Menu
Suivez-nous sur

MAREMIS - Calcul basé sur l'IA de la pollution atmosphérique émise par les navires et de sa dispersion.

Table des matières

Résumé de MAREMIS

Le consortium développe des modèles basés sur le Big Data et l'apprentissage automatique ainsi qu'un démonstrateur pour mesurer, suivre et valider les aspects du transport maritime liés aux émissions afin de réduire les émissions (échappement, pas d'eau de ballast ou de déchets) des navires et d'améliorer la qualité de l'air local. La validation est nécessaire car la base du projet est constituée de données provenant du système d'identification automatique. Celles-ci peuvent être partiellement erronées ou le navire peut avoir désactivé son AIS. Il s'agit ici d'examiner si, sur la base des trajectoires en tant que chaîne de signaux de position par rapport à l'état de navigation AIS, les navires ne peuvent plus être détectés dans l'AIS ou s'ils ont désactivé leur AIS.

Résumé de l'évolution

Il développera et déploiera un modèle d'émission des navires basé sur les mouvements réels des navires et les données d'émission des capteurs. Le modèle d'émission des navires sera utilisé pour estimer la pollution atmosphérique due au trafic maritime dans les ports. Il reflétera la dynamique spatio-temporelle des émissions et permettra de suivre les émissions du trafic en temps réel et en fonction de scénarios. L'impact sur la qualité de l'air régional, c'est-à-dire la région du nord de l'Allemagne ainsi que l'Asie du Sud-Est, sera analysé à l'aide d'un modèle de transport chimique, car ces régions dominent l'apport d'air aux zones urbaines. Les modèles continueront d'être développés pour permettre des stratégies de réduction des émissions par des changements dans les opérations portuaires et la gestion du trafic maritime en utilisant l'analyse, la simulation et l'optimisation du Big Data.

Situation initiale

Singapour et Hambourg comptent parmi les plus grands ports du monde. Les dizaines de milliers de navires qui y transitent chaque année font battre le cœur de la ville et de l'économie. Les deux ports sont très proches du centre-ville et ont donc un fort impact sur la qualité de l'air dans ces villes. Toutefois, le degré d'impact n'a pas été entièrement étudié à ce stade. Une fois qu'il aura été déterminé, des recommandations pourront être faites pour améliorer la qualité de l'air.

Acquisition et fourniture de données

Les données AIS doivent être fournies pour le projet. La validation ou le nettoyage est nécessaire pour résoudre les incohérences possibles dans la réception des données de télémétrie AIS. Il s'agit, par exemple, de problèmes liés à l'ordre des rapports de position provenant de différentes sources, ainsi que d'éventuelles erreurs de transmission ou d'usurpation. En informatique, l'usurpation d'identité désigne diverses méthodes de tromperie dans les réseaux informatiques pour dissimuler sa propre identité. Les données AIS à utiliser doivent être stockées dans une mémoire hautement disponible pendant toute la durée du projet, y compris l'exploitation du démonstrateur. Ces données seront utilisées à la fois par le partenaire allemand et le partenaire du NAS. Afin de permettre le calcul des émissions, d'autres données sur les moteurs des navires sont nécessaires. Celles-ci seront fournies dans un stockage hautement disponible en coordination avec les partenaires du projet. Ce sujet est géré par le JCS et le DLR KN.

Modélisation des émissions maritimes

La modélisation des émissions du trafic historique et actuel permet de déterminer et d'évaluer la pollution atmosphérique due au trafic maritime dans les ports et l'environnement portuaire. Afin de déterminer les immissions, les émissions du trafic doivent être déterminées et couplées via un modèle de transport chimique. Sur la base des mouvements de navires connus ou réguliers, les possibilités d'intervention sont examinées. Comme expliqué, ceci sera testé dans le sens d'un projet de démonstration de méthodes et de technologies dans les ports de Singapour et de Hambourg. S'ils sont mis en œuvre et validés avec succès, les résultats seront transférables à d'autres ports dans le cadre du développement ultérieur du produit. La modélisation des émissions du trafic maritime sur la base de scénarios permet d'évaluer et de contrôler la pollution atmosphérique due aux navires dans l'environnement portuaire. Des cas d'intervention peuvent ainsi être testés, et les émissions du trafic peuvent être prédites en les couplant avec un modèle de transport chimique et des conditions aux limites appropriées. Pour l'utilisation dans un système de démonstration, les modules du logiciel doivent être adaptés. Cela permettra de tester une grande variété de scénarios dans le démonstrateur. Le modèle d'émission est sous la responsabilité du DLR.

