大數據技術在船舶管理中的運用及效果觀察

◎ 王維成 撫州市交通運輸局

隨著水路運輸行業的不斷發展，船舶管理工作越發受到重視，將大數據技術應用到船舶管理中，借助大數據的優勢，有利于提高船舶運輸過程中的系統識別效果以及數據分析水平，促使船舶信息化發展水平得到快速發展。此外利用大數據技術還能夠有效提高船舶管理效能，降低船舶運行成本，對加快水路運輸的能效有明顯幫助。

1.大數據技術運用特點

大數據技術在應用過程中將網絡與電腦整合，能夠在短時間內完成對海量數據的收集、處理與集成。其不僅具有速度快和量大等特點，同時具備多種表達方式，且結構較為復雜，能夠應用到不同的系統中，促使相關系統功能價值得到顯著提升。大數據技術在運用過程中的特點主要體現為：規模性、多樣性、高速性和價值性四個方面，在實際應用時，多用于數據挖掘、數據預測以及聚類分析中。通過對大量數據的整合分析，能夠找到不同數據之間的關聯，以此為基礎進行預測，或數據分類，有利于提高數據的使用效率。

未來大數據的發展趨勢主要包括以下方面：其一，與云計算結合，構建新的計算形態，如在船舶管理中，可以提高數據的采集與運用效率。其二為數據管理。通過與管理功能的結合，使其水平得到提升，如在船舶管理中，利用大數據技術能夠幫助調度工作，分析資源情況，并對故障系統進行維護等。

2.大數據技術在船舶管理中的運用

2.1 識別系統的運用

船舶管理中的自動識別系統（AIS）在運行中，通過收集和分析船舶與岸邊以及運行經緯度變化等數據，分析當前船舶運行狀態，自動識別船舶運行中的風險因素和非法操作，保障船舶的穩定運行[1]。由于水路網整體復雜性較高，尤其在內陸河道中，水體面積有限，船舶運行過程中容易受到多種因素影響，產生運輸故障，為保障安全性，應借助大數據技術構建自動識別系統，提高船舶管理效率。

在識別系統構建時，應在大數據技術的基礎上，構建新的計算框架，為大規模數據的計算提供幫助。以Spark為例，其在運行過程中，需要構建計算框架，如圖1所示，在驅動器作用下，構建集群管理器，并與不同工作節點聯系，為驅動系統的運行提供調整依據，使啟動程序順利運行。

圖1 Spark計算框架

以船舶軌跡數據預處理工作為例，在大數據技術作用下，優化船舶軌跡AIS系統的運行效果[2]。由于船舶運行過程中，內部安裝多個AIS設備，使得其在運行中，收集大量的軌跡數據，而想要得到船舶的運行情況，需要利用軌跡數據進行分析，以此來確定數據是否存在異常。由于軌跡處理數據量非常大，因此可以使用大數據技術提高數據預處理速度，同時避免數據的缺失和異常情況，保障數據完整性。

在船舶軌跡數據預處理時，需要結合船舶的編號、報告位置的時間和經緯度以及船舶類型，并將其繪制成表格，見表1，再利用系統完成數據處理工作。

表1 AIS數據模式表格

在數據預處理時，需要將原始的船舶軌跡數據傳輸到系統中，并借助大數據技術清洗數據，去除重復和異常內容，并按照要求進行整合排序。完成后進行數據采樣分析。結合計算結果提取異常數據，在此基礎上刪除異常數據并重新計算航向等信息，為后續的AIS軌跡數據管理提供參考。

2.2 調度工作中的運用

船舶調度工作主要是安排船舶的生產活動，同時監管指導船舶穩定作業與航行，在該過程中需要結合各種影響因素對船舶的運行狀態進行調度，保障船舶安全航行。在該過程中，融合大數據技術構建智能監控體系，是當前船舶調度工作發展的主要方向，工作人員可以利用系統監控船舶的運行動態，并利用大數據處理船舶的運行參數，并由系統自動跟蹤和批量查詢船舶的相關數據，全面加強船舶調度作業效率。

與傳統的調度系統相比，智能大數據調度系統的運行效率更為理想，且整體數據的分析準確性較高[3]。設置仿真測試，設置傳統船舶調度系統和新型智能大數據調度系統兩個實驗組，并向其中分別輸入難度等級1-5的數據，計算數據的調度時間和準確率，整合測試數據并分析。通過仿真測試，分析不同難易程度狀態下，調度程序的運行情況，不同調度系統的時間消耗情況如表2所示，調度數據的準確率如表3所示。

表2 仿真調度數據時間對比表（s）

表3 仿真測試調度數據準確率對比表（%）

通過結合仿真測試的數據能夠發現，相同調度系統下，難度等級提升后，其調度時間延長，同時相同難度等級下，智能大數據調度系統的數據調度時間明顯少于傳統調度系統，且智能系統的調度準確率始終保持100%，在應用上具有明顯的優勢，對提高船舶運行穩定性和安全性有較大幫助。

