Menu
Ikuti kami di

LEAS – dukungan keputusan sisi pantai untuk situasi lalu lintas dengan kapal yang sangat otomatis atau otonom menggunakan AI.

Daftar Isi

Pengenalan LEAS

Rute transportasi laut saat ini ditandai dengan meningkatnya digitalisasi dan otomatisasi di atas kapal. Pengembangan lebih lanjut dari sebagian hingga sangat menjadi kapal yang sepenuhnya otomatis dan otonom saat ini sedang diteliti di seluruh dunia dan diimplementasikan dalam pengembangan prototipe. Sejauh ini, sedikit perhatian telah diberikan pada integrasi teknis dan operasional kapal-kapal tersebut ke dalam sistem kapal konvensional dan layanan kontrol lalu lintas sisi pantai yang ada. Penggabungan rezim lalu lintas dan pemantauan sangat penting di dekat pantai dengan kepadatan lalu lintas yang tinggi, di mana keputusan kadang-kadang diperlukan dalam waktu sesingkat mungkin.

Ringkasan Perkembangan

LEAS berfokus pada desain, implementasi, dan demonstrasi layanan dukungan sisi pantai berdasarkan kecerdasan buatan (AI) untuk kapal konvensional hingga navigasi otonom dan mungkin tak berawak (lalu lintas campuran). Dengan demikian, skenario transportasi laut ditangani yang – terlepas dari beberapa studi simulasi – tidak ada pengalaman praktis tentang persyaratan dan prosedur operasional yang tersedia. Komponen dan modul penasihat yang dikembangkan harus didasarkan pada elemen yang bekerja dengan kecerdasan buatan (AI) dan diimplementasikan dalam antarmuka manusia-mesin (HMI) yang inovatif. Yang terakhir adalah untuk menunjukkan kepada operator manusia niat atau tujuan yang dikejar oleh sistem otomatis dan cara yang digunakan.

Situasi yang patut dicontoh

Contoh skenario keselamatan fiktif berikut digunakan untuk menggambarkan masalah dukungan sisi pantai untuk meningkatkan keselamatan dan efisiensi transportasi laut pesisir untuk situasi lalu lintas yang melibatkan kapal yang sangat otomatis atau otonom dalam kaitannya dengan pusat layanan lalu lintas kapal (VTS).

Thomas baru-baru ini berhasil menyelesaikan pelatihannya sebagai operator di pusat lalu lintas VTS. Dia adalah salah satu orang pertama yang mempraktikkan profesi ini tanpa melaut sendiri. Saat itu Oktober 2025, malam musim gugur dengan hujan dan angin kencang mendekat. Selain Thomas, ada dua karyawan lain yang bertugas, sehingga persyaratan manning minimum terpenuhi.

Dia menguasai 12 monitor dan sistem pendukung yang beragam dengan percaya diri karena dia dipersiapkan dengan baik melalui pelatihan. Secara rutin, ia mengamati lalu lintas hingga intensitas radio suara meningkat. Sebuah alarm muncul, menunjukkan bahwa sebuah kapal telah meninggalkan skema pemisahan lalu lintas (TTS) di dekat ladang angin di utara Helgoland. Kapal lain yang jelas sangat otomatis mendekat. Apakah ada seseorang di jembatan di sana? Apakah pusat pemantauan perusahaan pelayaran sendiri memperhatikan situasinya? Bahaya tabrakan mulai berkembang dengan kapal yang baru saja meninggalkan TTS. Tidak ada bukti manuver mengelak. Kapal otomatis sebagai pemegang kursus terus berlayar sesuai dengan aturan. Kapal lainnya, sebagai yang berkewajiban untuk mengambil tindakan mengelak, sekarang menyentuh batas keamanan ladang angin. Di sana tidak dalam, itulah sebabnya alarm untuk bahaya pembumian dipicu. Sementara itu, enam alarm berbeda telah dinaikkan di area pemantauan. Mana yang memiliki prioritas tertinggi, mana yang paling mendesak? Thomas harus memutuskan. Untung bahwa sistem pendukung keputusan berbasis AI sekarang tersedia baginya untuk tujuan ini.

