Menu
Siga-nos em

MAREMIS - Cálculo baseado na IA da poluição atmosférica emitida pelos navios e a sua dispersão.

Tabela de Conteúdos

Abstrato de MAREMIS

O consórcio está a desenvolver modelos baseados na aprendizagem de grandes dados e máquinas e um demonstrador para medir, seguir e validar aspectos relacionados com as emissões do transporte marítimo para reduzir as emissões (escape, sem água de lastro ou resíduos) dos navios e melhorar a qualidade do ar local. A validação é necessária porque a base para o projecto são os dados do Sistema de Identificação Automática. Estes podem estar parcialmente errados ou o navio pode ter desactivado o seu AIS. Deve ser investigado aqui se, com base nas trajectórias como uma sequência de sinais de posição em relação ao estado de navegação do AIS, os navios já não podem ser detectados no AIS ou se desactivaram o seu AIS.

Resumo do Desenvolvimento

Desenvolverá e implementará um modelo de emissões de navios baseado em movimentos reais de navios e em dados de emissões baseados em sensores. O modelo de emissões de navios será utilizado para estimar a poluição atmosférica proveniente do tráfego marítimo nos portos. Reflectirá a dinâmica espaço-temporal das emissões e rastreará as emissões do tráfego em tempo real e contra cenários. O impacto na qualidade do ar regional, ou seja, na região do Norte da Alemanha, bem como no Sudeste Asiático, será analisado utilizando um modelo de transporte químico, uma vez que estas áreas dominam a entrada de ar nas áreas urbanas. Os modelos continuarão a ser desenvolvidos para permitir estratégias de redução de emissões através de alterações nas operações portuárias e na gestão do tráfego marítimo, utilizando a análise, simulação e optimização de Grandes Dados.

Situação inicial

Singapura e Hamburgo estão entre os maiores portos do mundo. As dezenas de milhares de navios por ano são o pulsar do coração da cidade e da economia. Ambos os portos estão muito próximos do centro da cidade e, portanto, têm um forte impacto na qualidade do ar nestas cidades. No entanto, o grau de impacto ainda não foi totalmente investigado nesta fase. Uma vez determinado isto, podem ser feitas recomendações para melhorar a qualidade do ar.

Reproduzir vídeo

Aquisição e fornecimento de dados

Os dados AIS devem ser fornecidos para o projecto. A validação ou limpeza é necessária para resolver possíveis inconsistências na recepção de dados de telemetria AIS. Isto inclui, por exemplo, problemas com a ordem dos relatórios de posição de diferentes fontes, assim como possíveis erros de transmissão ou falsificações. Em TI, a falsificação refere-se a vários métodos de engano em redes informáticas para esconder a própria identidade. Os dados AIS a serem utilizados devem ser armazenados numa memória altamente disponível durante toda a duração do projecto, incluindo a operação demonstradora. Estes dados serão utilizados tanto pelos parceiros alemães como pelo SIN. A fim de permitir o cálculo das emissões, são necessários mais dados do motor do navio. Estes serão fornecidos num armazenamento altamente disponível, em coordenação com os parceiros do projecto. Este Tópico é tratado por JCS e DLR KN.

Modelação das emissões marítimas

A modelização das emissões do tráfego histórico e actual ajuda a determinar e avaliar a poluição atmosférica do tráfego marítimo nos portos e no ambiente portuário. A fim de determinar as imissões, as emissões do tráfego devem ser determinadas e acopladas através de um modelo de transporte químico. Com base nos movimentos conhecidos ou regulares dos navios, são examinadas as opções de intervenção. Tal como explicado, isto será testado no sentido de um projecto como métodos e demonstração tecnológica no porto de Singapura e Hamburgo. Se implementado e validado com sucesso, os resultados seriam transferíveis para outros portos como parte do desenvolvimento subsequente do produto. A modelização das emissões do tráfego de navios com base em cenários permite a avaliação e controlo da poluição atmosférica dos navios no ambiente portuário. Os casos de intervenção podem assim ser testados, e as emissões do tráfego podem ser previstas, associando-as a um modelo de transporte químico e condições de fronteira adequadas. Para a utilização num sistema de demonstração, os módulos de software têm de ser adaptados. Isto permitirá que uma grande variedade de cenários seja testada no demonstrador. O modelo de emissões é da responsabilidade da DLR.

O modelo químico-climático

Uma vez que muitos processos químicos atmosféricos são altamente não lineares, o efeito de uma emissão específica (por exemplo, de um navio) num local é altamente dependente da concentração de fundo. A fim de avaliar o efeito das emissões de navios na qualidade do ar regional, outras emissões, tais como emissões dos transportes terrestres ou emissões naturais, devem também ser contabilizadas pelo modelo da química climática. Enquanto muitas emissões naturais são calculadas directamente pelo modelo da química climática em função da meteorologia, são necessários conjuntos de dados externos, particularmente para outras emissões antropogénicas. Isto inclui as emissões de navios. O efeito das emissões de um navio depende fortemente das condições meteorológicas, que, entre outras coisas, influenciam o processamento químico (produção química e processos de perda, deposição), bem como o transporte de substâncias vestigiais. Além disso, os processos químicos dependem fortemente da origem das massas de ar. A fim de analisar o impacto das emissões de navios na qualidade do ar regional no norte da Alemanha e sudeste da Ásia, são necessárias simulações detalhadas da dispersão e transformação química das emissões. Para este fim, é utilizado o sistema modelo MECO(n), que combina um modelo climato-químico global com um modelo climato-químico regional.

