大數據在航運經營管理領域的應用研究

劉柱 姚久武

【摘 要】為全面綜合掌握我國大數據在航運經營管理領域的應用情況，促進技術與產業的深度融合，文章對航運大數據應用的類型、產生和收集、分析挖掘方法、存在問題等方面進行了分析，深入研究了大數據在船舶營運監測、修造船技術改進、港口管理、航運公共管理、航運電商、智能船舶等細分領域中的應用情況，并對上述領域的進一步深入發展提出了見解，對航運界普及大數據思維、拓展應用領域、互鑒方法技術、深化應用效果、提高航運經營管理效率與效益、提升行業整體水平具有較強借鑒和指導價值。

【關鍵詞】大數據應用；航運；經營管理

【中圖分類號】F49；F552 【文獻標識碼】A 【文章編號】1674-0688（2019）01-0148-04

0 引言

如今，人類已進入信息經濟、互聯網經濟、數字經濟時代，大數據吸引了越來越多的關注。伴隨大數據技術的快速發展，電子商務領域、物流運輸配送等環節都是大數據發展的風口所在，大數據有助于實現新業務的管理和發展，不斷實現業務和運營的創新發展。航運大數據應用雖然起步較晚，但也在加快發展速度，掌握航運大數據及其深入應用策略，有助于分析經濟貿易發展趨勢，獲取更多、更新的投資機遇。

1 航運大數據應用的發展概況

2014年7月，日本船舶技術研究協會首先開始進行大數據與船舶之間的關聯性研究；就國內發展而言，2012年，中國航運數據庫平臺上線，上海國際航運研究中心也在2014年開啟“港航大數據實驗室”的籌建工作；與此同時，挪威船級社也開始著手進行大數據技術和船舶績效之間的監測管理技術探索。當前，包括且不限于船舶制造企業、航運公司、經紀人、貨主、銀行、保險公司、港口等航運產業鏈上的相關方，都在逐步探索使用大數據產品完善其決策和管理系統。但是，僅有部分領域能夠切實應用到大數據技術，很多領域大數據應用仍處于初級探索階段。

1.1 航運大數據應用類型

根據應用目的不同，航運大數據通常被認為有3種重要類型：一是實時的數據分析，例如船舶的安排時間表、航行速度的實時記錄等，實現數據的融合計算分析，實時數據有助于船舶管理者進行監控船舶航行行為；二是對歷史已有數據的分析和核算，有助于實現航運業務和運營的數據處理發掘，有助于實現船舶航運市場的運行分析，對于后續船舶的制造提供數據支持，對船舶公司的管理策略實現數據輔助，有助于科學分析船舶運力投放并為其經濟效益分析等提供服務；三是數據預測分析，主要集中于放眼未來，對于未來的航運經營管理提供策略性輔助，尤其是預測分析領域，結合已有的大數據對于航運未來發展、運力分析、貿易流向等環節進行預測分析，以及對船舶調度實施預警等。

1.2 航運大數據產生和收集

根據波士頓資訊的分析，從業務產生數據量大小的角度，數據量生產最大的是保險業，其次是航運業。航運大數據的收集方法主要有以下兩種：一是利用船聯網和傳感器實現數據的自動收集；二是利用電子商務，將業務流程從實體逐步轉化成為大數據的流程。

1.3 航運大數據的分析挖掘方法

從海量但并不完善的數據中切實提取具有隱藏和潛在價值的信息，就是數據挖掘。數據挖掘的方法主要包含分類思想、統計思想、數據關聯、可視化分析、迭代與逼近等，具體如下：①分類統計。如浮態與油耗、載況與功率等參數間的函數關系與信息。②關聯分析。如船舶航行進程中，吃水數據及波浪數據的綜合性關聯，與此同時，海況波浪參數與船舶失速及船舶運動參數相關聯等。③可視化分析。利用數據發掘和可視化兩種技術相融合，將抽象的數據轉化成為可視化的語言，方便后續實現知識和信息的升級處理。④迭代與逼近。這一技術主要是通過時間連續性監測的數據對挖掘到的數據進行多次迭代與分析，實現逐步逼近結果的目標。