Le modèle chimie-climat

Comme de nombreux processus chimiques atmosphériques sont hautement non linéaires, l'effet d'une émission spécifique (par exemple, celle d'un navire) à un endroit donné dépend fortement de la concentration de fond. Afin d'évaluer l'effet des émissions des navires sur la qualité de l'air régional, d'autres émissions, telles que les émissions du transport terrestre ou les émissions naturelles, doivent également être prises en compte par le modèle de chimie du climat. Alors que de nombreuses émissions naturelles sont calculées directement par le modèle de chimie du climat en fonction de la météorologie, des ensembles de données externes sont nécessaires, en particulier pour les autres émissions anthropiques. Cela inclut les émissions des navires. L'effet des émissions d'un navire dépend fortement des conditions météorologiques, qui, entre autres, influencent le traitement chimique (processus de production et de perte de substances chimiques, dépôt) ainsi que le transport des substances à l'état de traces. En outre, les processus chimiques dépendent fortement de l'origine des masses d'air. Afin d'analyser l'impact des émissions des navires sur la qualité de l'air régional en Allemagne du Nord et en Asie du Sud-Est, des simulations détaillées de la dispersion et de la transformation chimique des émissions sont nécessaires. À cette fin, le système de modèle MECO(n) est utilisé, qui combine un modèle climatique-chimique global avec un modèle climatique-chimique régional.

Intégration des données des capteurs

De vastes réseaux de capteurs terrestres existent pour la surveillance de routine de la qualité de l'air et pour la détection des dépassements de limites. Un grand nombre de ces stations fournissent les données mesurées en temps quasi réel, bien que ces données ne fassent naturellement l'objet que d'un contrôle de qualité rudimentaire. En outre, il convient de noter que toutes les stations disponibles ne sont pas forcément utiles pour le projet. Par exemple, les stations qui sont situées très près d'autres sources d'émission (trafic, industrie) peuvent être fortement influencées par ces sources. En plus des capteurs d'air terrestres, les capteurs d'air sur les navires fournissent des informations importantes sur les émissions réelles de polluants de chaque navire. L'utilisation des capteurs d'air existants sur les navires, qui sont également largement installés en raison des nouvelles réglementations, élargit les possibilités du projet.

Basé sur l'IA - Analyse des facteurs influençant la qualité de l'air

Afin de cartographier les effets des modifications des émissions et l'impact des émissions des navires sur la qualité de l'air régional dans le démonstrateur, des relations simplifiées entre les émissions des navires, les conditions de fond et la situation météorologique sont nécessaires. Pour y parvenir, un prototype de modèle statistique sera développé sur la base des résultats de la simulation. Les données du modèle seront évaluées à l'aide des données observées. Dans cette étape du projet, l'intelligence artificielle (IA) et l'apprentissage automatique (ML) seront utilisés pour développer des modèles de réponse pour le démonstrateur. Avec l'incorporation de l'IA et de l'apprentissage automatique, les modèles de réponse auront une fonctionnalité qui permettra une amélioration continue des réponses et donc de la fiabilité des résultats. La capacité technologique du JCS à calculer pour chaque navire alimente cette section du projet. Un autre aspect important est l'évaluation des résultats.

Le démonstrateur | Résultat

Le démonstrateur aidera les opérateurs portuaires à comprendre les émissions des navires d'un point de vue situationnel en capturant également la dynamique spatio-temporelle des polluants et le processus de leur dispersion dans les zones urbaines. Le démonstrateur fournira en outre une aide à la décision aux opérateurs portuaires et aux décideurs politiques pour réduire les émissions des navires du point de vue des opérations portuaires et de la gestion du trafic maritime. Ensemble, les partenaires d'Allemagne et de Singapour évalueront l'application de ces outils nouvellement mis en œuvre dans le port de transbordement le plus fréquenté du monde à Singapour et dans un grand port allemand. La comparaison tiendra compte des stratégies correspondantes de gestion du trafic maritime. Il est prévu d'installer des capteurs sur les navires pour valider les facteurs d'émission dans les inventaires d'émissions des navires. Des stations à terre équipées de capteurs atmosphériques sont également envisagées. L'activité du projet fournira à Singapour et à l'Allemagne des idées et des options de coopération pour lutter contre la pollution atmosphérique due au transport maritime. En outre, ce projet pourrait permettre un suivi en temps réel et précis de l'état des émissions des navires et du transport maritime sur la base d'une approche de Big Data maritime, même sans installer de capteurs de pollution sur tous les navires.