2.3 數據采集中的運用

船舶運行過程中，利用各類型傳感器識別并采集環境信息和運行信息，并對信息進行處理，以確保船舶的穩定運行[4]。此類數據量較大且存在較多的無效數據，因此使用大數據技術完成數據的采集與處理，對保障系統穩定性十分重要。在船舶數據采集系統構建時，需要設置船舶無線局域網以及傳感器，在網絡支持下，使傳感器數據順利回傳到系統中。傳感器的設置需要根據需求合理選擇，常見的傳感器包括姿態傳感器、GPS、溫度傳感器以及超聲波傳感器，其中GPS系統使用時需要在船舶上安裝RD射頻以及基帶芯片等設備，構建監測站，確保能夠與衛星系統達成合作，完成數據的傳輸。超聲波傳感器在測量時，主要使用s=vt/2計算（其中s為測量距離；v為超聲波傳播速度；t為超聲波往返時間）。

數據采集時，系統識別數據類型，并構建相應表格，使后續的查詢更加便捷，在設置表格時，以用戶表格為例，見表4。

表4 用戶信息數據采集表格

結合實際數據采集工作需求，采集用戶信息、船舶運行信息、船舶內設備運行數據等相關內容，借此來進行數據的分析，了解當前船舶的實際運行情況，幫助識別運行故障，為船舶運行提供相關的參考，保障船舶順利航行。

2.4 資源分析中的運用

船舶資源分析的主要目的是提高船舶運行中的能源利用率，加大節能航行管理效果。在該過程中，一方面，應利用大數據技術提高船舶縱傾優化效果，快速并準確計算船舶在不同條件下的運行情況，以及不同運行速度下受到的阻力情況，在此基礎上通過優化的方式減小船舶航行阻力，提高實際的運行效率，保障船舶運行穩定性。設定不同的船舶運行條件，使用大數據技術完成數據的統計和計算，分析在不同狀態下船舶的資源消耗情況，此時考慮船舶在外界影響下的動態變化情況，最終得到最佳的船舶動態縱傾情況[5]。

另一方面，利用大數據技術優化船速，提高船舶的航行能效，以此減少油耗情況，使資源利用率得到提升。在大數據技術計算時，需要采集船舶在不同速度下的航行狀態，包括主機轉速、油耗情況等，結合船舶的運行航線要求以及運輸過程中的載重情況，計算最佳的運行速度，有效減少能源消耗。在計算時，可以構建相應的計算模型，如速度與功率的關系模型、設備負荷與油耗的關系模型等。收集大量船舶運行數據，并分析不同變量之間的關系，使船舶保持在最佳航行速度。

2.5 預測性維護中的運用

預測性維護技術能夠通過分析設備運行數據，預測設備可能發生故障的可能性，并根據監測的數據，提出恰當的應對措施，以此加大設備監管效果，保障設備的穩定運行。船舶管理中，由于船舶整體控制體系較為復雜，且容易受到多種環境因素影響，恰當的預測性維護管理，能夠提前識別并發現船舶的運行故障情況，并自主采取恰當的維護方法，使船舶系統保持穩定性。在預測性維護系統運用時，需要利用船舶監控體系，收集相關裝置和設備的運行數據和狀態信息。

以船舶液壓裝置為例，在液壓系統中安裝傳感器，監測系統運行數據，并利用網絡上傳到系統中。使用大數據對采集的監控數據進行預處理，一是剔除數據集中的異常值，此類異常值受到不可控因素影響，不具備代表性。二是去除數據噪聲，將監測數據中非實驗數據剔除，加大特征提取效果。特征提取時，根據液壓裝置監測數據，從時域和頻域兩方面分析信號，最終得到真實特征數據。

3.大數據技術在船舶管理中的運用效果

船舶管理過程中，合理融入大數據技術，不僅能夠加大對船舶狀態的把控效果，同時能夠為船舶運行狀態做出正確指導，促使船舶保持穩定運行狀態。在具體應用過程中，利用系統識別技術了解船舶運行情況，利用智能化大數據調度系統，提高船舶調度精準性和效率，同時借助數據采集和資源分析系統，結合船舶實際情況，使船舶保持最佳的運行狀態，并利用預測性維護系統，保障船舶運行安全。通過對大數據技術的充分應用，構建新的船舶運行線路和管理方案，將其與以往的船舶航行數據進行對比，結果如表5所示。

表5 船舶管理狀態對比表

通過船舶狀態對比情況能夠發現，在大數據技術支持下，船舶的載貨工況變化幅度相對較小，同時船舶管理的年耗油量明顯減少，降低7.29%，船舶的波浪增阻下降，使船舶運行過程中的阻力減小，通過增加速度達到提高能源利用的目的。由此可見，大數據技術作用下，船舶管理效果有明顯提升[6]。

4.結束語

綜上所述，大數據技術在船舶管理中具有十分重要的作用，通過分析能夠發現，大數據技術能夠明顯提升船舶管理中的相應功能使用效果，能夠大幅度提高系統識別能力、強化調度系統作用效果、加強數據收集處理效率、加大資源分析力度、提升預測性識別準確率，促使船舶的管理功能更加完善。未來發展中，為進一步提高船舶管理效果，需要相關人員加大相關技術的研究與應用，不斷提升我國船舶管理水平。