1.4 航運大數據應用存在的問題

當前航運業在應用大數據方面存在以下幾個問題需逐步突破和完善：一是整合數據時遇到“格式”不同的問題。建立一個統一的數據格式標準是航運大數據發展亟待解決的問題。二是大數據所要求的“開放共享”問題。應著眼于構筑多方共贏互利的信息共享平臺，推動信息不斷分享，與此同時，管理者能夠從共享信息平臺中獲取所需信息，利用“需求拉動”的思想建立信息共享平臺。三是大數據安全威脅及隱患。大數據高度依賴于技術支持，因此一旦技術出現問題就會導致數據安全受到威脅。四是關于數據的深度分析問題。數據存在的基礎上，數據的處理成為重點和難點，應當著力于實現數據的全方位融合及高效存儲，同時重視加工過程的合理性。五是大數據專業人才匱乏。想要組建一個既懂航運業，又掌握信息化、數據處理等技術的團隊是相當不容易的。

2 大數據在船舶營運監測中的應用

目前大數據在船舶營運監測中的應用還比較少，這主要是由于：？譹？訛在數據采集方面，目前實船采集數據的方式主要是交船試航測試時測試人員利用信息數據收集儀器，實時收集數據，這種數據是通過特定環境獲取的，因此數據采集的時間及數量都十分有限，而船舶營運實踐中，航行的數據主要依賴于報送，通過人工定期進行數據報送，多數區域仍采取人工抄寫等傳統方式。？譺？訛在數據傳輸方面，目前營運船舶信息管理普遍采用無線傳輸的方式，如無線電、電傳電報傳送及近些年來較為流行的電子郵件通訊等進行小批量數據的船舶通信，而對于需要長期監測的海量數據而言，這樣的需求很難全部得到滿足。

隨著當前信息技術和移動通信的飛速發展，智能化也開始走進船舶儀器設備領域，能夠利用衛星定位實現較好的船舶儀器運營，保障物理數據成為真正的管理需求。通過船舶營運數據信息的收集，運用大數據技術進行營運船舶性能監測將越來越迫切和可行。具體工作體現在以下方面：？譹？訛在線實時采集實船營運監測數據，可獲取船舶姿態數據，如航行速度、航行方向、吃水狀態等；船舶能耗指數，主要包含主機的運轉及工作參數、轉速與扭矩等；船舶駕駛、船舶位置、船舶運動等信息；船上各設備工作參數等，再采集燃料加注信息、淡水存量與補給信息、進出港動態、防臺風等信息，構筑齊全的航運營運船舶數據集。？譺？訛采用有線加密方式在船舶靠岸或靠碼頭時將數據發送到指定的岸端網絡信息平臺。？譻？訛對船舶監測中缺失和失真的數據進行數據清洗及監測濾波，保障數據的質量和水平，并將其以一定格式輸入數據庫當中。

未來，隨著大數據獲取、清洗、分析挖掘技術的不斷發展和成熟，大數據在船舶營運監測方面，有助于實現航線通航整體狀態的綜合性分析，既包含基礎性的風、浪、流等數據統計分析，也包含船舶功率的綜合性處理，對于市場的分析更為客觀和科學，同時也有助于實現船舶的優化處理，保障運行狀態的穩定性，保障技術的節能水平。

3 大數據在修造船技術改進中的應用

3.1 通過大數據換算船舶能效營運指數（EEOI）

營運船舶大數據通過清洗后，先分類提取再應用ITTC或ISO的實船測試分析與換算方法，分析營運船舶的功率與航速指標，換算得到相應的船舶能效營運指數（EEOI），為航運能效管理服務及未來的MRV機制實施提供支持。

3.2 航線航區海況資料應用于船型開發等研究

對營運船舶進行較為長期化可持續的數據監測，根據不同的天氣類型、航線、區域及時間等因素進行數據庫的構筑，建立起基本情況的數據庫，作為后續大數據分析的原始資料，實現一手資料基礎上的船型開發設計研究、航線更新和航速保持研究等工作。

3.3 判斷評估設備運行水平

通過不間斷地監測和收集船舶主要設備的運行數據，在此基礎上進行數據挖掘，分析設備狀態，結合設備的不同狀態，分析可能存在的隱患，同時采取必要的措施進行維護和安全管理，防患于未然。

未來，大數據在修造船技術改進方面，還可以通過大數據分析出波浪對船舶航速的影響，按照波浪參數和載況數據實施分類統計，根據不同類型的周期和載況進行航速的選擇和控制，從而改進船體設計；可以通過分類提取節能裝置安裝前和安裝后數據對比，利用對比分析和相關性分析原則，分析影響船體設計的多種因素，切實獲取節能的效果分析；還可以提煉出與船舶營運功率相關數據庫匯總資料，逐一進行相關性統計分析，獲取各因素間線性或非線性的關系，結合管理現狀進行成本核算分析，獲取最佳業務運營模式。

