Naukowcy zaproponowali nowe podejście do automatycznego oceniania zmian w elektronicznych mapach nawigacyjnych (ENC) stosując grafowe sieci neuronowe. Zamiast analizować dane liniowo, reprezentują obiekty nawigacyjne jako węzły grafu, gdzie krawędzie opisują ich relacje przestrzenne i semantyczne. System porównuje parę grafów - starej i nowej wersji mapy - aby sklasyfikować zmianę jako krytyczną lub niekrytyczną dla bezpieczeństwa żeglugi.
Utrzymywanie dokładności elektronicznych map nawigacyjnych to ogromne wyzwanie dla branży morskiej. Każda zmiana w terenie, głębokości wody czy położeniu przeszkód musi być starannie zakwalifkowana pod kątem ryzyka dla bezpieczeństwa. Obecnie proces ten wymaga manualnej weryfikacji przez ekspertów morskich. Badacze przetestowali kilka architektur GNN na rzeczywistych zmianach z map zweryfikowanych przez specjalistów, osiągając lepsze rezultaty niż konwencjonalne podejścia.
Wyniki sugerują potencjał dla automatyzacji lub wspomagania przepływu pracy przy aktualizacji ENC, co mogłoby znacznie przyspieszyć proces publikacji zmian kartograficznych. Takie rozwiązania mogą być szczególnie istotne ze względu na wzrastającą złożoność morfologii przybrzeżnych i rosnący ruch morski, wymagający częstszych aktualizacji map.