Emission, Maschinelles Lernen

MAREMIS - KI-gestützte Berechnung der von Schiffen ausgehenden Luftverschmutzung und ihrer Ausbreitung.

Zusammenfassung von MAREMIS

Das Konsortium entwickelt auf Big Data und maschinellem Lernen basierende Modelle und einen Demonstrator zur Messung, Verfolgung und Validierung emissionsbezogener Aspekte des Seeverkehrs, um die Emissionen (Abgase, kein Ballastwasser oder Abfall) von Schiffen zu reduzieren und die lokale Luftqualität zu verbessern. Die Validierung ist erforderlich, weil die Grundlage für das Projekt Daten aus dem automatischen Identifizierungssystem sind. Diese können teilweise fehlerhaft sein oder das Schiff hat sein AIS abgeschaltet. Hier ist zu untersuchen, ob anhand der Trajektorien als Aneinanderreihung von Positionssignalen in Bezug auf den AIS-Navigationsstatus die Schiffe im AIS nicht mehr erkannt werden können oder ob sie ihr AIS deaktiviert haben.

Zusammenfassung der Entwicklung

Sie wird ein Schiffsemissionsmodell entwickeln und einsetzen, das auf realen Schiffsbewegungen und sensorgestützten Emissionsdaten beruht. Das Schiffsemissionsmodell wird zur Schätzung der Luftverschmutzung durch den Seeverkehr in Häfen verwendet. Es wird die räumlich-zeitliche Emissionsdynamik widerspiegeln und die Verkehrsemissionen in Echtzeit und anhand von Szenarien verfolgen. Die Auswirkungen auf die regionale Luftqualität, d. h. die Region Norddeutschland und Südostasien, werden mit Hilfe eines chemischen Transportmodells analysiert, da diese Gebiete den Lufteintrag in städtische Gebiete dominieren. Es werden weiterhin Modelle entwickelt, um Strategien zur Emissionsreduzierung durch Veränderungen im Hafenbetrieb und im Seeverkehrsmanagement mithilfe von Big-Data-Analysen, Simulationen und Optimierung zu ermöglichen.

Ausgangssituation

Singapur und Hamburg gehören zu den größten Häfen der Welt. Die Zehntausende von Schiffen jedes Jahr sind der Herzschlag der Stadt und der Wirtschaft. Beide Häfen liegen sehr nahe am Stadtzentrum und haben daher einen starken Einfluss auf die Luftqualität in diesen Städten. Das Ausmaß der Auswirkungen ist jedoch noch nicht vollständig untersucht worden. Sobald dies geklärt ist, können Empfehlungen zur Verbesserung der Luftqualität ausgesprochen werden.

Hamburg Schiffsverkehr Live

Datenerfassung und -bereitstellung

Für das Projekt müssen AIS-Daten bereitgestellt werden. Eine Validierung oder Bereinigung ist erforderlich, um mögliche Unstimmigkeiten beim Empfang von AIS-Telemetriedaten zu beseitigen. Dazu gehören z. B. Probleme mit der Reihenfolge der Positionsmeldungen aus verschiedenen Quellen sowie mögliche Übertragungsfehler oder Spoofing. Unter Spoofing versteht man in der IT verschiedene Täuschungsmethoden in Computernetzen, um die eigene Identität zu verschleiern. Die zu verwendenden AIS-Daten müssen in einem hochverfügbaren Speicher für die gesamte Dauer des Projekts, einschließlich des Betriebs des Demonstrators, gespeichert werden. Diese Daten werden sowohl von den deutschen als auch von den SIN-Partnern genutzt. Um die Emissionsberechnung zu ermöglichen, werden weitere Schiffsmaschinendaten benötigt. Diese werden in Abstimmung mit den Projektpartnern in einem hochverfügbaren Speicher bereitgestellt. Dieses Thema wird maßgeblich von JCS und DLR KN bearbeitet.