Tujuan kerja ilmiah/teknis LEAS

  1. Dapatkah anomali dalam perilaku mengemudi kapal terdeteksi terutama dari data AIS menggunakan metode berbasis AI untuk pemantauan lalu lintas?
  2. Bagaimana AI dapat digunakan untuk menangkal eskalasi bahaya dalam situasi lalu lintas yang kompleks?
  3. Bagaimana AI dapat digunakan untuk mendeteksi dan menghilangkan pengaruh kesalahan yang terjadi saat menentukan data posisi kapal?
  4. Dapatkah AI digunakan untuk mencapai prediksi karakteristik manuver kapal yang lebih cepat dan lebih andal untuk pemantauan lalu lintas?
  5. Bagaimana seharusnya antarmuka manusia-mesin (HMI) dari sistem VTS yang dilengkapi dengan metode berbasis AI dirancang?
  6. Bagaimana sistem simulasi atau demonstran harus disusun untuk menggabungkan fungsionalitas AI dan digunakan untuk evaluasi?
  7. Apakah kerangka hukum saat ini cukup untuk menggunakan AI di ranah maritim untuk mendukung operator VTS?

Paket pekerjaan utama

Pemantauan lalu lintas dan aliran data

Peraturan nasional dan internasional serta dependensinya (misalnya, IMO/IALA) akan diringkas dan dianalisis. Secara khusus, peraturan yang muncul untuk MASS (Maritime Autonomous Surface Ships) akan dipertimbangkan. Kegiatan untuk pengembangan lebih lanjut dari operasi VTS akan dibandingkan dalam konteks internasional.

Konsep manajemen lalu lintas dan arsitektur sistem

Proses masa depan untuk transportasi campuran ditentukan dan dimodelkan. Selanjutnya, proposal untuk pusat VTS dalam menangani MASS dikembangkan. Spesifikasi termasuk format data, tingkat dan jarak transmisi serta format output dan model database. Selain itu, persyaratan data yang dikembangkan dan format data yang diusulkan akan diselaraskan dengan pedoman dan standar yang saat ini sedang dikembangkan (misalnya, Ringkasan IMO, spesifikasi IALA). Skenario lalu lintas akan ditentukan untuk memverifikasi kemampuan teknis modul.

Agregasi semua aliran data sangat penting untuk pengembangan modul AI. Perekaman data yang aman dan terstruktur memungkinkan pelatihan offline modul AI dan verifikasi nanti. Secara khusus, inkonsistensi dalam data dan outlier diidentifikasi dan dihapus. Selanjutnya, konsep untuk serah terima antara back- dan frontend untuk VTS berbasis web akan dikembangkan.

Demonstran membutuhkan pengembangan arsitektur perangkat lunak dan perangkat keras yang kuat. Antarmuka dan persyaratan teknis akan ditentukan. Selain itu, modul sistem akan didefinisikan dan pertukaran sensor, kesadaran situasional dan informasi rute antara kapal dan pantai serta integrasi sistem selanjutnya ke dalam solusi VTS saat ini akan ditentukan.

Antarmuka manusia-mesin untuk dukungan VTS berbasis AI

Dasarnya adalah ISO 9241-210 "Ergonomi interaksi manusia-sistem - Bagian 210: Desain yang berpusat pada manusia untuk sistem interaktif". Proses desain adalah prosedur berulang dengan pengoptimalan berkelanjutan dan adaptasi solusi desain berdasarkan evaluasi yang berpusat pada pengguna. Proses desain adalah prosedur berulang dengan pengoptimalan berkelanjutan dan adaptasi solusi desain berdasarkan evaluasi yang berpusat pada pengguna. Keterlibatan pengguna berlangsung dalam bentuk lokakarya dan wawancara.

Sistem dan modul pendukung keputusan berbasis AI

Paket kerja menyediakan semua data yang diperlukan untuk pengembangan modul AI. Selanjutnya, algoritma AI dikembangkan dan diverifikasi. Dengan demikian, ini mewakili paket kerja utama LEAS.
Selain itu, modul AI yang diperlukan untuk bagian proyek berbasis web akan dikembangkan di sini.

