impacto económico y físico que la olas,
mareas y viento tienen sobre los buques.