基于海事大数据的船舶综合风险评价和船旗国检查选船标准优化研究

在现行船旗国安全检查选船标准中,缺乏对船舶动态风险的评估,且船舶风险值差异较小.文中基于海事大数据,采用FP-Tree关联规则算法分析船舶风险因素的关联性,挖掘出对船舶安全影响较大的风险因素.并在现行选船标准的基础上,新增了船舶动态风险因素评价指标,构建船舶综合风险评价体系,综合动、静态风险分值和时间窗口全面评估船舶检查优先等级,达到优化船旗国检查选船方法的目的.通过实验验证,基于综合风险评价模型的船舶安全检查选船方法识别必检船的准确性提升了9.06%.

海事大数据探讨

文中介绍了大数据的概念和应用情况,讨论了海事大数据的概念及其意义、分析了海事大数据建设面临的挑战,并提出了应对挑战的意见和建议。

基于海事大数据的港口感知计算

随着港口信息化建设的推进,积累了大量来源多样、结构各异的海事大数据,为了解港口城市的生产力和区域经济发展水平提供了新的契机。本文综合介绍了作者近期关于如何利用海事大数据进行港口感知计算的工作,给出了一个基于海事大数据的港口感知计算框架,利用船舶GPS轨迹、船舶属性、港口地理信息和港口设施参数等多源异构海事大数据,估算出一系列反映港口生产力的指标,从而对港口进行综合评价和比较。首先,利用船舶轨迹和港口地理信息数据,自动检测船舶在港口码头中的靠泊装卸事件;然后,利用船舶属性和港口设施数据,自动估计出每次靠泊装卸事件的货物吞吐量;最后,对各个港口码头的靠泊船数和货物吞吐量进行统计,从而计算出一系列港口生产力指标,包括到港船数、货物吞吐量、码头作业效率和泊位利用率等。在2011年的海事大数据上的实验结果表明,本框架能准确地估算出上述港口生产力指标。同时,以香港为例对上述港口的生产力指标进行分析,探讨基于海事大数据的港口感知计算框架在提高港口生产效率、优化海运航线中的积极作用。