Modellierung der maritimen Emissionen

Die Modellierung der Emissionen aus dem historischen und aktuellen Verkehr hilft, die Luftverschmutzung durch den Seeverkehr in den Häfen und die Hafenumgebung zu ermitteln und zu bewerten. Zur Ermittlung der Immissionen müssen die Verkehrsemissionen bestimmt und über ein chemisches Transportmodell gekoppelt werden. Auf der Grundlage bekannter oder regelmäßiger Schiffsbewegungen werden Eingriffsmöglichkeiten untersucht. Wie erläutert, soll dies im Sinne eines Projektes als Methoden- und Technologiedemonstration im Hafen von Singapur und Hamburg erprobt werden. Bei erfolgreicher Umsetzung und Validierung wären die Ergebnisse im Rahmen einer anschließenden Produktentwicklung auf andere Häfen übertragbar. Die Modellierung von Emissionen aus dem Schiffsverkehr auf Basis von Szenarien ermöglicht die Bewertung und Kontrolle der Luftverschmutzung durch Schiffe im Hafenumfeld. So können Interventionsfälle getestet und die Verkehrsemissionen durch Kopplung mit einem chemischen Transportmodell und geeigneten Randbedingungen vorhergesagt werden. Für den Einsatz in einem Demonstrationssystem müssen die Softwaremodule noch angepasst werden. Damit kann eine Vielzahl von Szenarien im Demonstrator getestet werden. Das Emissionsmodell liegt in der Verantwortung des DLR.

Das Chemie-Klima-Modell

Da viele chemische Prozesse in der Atmosphäre in hohem Maße nichtlinear sind, hängt die Wirkung einer bestimmten Emission (z. B. von einem Schiff) an einem Ort stark von der Hintergrundkonzentration ab. Um die Auswirkung von Schiffsemissionen auf die regionale Luftqualität zu bewerten, müssen auch andere Emissionen, wie z. B. Emissionen aus dem Landverkehr oder natürliche Emissionen, durch das klimachemische Modell berücksichtigt werden. Während viele natürliche Emissionen direkt vom Klimachemiemodell als Funktion der Meteorologie berechnet werden, sind insbesondere für andere anthropogene Emissionen externe Datensätze erforderlich. Dazu gehören Schiffsemissionen. Die Wirkung von Schiffsemissionen ist stark von den meteorologischen Bedingungen abhängig, die u.a. die chemische Verarbeitung (chemische Produktions- und Verlustprozesse, Deposition) sowie den Transport von Spurenstoffen beeinflussen. Darüber hinaus hängen die chemischen Prozesse stark von der Herkunft der Luftmassen ab. Um den Einfluss von Schiffsemissionen auf die regionale Luftqualität in Norddeutschland und Südostasien zu analysieren, sind detaillierte Simulationen der Ausbreitung und chemischen Umwandlung der Emissionen notwendig. Zu diesem Zweck wird das MECO(n)-Modellsystem verwendet, das ein globales klimachemisches Modell mit einem regionalen klimachemischen Modell kombiniert.

Integration von Sensordaten

Für die routinemäßige Überwachung der Luftqualität und die Feststellung von Grenzwertüberschreitungen gibt es breite Netze landgestützter Luftsensorik. Viele der Stationen liefern die Messdaten nahezu in Echtzeit, wobei die Daten natürlich nur rudimentär qualitätsgeprüft sind. Darüber hinaus ist zu beachten, dass nicht alle verfügbaren Stationen für das Projekt von Nutzen sein können. So können z.B. Stationen, die sich in unmittelbarer Nähe zu anderen Emissionsquellen (Verkehr, Industrie) befinden, von diesen stark beeinflusst werden. Zusätzlich zu den landseitigen Luftsensoren liefern schiffsseitige Luftsensoren wichtige Informationen über die tatsächlichen Schadstoffemissionen der einzelnen Schiffe. Die Verwendung vorhandener Luftsensoren auf Schiffen, die aufgrund neuerer Vorschriften ebenfalls in großem Umfang installiert sind, erweitert die Möglichkeiten des Projekts.

AI-basiert - Analyse von Faktoren, die die Luftqualität beeinflussen

Um die Auswirkungen von Emissionsveränderungen und die Auswirkungen von Schiffsemissionen auf die regionale Luftqualität im Demonstrator abbilden zu können, sind vereinfachte Beziehungen zwischen Schiffsemissionen, Hintergrundbedingungen und der meteorologischen Situation erforderlich. Zu diesem Zweck wird auf der Grundlage der Simulationsergebnisse ein Prototyp eines statistischen Modells entwickelt. Die Modelldaten werden mit Hilfe der beobachteten Daten ausgewertet. In diesem Schritt des Projekts werden künstliche Intelligenz (KI) und maschinelles Lernen (ML) eingesetzt, um Reaktionsmodelle für den Demonstrator zu entwickeln. Durch die Einbeziehung von KI und ML werden die Reaktionsmodelle über Funktionen verfügen, die eine kontinuierliche Verbesserung der Reaktionen und damit der Zuverlässigkeit der Ergebnisse ermöglichen. Die technologische Fähigkeit von JCS, Berechnungen für jedes Schiff durchzuführen, fließt in diesen Teil des Projekts ein. Ein weiterer wichtiger Aspekt ist die Auswertung der Ergebnisse.