4 大數據在港口管理中的應用狀況概述

4.1 國外港口的應用現狀

國外港口大數據技術的應用時間較早，尤其在歐洲，以鹿特丹港口為例，該港區開發了以港口為核心樞紐的國際運輸信息系統（INTIS），有助于整合鹿特丹港口的龐大運輸數據，不僅如此，對于物流管理環節的各個主體也起到了數據監測管理作用，涉及的主題包含船東、貨主、船代、貨代、海事、船檢、商檢，以及陸上運輸企業、商業、海關、金融服務業等，最后，通過網絡大數據共享平臺打開不同用戶端口，有助于實現信息的自動化處理和分析編輯，實現資源和信息的內部流動，實現運作效率的提升，保障鹿特丹港口的現代化發展水平。

4.2 國內港口的應用情況

近年來，國內大數據技術逐步應用到港口業務當中。2014年在交通運輸部的指導下，實現物聯網、云計算、大數據等創新技術在我國各個重點港口推廣應用，推進我國構筑智慧型港口。近幾年，上海港推進數據中心建設，大數據分析平臺的交叉分析和管理，實現線下和線上綜合性信息流動，提升及時溝通水平，而共享機制的開放轉變為航運經營管理提供有力的數據分析支持工具；與此同時，在我國北方重要港口城市大連，也進行公共信息口岸平臺的構筑，目標是滿足口岸監管機構、港航物流企業及貨主等不同領域的具體航運發展業務需求；在我國南方武漢新港通過構建港口與航運用戶之間的大數據共享平臺，實現海量信息跨部門、跨區域交換，在共享的進程中實現了信息價值點增值。

未來，大數據在港口管理應用方面，還可以基于船舶實時監控數據，以及可視化的電子海圖，利用大數據分析中的感知技術結合遙感技術，進行港口實時進出港狀態統計，判斷不同時段的擁堵水平，與此同時實現客戶群體的用戶畫像分析，實現貨物和用戶之間的關聯性分析，保障航運經營管理實現決策分析和支持工作；此外，從企業的角度而言，實現港口航運管理的水平效益提升；可以將靠泊事件導入集裝箱作業模型，對全球集裝箱港吞吐量做實時預測；可以通過分析港口貨物運量的變動信息，分析某個區域的經濟未來發展態勢；可以通過港口貨種結構信息，分析某個區域產業結構變動趨勢。

5 大數據在航運公共管理領域中的實踐思路

5.1 大數據航運指數構建

航運指數能夠反映港口航運產業發展的趨勢，同時也是國家商業貿易走向的風向標。BDI指數是集成經營大數據的典型案例，它逐漸發展成為代表國際干散貨運輸市場走勢的晴雨表，被視為全球經濟領先指標。結合BDI指數的相關性，通過研究數據分析模型，可以得出具有指導意義的大數據結論：一是BDI指數與初級大宗商品的價格正相關；二是BDI指數與美元指數負相關；三是BDI指數與發達國家股市走勢正相關。

5.2 集裝箱堆場智能調度

大數據有助于通過對區域內集裝箱堆場的出入箱，進行數據的收集和集成，實現實時處理和數據的分析匯總，不同堆場的數據建模，根據歷史數據進行維度構建，實現需求的動態性估計，通過指令的調度和分析實現智能化調度集裝箱堆，實現信息的內部流通，保障企業運營效率，有助于對社會資源的充分利用。

5.3 船舶在線搜索平臺

2015年上線的“大船期”建立了在線搜索平臺，實現技術升級，主要集中于實現不同渠道的信息整合匯總，并且進一步實現數據的處理和技術分析，保障航運經營管理數據實時更新，其中主要包含四大功能：一是實時數據，可查找到不斷更新的當前船期和船舶位置；二是動態可視性，將數據和地圖相結合，逐步顯示出船舶的具體位置并且進行可視化模擬，保障船舶運輸的規劃可行；三是集中于進行自主個性化設置，進行最近搜索記錄的個性化配置，并且根據特征進行綜合性推薦和管理，實現時間上的節約及用戶體驗上的深度提升；四是實現更為復雜的深度分析，能夠查詢到不同港口內部的承運具體情況、偏差水平等，有效實現貨運水平的評估。

