Moteur d'anomalies : repérer en direct les rendez-vous AIS

Les flux AIS maritimes publient un flot constant de mises à jour de position de navires. Repérer un événement significatif dans ce flux, deux navires qui se rencontrent en mer alors qu'aucun des deux n'est au port, est un problème de recherche, pas un problème de tableau de bord. Nous avons testé la possibilité de détecter ce type de rendez-vous et d'anomalie de proximité en quasi temps réel, comme un effort de recherche interne, et non comme une mission client.

La difficulté était l'échelle. Comparer chaque navire à tous les autres à chaque mise à jour ne reste pas rapide à mesure que la flotte grandit.

Nous avons construit le pipeline d'ingestion et de traitement sur Java 21 et Spring WebFlux, diffusant les mises à jour AIS en direct via Kafka. Les positions des navires sont regroupées en cellules geohash, si bien que les vérifications de proximité ne s'exécutent que contre les navires voisins plutôt que contre la flotte entière. Un graphe Neo4j stocke les relations entre navires, si bien qu'un schéma de rendez-vous peut être retracé sur plusieurs rencontres plutôt que sur un seul instantané.

• Ingestion en flux continu des données AIS en direct basée sur Kafka
• Regroupement en cellules geohash qui borne les comparaisons de proximité
• Modèle en graphe Neo4j retraçant les schémas de rencontre entre plusieurs navires
• Pipeline de traitement réactif sur Spring WebFlux

Le moteur traite les flux AIS en direct et signale les événements de proximité et de rendez-vous entre navires au moment où ils se produisent. L'approche par cellules geohash garde les comparaisons bornées à mesure que le volume de navires augmente. Il fonctionne comme un produit de recherche interne, sans lien avec une mission client.