41、基于数据驱动的可解释人工智能提升近海航运能效

基于数据驱动的可解释人工智能提升近海航运能效

1 引言

海运业在应对气候变化的背景下，提升船舶能源效率的需求日益迫切。国际海事组织（IMO）设定了到2030年将二氧化碳排放量减少40%，到2050年将整体温室气体排放量削减50%（与2008年水平相比）的目标。

近海航运（SSS）作为商业运输的一种模式，不涉及跨洲际的远洋航行，利用内陆和沿海水道运输商业货物，具有成本效益和环保优势。然而，它仍对自然栖息地产生负面影响，并加剧沿海城市的空气污染。

随着物联网设备使高分辨率的船上数据更易获取，数据分析和机器学习（ML）技术为研究船舶运营、量化各种因素对燃料消耗的影响提供了途径。瑞典初创公司CetaSol AB开发的iHelm智能数字分析平台，旨在为中小型船舶实现能源优化。

本研究聚焦于创建燃料估计和预测算法，具体贡献如下：
1. 研究各种燃料消耗估计模型，为能效决策支持工具奠定基础。
2. 量化相关因素的相对重要性以及来自各种船上和外部数据源的数据聚合的好处。
3. 展示可解释人工智能（XAI）在基于现实考虑迭代改进ML模型中的实际应用。
4. 通过瑞典南部一艘客船15个月的真实数据，说明提高近海船舶能源效率的潜力。

2 相关工作

在海事领域数字化和自动化日益普及的背景下，跨洋航运在能源效率和海事态势感知（MSA）框架的研究进展迅速，但沿海船舶的研究相对滞后。

近期关于挪威西部电动渡轮的研究，依赖船上测量的运营数据和挪威气象研究所的环境条件数据。芬兰Napa Ltd.的研究则从天气预报中收集环境条件数据。然而，这些方法未充分考虑影响燃料消耗和预计到达时间（ETA）