大數據技術在船舶智能化中的應用

徐宏偉,葛 沛

(南通中遠海運川崎船舶工程有限公司，江蘇 南通 226005)

0 引言

“大數據”是數據的集合，其特點是數據的體量大、速度快、類別多、潛在的價值含量高，且數據量不斷增長。目前，越來越多的應用涉及大數據，通過對大數據的分析可以獲取更具價值的信息。隨著互聯網、云計算、物聯網等信息技術的快速發展，有些大型航運公司逐步建立了覆蓋全球的船舶營運數據中心，監控管理船舶的位置、航行狀態及設備狀況。

近年來，一批國際知名船企和相關研究機構已經啟動了大數據應用項目的研究。2014年日本船舶技術研究協會開展大數據應用項目，采集船舶的航行數據形成大數據，并應用于船舶的節能航行和船型開發[1]。我國首艘智能示范船“i-DOLPHIN”號是一艘38 800載重噸散貨船，該船以大數據為基礎，運用實時數據的傳輸匯集結合數字建模、遠程控制等信息化技術，實現船舶感知、分析和決策的智能化，從而提升船舶運行效率[2]。但大數據技術應用于智能化船舶仍然是一個高度復雜、計算量大、可靠性要求極高的過程，很多相關理論和技術仍需進一步研究和應用，數據作用的發揮還需進一步驗證。

本文基于大數據分析的理論和方法，深度挖掘船舶運營數據的應用價值，并以開發的船舶能源監控系統為例，研究大數據分析處理的過程。

1 大數據分析理論和方法

大數據分析的理論和方法，從人機相互協作的角度，可以分為以下2類。

(1)第1類是從機器的角度出發，重視機器的計算能力、人工智能，如各類面向大數據的機器學習和數據挖掘方法等，主要研究各種挖掘算法、智能搜索及高性能處理算法等。這類方法目前是大數據分析領域的研究主流。

(2)第2類認為人是分析和需求的主體，重視基于機器與人之間相互協作的、人類更加易于認識理解的分析方法，此分析方法則在分析過程中融入人類特有的且機器無法替代的認知能力，如大數據可視化分析[3]。

傳統數據分析方法為了節約計算資源和時間，摒棄對所有原始數據的全面分析，通過復雜精確的算法，從部分樣本空間中獲取能夠反映全局的信息。隨著計算機技術的發展，對大量數據進行計算分析已成為可能，因此大數據分析方法不追求算法的復雜性，而追求高效地對所有數據集進行分析[4]。目前，船舶數據分析中應用的大數據分析方法主要有以下3種。

(1)深度學習法。該方法能夠發掘多維數據中錯綜復雜的關系，具體方法有人工神經網絡法、模糊系統、演化計算和群體智能算法。人工神經網絡法采用多層次架構來分析表達數據，借助于龐大的數據量，模擬數據時可以用更精確復雜的模型來表達。目前人工神經網絡法在船舶的碰撞預警、風險分析領域中得到廣泛的應用。以遺傳算法為代表的演化計算和以粒子群優化、蟻群優化等為代表的群體智能算法主要用于解決數據量太大而不易解決的復雜優化問題。

(2)知識計算法。該方法從大數據庫中抽取有價值的知識，并將其構建為可查詢分析和計算的知識庫。其中多源知識融合的方法考慮了知識的共享和復用，并且通過數據的不斷更新有效提高了數據分析的實時性和有效性，因此該技術被廣泛應用在船舶能耗決策中。

(3)可視化法。該方法將大規模、多維度的數據分析結果直觀、動態化地實時展示給用戶，輔助用戶進行實時決策。其流程是通過物聯網獲取數據源，對原始數據進行必要的篩選和修復，然后對數據進行深度處理，找出數據間的關聯性，預測數據的發展趨勢，最后通過直觀圖形的展示讓用戶更直接地觀察和分析數據，從而為決策提供數據支持。

2 大數據應用

大數據的重要來源就是物聯網。船舶物聯網(船聯網)是通過在船舶上安裝定位、通信、監控等設備來組建的。隨著全球定位系統GPS、船舶自動識別系統AIS、電子海圖顯示與信息系統ECDIS、ARPA雷達、射頻識別RFID、綜合船橋系統等信息化技術的發展，船聯網已應用于船舶管理體系中。它以企業、船員、船舶、貨物為對象，以數據為中心，實現航運管理的精細化，未來將實現更為重要的船船互聯、船岸互聯。船舶管理公司從已建立的數據庫獲取船舶的靜態數據，然后依靠衛星通訊設備獲取船舶自身的實時動態數據(如航速、航向、機器油耗等)，并且依靠岸基航道局、氣象及測繪部門等機構和航道助航設施的功能，獲取氣象、航道、海況等外界環境數據[5]。

2.1 大數據在船舶智能管理中的應用

船舶的大數據分析對船舶的運營管理可產生許多價值。以常用的能效管理為例，其價值如下：

(1)通過基于大數據技術開發出的船舶能源監控系統，能夠監控船舶的方位、主機油耗和轉速，以便實時遠程監測燃油消耗狀況。然后對測量的數據進行統計分析，并消除外界干擾力(如風、波浪、水流等)的影響，得到船舶排水量、船速與主機油耗量之間的關系，優選出船舶的經濟油耗，給出船舶的最佳航速建議，從而實現降低船舶油耗的目標。

(2)通過分析航速要求、航線上實時的氣象狀況和水文條件等，以靠泊港口的日程時間要求為限制條件，計算出油耗最低的航線。

(3)航運商通過能源監控系統提供的船舶運營數據，構建船舶實時監控數據管理平臺，并將數據管理平臺與運輸生產調度系統相結合，整合航運產業流程，從而優化船舶在航線上的配置和減少航運業的燃油消耗量。