AI Modul 1 – Dukungan keputusan untuk pemilihan data posisi

  • Definisi kumpulan data pelatihan dan pengujian
  • Implementasi model perbandingan berdasarkan metode statistik klasik, misalnya: Penentuan kepadatan dalam histogram, Model Campuran Gaussian atau Mesin Vektor Dukungan Kelas Tunggal
  • Analisis kumpulan data untuk proyeksi yang berbeda dalam ruang parameter seperti: Elevasi, Sudut Azimuth, Rasio Sinyal terhadap Kerapatan Kebisingan, Jenis Satelit (GPS Blok 2 / 3), Satelit Tidak, Posisi Kapal, Orientasi Kapal.
  • Pemilihan setidaknya dua metode pembelajaran mendalam, misalnya menormalkan aliran
  • Peningkatan berulang model dengan optimasi hiperparameter
  • Perbandingan dengan model perbandingan klasik mengenai konsistensi semua model
  • Implementasi antarmuka ke HMI

Modul AI 2 – Eskalasi bahaya dan penilaian situasi

  • Ekstraksi situasi pertemuan historis
  • Penentuan bahaya suatu situasi dengan bantuan domain kapal dan nilai batas turunan
  • Penentuan momen terakhir yang mungkin dari suatu intervensi
  • Resolusi situasi berbahaya dengan prediksi manuver dengan Deep Learning
  • Verifikasi prosedur pembelajaran pasca-pemrosesan
  • Identifikasi dan manajemen yang aman dari situasi lalu lintas yang kompleks

Modul AI 3 – Deteksi Anomali Cerdas

  • Identifikasi pergerakan dan situasi kapal yang anomali dalam berbagai kondisi
  • Investigasi lintasan sehubungan dengan arah dan kecepatan
  • Penentuan titik intervensi sedini mungkin pada jalur kapal
  • Verifikasi prosedur pembelajaran pasca-pemrosesan

Modul AI 4 – Prediksi gerakan Kapal otonom

  • Klasifikasi kapal sebagai dasar untuk pengembangan AI.
  • Estimasi parameter untuk kelas kapal berdasarkan data AIS historis dan statistik serta sumber data lainnya menggunakan Deep Learning
  • Verifikasi set parameter untuk kelas kapal

Modul dukungan keputusan berbasis AI demonstran dengan HMI yang inovatif.

Di bagian pekerjaan ini, kedua demonstran dikembangkan. Mock-up HMI akan diimplementasikan, antarmuka antara modul AI dan front end HMI akan direalisasikan dan diintegrasikan ke dalam sistem simulasi untuk menciptakan lingkungan pengguna yang realistis yang dapat dievaluasi.
Untuk tujuan ini, modul AI disatukan dalam demonstran. Ini termasuk integrasi modul AI ke dalam sistem simulasi, pembuatan antarmuka antara data atau simulator real-time dan prototipe AI untuk memberikan data sensor dan informasi posisi yang realistis.
Selanjutnya, struktur dasar untuk infrastruktur VTS berbasis web dihasilkan.

Di tiga tempat, temuan LEAS akan diintegrasikan sebagai prototipe

  • Infrastruktur MSCW (Pusat Simulasi Maritim Warnemünde | | HSW Jerman)
  • Sistem simulator di Fraunhofer Center for Mairitme Logistics (CML | Hamburg | Jerman)
  • VTS Berbasis Web Lengkap di FleetMon (Rostock | Jerman)

Dalam paket pekerjaan ini, direncanakan untuk melanjutkan uji beban keamanan siber untuk infrastruktur VTS berbasis web.

Demonstran | Hasil

Dengan selesainya proyek, dimungkinkan untuk mengevaluasi efek MASS di pusat lalu lintas. Rekomendasi untuk tindakan juga dapat dibuat tentang bagaimana kapal yang sangat otomatis di masa depan harus ditampilkan di ujung depan. Perilaku mengemudi kapal-kapal khusus ini akan diprediksi menggunakan AI untuk memberikan gambaran situasi yang andal kepada operator.