Der Demonstrator | Ergebnis

Der Demonstrator wird Hafenbetreibern helfen, Schiffsemissionen aus einer situationsbezogenen Perspektive zu verstehen, indem er auch die räumlich-zeitliche Dynamik von Schadstoffen und den Prozess ihrer Ausbreitung in städtische Gebiete erfasst. Darüber hinaus wird der Demonstrator Hafenbetreibern und politischen Entscheidungsträgern Entscheidungshilfen für die Reduzierung von Schiffsemissionen aus Sicht des Hafenbetriebs und des Seeverkehrsmanagements bieten. Gemeinsam werden die Partner aus Deutschland und Singapur die Anwendung dieser neu eingeführten Instrumente im weltweit verkehrsreichsten Umschlaghafen in Singapur und in einem großen deutschen Hafen bewerten. Der Vergleich wird auch die entsprechenden Strategien für das Seeverkehrsmanagement einbeziehen. Es ist geplant, Sensoren auf Schiffen zu installieren, um die Emissionsfaktoren in den Emissionskatastern der Schiffe zu validieren. Auch Landstationen, die mit Luftsensoren ausgestattet sind, werden ins Auge gefasst. Die Projektaktivität wird Singapur und Deutschland Erkenntnisse und Optionen für eine Zusammenarbeit bei der Bekämpfung der Luftverschmutzung durch den Schiffsverkehr liefern. Darüber hinaus könnte dieses Projekt eine Echtzeit- und genaue Überwachung des Emissionsstatus von Schiffen und Seeschiffen auf der Grundlage eines maritimen Big-Data-Ansatzes ermöglichen, auch ohne die Installation von Verschmutzungssensoren auf allen Schiffen.

Veranstaltungen / Statustreffen

MAREMIS-Statustreffen in Hamburg 05-2022

Am Mittwoch, dem 11. Mai, fand ein MAREMIS-Statustreffen statt. Das Treffen der deutschen Partner fand passenderweise in Hamburg in den Büros von FleetMon direkt gegenüber den Hafenanlagen statt. Da der MAREMIS-Demonstrator Hamburg und Singapur als Szenarien hat, waren alle Projektteilnehmer voll in die Situation eingetaucht.

Die folgenden Themen wurden erörtert und daraus wurden Aktionspunkte abgeleitet:

Diskussion über den Anwendungsfall und die Benutzerszenarien (Zielgruppe).
Detaillierte Darstellung des chemischen Transportmodells sowie der erforderlichen Eingabeparameter
Definition der variablen Benutzerparameter (UX/ UI) des Demonstrators
Technisches Backend für Datenverarbeitung und Visualisierung
Rasterauflösung der Emissionsausbreitung
Festlegung der maximalen räumlichen Ausdehnung des Untersuchungsgebiets
Festlegung der Schadstoffe, die letztendlich in die Untersuchung einbezogen werden sollen

Ergebnisse der Aufteilung der Ozonquellen (02-2022)

MAREMIS 2. binationales Statustreffen in Rostock-Warnemünde 01-2023

Am 16. und 17. Januar 2023 veranstaltete FleetMon das zweite binationale MAREMIS-Statustreffen in Rostock und Warnemünde. Als deutscher Projektkoordinator luden wir alle Partner zu einem Austausch über den Stand des Projektes ein. Unsere Partner aus Singapur waren eigens für diese Veranstaltung nach Rostock gereist. Die Diskussionen konzentrierten sich auf Ziele, Herausforderungen, Hauptforschungsfragen, erwartete Ergebnisse und Wirkungen.
Besuchen Sie unseren Blog, um mehr über das Statustreffen zu erfahren.

Autonome Sensorstation

FleetMon hat gemeinsam mit JULIUS Marine als Spezialist für Bojen und Fahrwasserbeleuchtungen im Jahr 2020 eine autonome Sensorstation entwickelt. Die Station ist nicht nur mit einer AIS-Empfangsantenne ausgestattet, sondern auch mit Solarzellen, einer sehr großen Batterie und stromverbrauchsoptimierten elektrischen Geräten. Die Station ist in der Lage, zahlreiche Sensoren aufzunehmen und die Daten über GSM (Global System for Mobile Communications) zu senden. Mehrere dieser Geräte werden mit Luftsensoren ausgestattet und im Untersuchungsgebiet platziert.