トルコの研究チーム（Ismet Gocer氏と3人の共同研究者）は2026年5月28日にarXiv（arXiv:2605.30388）に論文を投稿し、海上自動識別システム（AIS）データにおける教師なし異常検知のための新しい評価指標として、MADQI（Maritime Anomaly Detection Quality Index）を提案した。論文は全26ページで、機械学習（cs.LG）を主題としている。
AISデータは船舶の位置、速度、針路、タイムスタンプなどを含み、異常検知は違法漁業、衝突リスク、密輸などの海上安全保障に重要である。しかし、孤立森林などの教師なしアルゴリズムは異常を検出できるものの、正解ラベルがないため性能評価が困難だった。
MADQIは複合指標であり、4つのサブ指標から構成される。異常率一貫性（ARC）は検出された異常の割合が安定しているかを評価し、物理的妥当性スコア（PPS）は異常が物理法則に合致するかを判定する。スコア分布分離度（SDS）は正常と異常のスコア分布の分離度を定量化し、極端事例証拠（ECE）は最も極端な異常を検出できるかを測る。これらのサブ指標はマルチチャンク評価と適応スケーリングによって自動的に正規化され、一つの複合スコアに統合される。
本フレームワークは、ハバーサイン距離を用いてAISデータ点間の空間距離を計算し、速度変化や回頭角などの行動特徴と組み合わせて異常を識別する。マルチチャンク評価ではデータセットを複数のチャンクに分割し、各チャンクで指標を計算した後平均することで評価の安定性を確保する。適応スケーリングはデータ分布に応じて各指標の重みを自動調整し、人為的なバイアスを排除する。
実AISデータセットを用いた実験の結果、MADQI総合スコアは80.37%であり、特にECEは0.907、ARCは1.000と高い数値を示し、極端異常の検出と検出一貫性において優れた能力を発揮した。PPSとSDSも妥当なスコアを示し、フレームワークの総合性が確認された。
研究チームは、本フレームワークが教師なし海上異常検知の評価に信頼性と意味をもたらすと結論づけており、今後は他のセンサーデータやリアルタイム監視への応用が期待される。論文の引用情報はarXiv:2605.30388 [cs.LG]、DOI: 10.48550/arXiv.2605.30388である。関連ツールやリソースはarXivLabsなどを通じて公開されており、コミュニティによる再現やさらなる研究が促進されている。