Acara / Pertemuan status

Pertemuan kickoff digital yang diadakan pada 02-2022

Foto dari rapat online

Pada hari Jumat, 11 Februari 2022, pertemuan kickoff resmi untuk LEAS berlangsung. Karena Corona, ini harus dilakukan secara digital. Dalam 5 jam, konten pekerjaan individu dibahas dan langkah selanjutnya berasal dari ini. Semua mitra, semua mitra terkait dan lembaga pelaksana proyek hadir. Total, 25 orang terlibat dalam pertemuan tersebut. Dalam beberapa minggu mendatang, pembicaraan akan berlanjut dalam putaran yang lebih kecil. Secara keseluruhan, itu adalah pertemuan yang sangat sukses.

Lokakarya KI di Warnemuende pada HSW 05-2022

Pekerjaan pada penerapan kecerdasan buatan adalah salah satu aspek pekerjaan penting dalam proyek. Untuk kegiatan yang dinilai dalam AP4, lokakarya diadakan pada 19 Mei 2022 di bawah kepemimpinan DLR Neustrelitz. Untuk tujuan ini, semua mitra dan orang yang secara aktif terlibat dalam pembangunan bertemu di Warnemünde. Setelah mempresentasikan bagian AI individu, strategi untuk implementasi dibahas. Antarmuka ke demonstran juga ditinjau dan langkah-langkah kerja lebih lanjut berasal dari ini. Menjadi jelas bahwa tujuan yang ditetapkan sangat ambisius, tetapi pada saat yang sama tampaknya dapat dicapai. Setelah diskusi yang berlangsung sangat intensif selama tujuh jam, workshop dinyatakan berhasil diselesaikan.

Blog & Publikasi

Siaran Pers 02-2022

Didukung oleh EmbedPress

Daftar Isi

Koordinator Proyek

Fraunhofer FKIE

Institut Komunikasi, Pemrosesan Informasi dan Ergonomi

Mitra proyek

JAKOTA Sistem Pelayaran GmbH

FleetMon | Melacak tujuh Laut

Fraunhofer-Center für Maritime Logistik und Dienstleistungen CML
Fraunhofer CML

Pusat Logistik Maritim

Deutsches Zentrum für Luft und Raumfahrt
DLR - KN

Institut Komunikasi dan Navigasi

Deutsches Zentrum für Luft und Raumfahrt
DLR - MI

Institut Perlindungan Infrastruktur Maritim

Hochschule Wismar
HSW - Universitas Wismar

Departemen Studi Maritim, Rekayasa Sistem dan Logistik

Marinir Bergmann
BM - Marinir Bergmann

Konsultan dan penasihat maritim

Mitra asosiasi Jerman

BMDV

Kementerian Federal Jerman untuk Urusan Digital dan Transportasi

Verband deutscher Reeder
VDR

Asosiasi Pemilik Kapal Jerman

IBM Jerman

Pengembangan AI dan Analisis Maritim

IN - navigasi inovatif GmbH
IN - Navigasi inovatif

navigasi inovatif GmbH

WSV
WSA

Weser-Jade-Nordsee, Saluran Air dan Otoritas Pengiriman Republik Federal Jerman

GWDS

Direktorat Jenderal Perairan dan Perkapalan

Mitra kerjasama internasional

NRSI
NSRI | ZA

Institut Penyelamatan Laut Nasional

ZPA
ZMA | TZ

Otoritas Maritim Zanzibar

Puerto Bahia Blanca | Arg

Operasi Pelabuhan

| Analisis SANBORN Amerika Serikat

Perusahaan Pengawasan Maritim

Penyedia Peralatan

JULIUS Marinir GmbH

alat bantu navigasi, pelampung, lentera laut, dan sistem pensinyalan kunci

Bundesministerium für Bildung und Forschung
Didanai oleh

BMBF - Kementerian Pendidikan dan Penelitian Federal

Kerangka Kerja Proyek

Program penelitian keamanan sipil

Promotor

Inovasi VDI/VDE + Technik

Profil Proyek Resmi

Durasi Proyek

Januari 2022 – Dez 2024

Volume Pendanaan

3.800.000 Euro

Hubungi Koordinator Proyek

Kontak di FleetMon

Logo Proyek (.png, transparan)

Bagikan Proyek Ini