未來，大數據在航運公共管理領域應用方面，還可以對電子口岸環節大量進出口企業的貨物報關和裝箱數據深入挖掘，分析出客戶企業的現金流狀況和業務運營情況，實現某個企業信用狀態的實時更新，在保障資金安全的基礎上，加速資金的流轉速度和效率；也可以對進出口企業的報關行為進行分析，對于可能存在問題的環節和歷史數據進行綜合比對，輔助航運經營和管理，與此同時輔助海關和檢驗檢疫環節進行鎖定管理，為后續的處理審查提供依據。

6 大數據在航運電商中的實踐

電子商務平臺與未來的貿易發展、物流發展及生產服務等環節息息相關。2013年11月，中外運以貨代為切入點，依靠自行開發的作業系統和數據交換技術，上線海運訂艙網，有助于實現不同航運公司信息的整合發展，實現各個環節的電子化進程，能夠實現和升級在線交易等業務功能。2014年6月，中遠集團在內貿電商平臺的基礎上，推出內外貿結合的泛亞航運電商平臺，專注于國內集裝箱訂箱的電商交易，通過分析后臺數據，既可保證客戶用箱，又能降低空箱率。2014年7月，中海集團與阿里巴巴合作，推出了“一海通”航運電商平臺，直接實現阿里巴巴B2B國際貿易平臺的深度對接，為電子商務企業平臺化供給海量數據，實現船公司的集中運輸及報關報檢等環節的“一站式”海運管理服務。未來，大數據在航運電商應用方面，還可以實現企業數據之間的溝通和突破，不斷融合和發展貿易，從政府監察的角度也有助于實現航運數據的綜合處理，與傳統的互聯網行業深度融合和合作，實現互聯網和大數據兩手抓，與此同時在時間上形成事前控制、中期監控及后續反饋，實現供應鏈的可視化管理，服務流程的完善化。

7 大數據在智能船舶中的實踐策略

智能船舶包含的技術和交叉知識較多，主要包含船舶智能信息感知技術、船舶導航技術、智能船舶方向速度把控技術、人工智能狀態下船舶故障診斷技術、智能船舶監測預警及輔助管理技術、駕機一體化技術等多個環節的突破。各國都對于大數據在智能船舶中的實踐策略進行積極探索，韓國、日本、英國、美國都進行了相關研究，我國的研究主要與韓國現代重工集團進行戰略性合作，利用傳感器技術實現船舶信息的收集和整理，例如在線定位、實時天氣及洋流等數據更新，并且對于裝備貨物的管理也有狀態更新。其中，上海船舶研究設計院牽頭研發設計的散貨船是典型的代表，作為中國船舶在智能領域突破的代表，這一散貨船已經能夠實現智能性能檢測、能效監督及深度分析，對于核心設備的管理分析處于較高的極端，同時也能夠實現智能決策優化及航行操控能力的優化。

8 結語

航運業本身受世界經濟影響較為深刻，從某些意義上講具有周期性發展規律，正因為這一特征，遵循事物發展客觀規律的大數據已經成為航運經營管理不可逆的趨勢。大數據革命是一個難得的機遇，也是一個艱難的挑戰，如何讓航運行業在大數據時代來臨時刻應對自如？在全球航運業低迷的背景下，航運公司在經營管理中需重視大數據的研發，切實提升自身競爭力。

參 考 文 獻

[1]張力行，黎軍.大數據革命給航運業帶來的啟示[J].中國遠洋航務，2013（9）：32-33.

[2]楊健，劉云輝.大數據時代的航運業創新發展之路[J].世界海運，2014，37（12）：14-16.

[3]徐凱，郭勝童，彭翀.港口發展與大數據時代的對接[J].港口經濟，2015（2）：5-8.

[4]胥苗苗.航運大數據如何改變未來[J].中國船檢，2017（4）：8-13.

[5]傅娟娟，林國龍.大數據時代港口航運業節能減排之策[J].交通企業管理，2017，32（3）：4-6.

[6]陳昌運，李傳慶.船舶營運大數據挖掘與應用思考[J].船舶與海洋工程，2015，31（1）：5-8.

[7]吳明華.全新船期搜索引擎“大船期”實現航運大數據零突破[J].航海，2015（4）：6-7.

[責任編輯：陳澤琦]