Événements / Réunion d'étape

Réunion d'étape MAREMIS à Hambourg 05-2022

Une réunion d'étape sur MAREMIS s'est tenue le mercredi 11 mai. La réunion entre les partenaires allemands s'est tenue comme il se doit à Hambourg, dans les bureaux de FleetMon , juste en face des installations portuaires. Comme le démonstrateur MAREMIS a pour scénarios Hambourg et Singapour, tous les participants au projet ont été totalement immergés dans la situation.

Les sujets suivants ont été abordés et des mesures à prendre en découlent :

  • Discussion sur le cas d'utilisation et les scénarios d'utilisation (public cible).
  • Présentation détaillée du modèle de transport chimique ainsi que des paramètres d'entrée requis
  • Définition des paramètres variables de l'utilisateur (UX/UI) du démonstrateur
  • Back-end technique pour le traitement et la visualisation des données
  • Résolution matricielle de la propagation des émissions
  • Définition de l'étendue spatiale maximale de la zone d'étude
  • Fixation des polluants qui seront finalement inclus dans l'enquête.
Résultats de la répartition des sources d'ozone (02-2022)

Station de capteurs autonomes

FleetMon a développé une station de capteurs autonomes en 2020 en collaboration avec JULIUS Marine, une entreprise spécialisée dans les bouées et les feux de chenaux. En plus d'être équipée d'une antenne de réception AIS, la station est dotée de panneaux solaires, d'une très grande batterie et d'appareils électriques à consommation optimisée. La station est capable d'accueillir de nombreux capteurs et d'envoyer les données par GSM (Global System for Mobile Communications). Plusieurs de ces dispositifs seront équipés de capteurs aériens et placés dans la zone d'étude.

Table des matières

Coordinateur de projet allemand

JAKOTA Cruise Systems GmbH

FleetMon | Suivre les sept mers

Coordinateur de projet à Singapour

IHPC Singapour

Institut du calcul de haute performance

Partenaire du projet

Bergmann Marine
BM - Bergmann Marine

Consultants et conseillers maritimes

Deutsches Zentrum für Luft und Raumfahrt (Centre allemand pour l'aviation et le vol)
DLR - PA

Institut de physique de l'atmosphère

Deutsches Zentrum für Luft und Raumfahrt (Centre allemand pour l'aviation et le vol)
DLR - KN

Institut des communications et de la navigation

Groupe ShipFocus

Un spécialiste de l'expédition de produits chimiques

faurecia | Singapour

Technologies de contrôle des émissions

Partenaire associé

IAPH
IAPH

Association internationale des ports et rades

HPA
Autorité portuaire de Hambourg

Sénat de la ville hanséatique de Hambourg

Hochschule Wismar
HSW - Université de Wismar

Département des études maritimes, de l'ingénierie des systèmes et de la logistique

Fournisseur d'équipement

JULIUS Marine GmbH

aides à la navigation, bouées, lanternes marines et systèmes de signalisation des écluses

Ministère fédéral de l'Éducation et de la Recherche (Bundesministerium für Bildung und Forschung)
GER Financé par

BMBF - Ministère fédéral de l'éducation et de la recherche

NAS Financé par

A*STAR | Agence pour la science, la technologie et la recherche

FONA
Cadre du projet

FONA | Recherche pour la durabilité, Mobilité urbaine intelligente 2+2

Deutsches Zentrum für Luft und Raumfahrt (Centre allemand pour l'aviation et le vol)
Promoteur

DLR - Gestion du projet

Profil officiel du projet

Durée du projet

Août 2021 - Juillet 2023

Volume de financement

1 100 000 euros

Contact

Logo du projet (.png, transparent)

Partager ce projet