2.2 大數據在船舶設計中的應用

船舶大數據還可以應用于船舶的水動力性能設計及節能裝置的效果驗證。

(1)通過對船舶航行數據分析處理，將不同等級波浪下的數據進行分類統計，了解波浪對船舶航速的影響，獲知船舶在波浪中消耗功率的相關數據信息后，就能驗證與評價不同船型的氣象因子。

(2)為驗證船舶節能裝置的效果，分別收集并統計安裝節能裝置前后的航行數據。通過大數據分析得到相關數據之間的關系，在消除自身因素(吃水、浮態)和外界干擾因素(如風、波浪、水流等)的影響后，就能評估節能裝置的效果。

3 案例分析

本文以開發的船舶能源監控系統為例，依托可視化、知識計算、深度學習3種方法，利用大數據分析技術從龐大的數據中快速抽出關鍵的信息，挖掘出對決策有潛在價值的模式和趨勢，為船舶的運營提供數據支撐。能源監控系統構架見圖1。

圖1 能源監控系統構架

3.1 數據收集

系統通過數據記錄儀采集航速、航向、位置、風速、風向、舵角、吃水等航行數據和主機、發電機等機器的油耗、功率數據，同時系統還能接收第三方機構提供的氣象水文數據。利用大數據分析技術，將油耗、功率、航速等信息以折線的形式進行可視化，實時監控主機油耗信息，挖掘有價值的信息，提供船舶優化轉速建議，以達到節能減排的效果。

3.2 數據處理

由于環境因素影響或采集器故障可能導致數據偏差過大，因此，為保證數據的質量和最終挖掘模型的質量，需要對所采集的數據進行探索、審核和必要的加工處理。數據處理前需要設定異常數據的識別規則，將數據進行閾值比對，若數據偏離閾值范圍則被作為異常值刪除。

本文將大數據技術應用于智能船舶領域中，主要采用了索引、數據規約、數據分割等技術。在管理數據庫的技術方面，索引技術不僅能減少磁盤讀寫開銷，還可以提高增刪改查的速度。在大數據集上直接進行復雜的數據分析和挖掘需要很長的時間，數據規約能產生更小的但保持原始數據完整性的新數據集。在規約后的數據集上進行分析和挖掘將更高效。數據規范可以降低無效、錯誤數據對建模的影響，提高建模的準確性，縮減數據挖掘所需要的時間，降低存儲數據的成本。以采集頻率15 s為例，單船每年采集的數據記錄多達200多萬條，如果直接對大批量的數據進行操作，會使數據庫的執行時間長、壓力大。一般將大批量數據分割成多塊較小的數據，再對數據進行操作。本文實際采用的方法是首先創建臨時的數據表，將3 d的數據放入，對每天的數據進行取平均值等運算，再將運算完的1 d的數據存放入到新創建的數據表，降低了存儲數據的規模。

3.3 數據分析及可視化

應用C#語言編寫程序對采集的數據進行處理分析，并將數據保存在SQL數據庫中。在大數據應用中，繁雜的數據本身是難以輔助決策的，需要運用可視化的分析方法，將分析后的結果以圖形、圖像處理、計算機視覺及用戶界面等形式展現，更容易被船員接受并加以利用。從SQL數據庫中提取相關聯的數據，并用折線圖實時表示出來，以便船員能夠直觀地了解到船舶性能參數變化。分析后的數據依靠衛星通迅網絡和互聯網傳輸至岸基系統，實現船舶與岸基的數據共享。岸基人員可以對船舶的狀態進行遠程監控及故障診斷。

3.4 大數據挖掘

大數據挖掘是從大量的、不完全的數據中，通過一定的算法揭示隱藏于其中的、未知的并有潛在價值的信息的過程。數據挖掘是一種決策支持過程，主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析大量數據，作出歸納性的推理，從中挖掘出潛在的模式[6]。

本文以船舶能源監控系統采集的船舶航行數據為例，進行了深層次數據挖掘。依據船舶航行數據，結合航次計劃(出港、靠泊港口時間)、航線特點、船舶效率，評估船舶燃料消耗及航行成本，給出最經濟的航速方案，以降低燃油消耗。航速優化系統界面見圖2。在航速優化系統內輸入預定的航行線路、艏艉吃水、燃油價格、出港及到港的預定時間，系統根據航線的形狀特點，將預定的航線分成許多航段。每個航段自動生成各自的初始航速，根據第三方機構通過VAST衛星網絡提供的氣象預報信息，得到每個航段內考慮環境影響的速度功率關系，再根據功率與油耗率的關系得到每個航段內的油耗。以總航程的油耗最低為目標條件，采用遺傳算法進行優化，從而獲得每個航段內的最優航速。

圖2 船舶航速優化系統

4 結論

本文闡述了大數據的概念及其分析理論和方法，探討了大數據技術在船舶智能化中的應用，深度挖掘了船舶運營數據信息的內在價值。得出以下3點結論：

(1)大數據處理中具體采用的索引、數據規約、數據分割等技術，對采集的數據進行必要的加工處理，有效保證了數據和挖掘模型的質量。

(2)運用可視化的分析方法，將分析后的數據結果以多媒體形式在船上展現。依靠衛星通訊系統和互聯網實現船舶與岸基之間大數據的共享，開展岸端遠程監控、故障診斷等，以輔助船員決策。

(3)從采集的大量航行及設備數據中，通過一定的算法，深入挖掘出有價值的信息，實現船舶的智能化管理。