Integração de dados de sensores

Existem amplas redes de dados de sensores aéreos terrestres para a monitorização de rotina da qualidade do ar e para a detecção de violações de limites. Muitas das estações fornecem os dados medidos em tempo quase real, embora os dados sejam, por isso, naturalmente, apenas rudimentarmente verificados em termos de qualidade. Além disso, é de notar que nem todas as estações disponíveis podem ser úteis para o projecto. Por exemplo, estações localizadas muito próximas de outras fontes de emissão (tráfego, indústria) podem ser fortemente influenciadas por estas fontes. Para além dos sensores aéreos terrestres, os sensores aéreos baseados em navios fornecem informações importantes sobre as emissões poluentes reais de cada navio. A utilização de sensores aéreos existentes em navios, que também são amplamente instalados devido a novos regulamentos, expande as possibilidades do projecto.

Baseado na IA - Análise dos factores que influenciam a qualidade do ar

A fim de mapear os efeitos das alterações de emissões e o impacto das emissões de navios na qualidade do ar regional no demonstrador, são necessárias relações simplificadas entre as emissões de navios, as condições de fundo e a situação meteorológica. Para o conseguir, será desenvolvido um protótipo de um modelo estatístico baseado nos resultados da simulação. Os dados do modelo serão avaliados com a ajuda dos dados observados. Nesta etapa do projecto, a inteligência artificial (IA) e a aprendizagem de máquinas (ML) serão utilizadas para desenvolver modelos de resposta para o demonstrador. Com a incorporação de IA e ML, os modelos de resposta terão uma funcionalidade que permitirá uma melhoria contínua das respostas e, consequentemente, a fiabilidade dos resultados. A capacidade tecnológica do JCS de calcular para cada navio alimenta esta secção do projecto. Outro aspecto importante é a avaliação dos resultados.

O Demonstrador | Resultado

O demonstrador ajudará os operadores portuários a compreender as emissões de navios de uma perspectiva situacional, capturando também a dinâmica espaço-temporal dos poluentes e o processo da sua dispersão em áreas urbanas. O demonstrador fornecerá ainda apoio à decisão dos operadores portuários e dos decisores políticos no sentido de reduzir as emissões de navios do ponto de vista das operações portuárias e da gestão do tráfego marítimo. Em conjunto, os parceiros da Alemanha e Singapura avaliarão a aplicação destas ferramentas recentemente implementadas ao porto de transbordo mais movimentado do mundo em Singapura e a um grande porto alemão. A comparação terá em conta as estratégias correspondentes de gestão do tráfego marítimo. Está prevista a instalação de sensores nos navios para validar os factores de emissão nos inventários de emissões dos navios. Estão também previstas estações costeiras equipadas com sensores aéreos. A actividade do projecto proporcionará a Singapura e à Alemanha conhecimentos e opções de cooperação no tratamento da poluição atmosférica proveniente da navegação. Além disso, este projecto poderá permitir a monitorização em tempo real e precisa do estado das emissões de navios e marítimas com base numa abordagem marítima de Grandes Dados, mesmo sem a instalação de sensores de poluição em todos os navios.

Eventos / Reunião de estado

Reunião de estatuto MAREMIS em Hamburgo 05-2022

Na quarta-feira, 11 de Maio, realizou-se uma reunião de estatuto MAREMIS. A reunião entre os parceiros alemães realizou-se adequadamente em Hamburgo, nos escritórios de FleetMon directamente em frente às instalações portuárias. Como o demonstrador MAREMIS tem Hamburgo e Singapura como cenários, todos os participantes do projecto estiveram completamente imersos na situação.

Foram discutidos os seguintes tópicos e deles derivaram os itens de acção:

  • Discussão sobre o caso de utilização e cenários de utilização (público alvo).
  • Apresentação detalhada do modelo de transporte químico, bem como dos parâmetros de entrada necessários
  • Definição dos parâmetros variáveis do utilizador (UX/ UI) do demonstrador
  • Back-end técnico para processamento e visualização de dados
  • Resolução raster da propagação das emissões
  • Definição da extensão espacial máxima da área de estudo
  • Fixação dos poluentes que serão finalmente incluídos na investigação
Resultados da repartição das fontes de ozono (02-2022)

Estação Sensora Autónoma

FleetMon desenvolveu uma estação de sensores autónoma em 2020 juntamente com a JULIUS Marine como empresa especializada em bóias e iluminação de fairway. Para além de estar equipada com uma antena de recepção AIS, a estação é caracterizada por painéis solares, uma bateria muito grande e dispositivos eléctricos optimizados em termos de consumo de energia. A estação é capaz de alojar numerosos sensores e enviar os dados via GSM (Global System for Mobile Communications). Vários destes dispositivos serão equipados com sensores de ar e colocados na área de estudo.

Tabela de Conteúdos

Coordenador do Projecto Alemão

JAKOTA Cruise Systems GmbH

FleetMon | Rastreamento dos sete mares

Coordenador do Projecto de Singapura

IHPC Singapura

Instituto de Computação de Alto Desempenho

Parceiro do projecto

Bergmann Marine
BM - Bergmann Marine

Consultores e conselheiros marítimos

Deutsches Zentrum für Luft und Raumfahrt
DLR - PA

Instituto de Física Atmosférica

Deutsches Zentrum für Luft und Raumfahrt
DLR - KN

Instituto de Comunicação e Navegação

Grupo ShipFocus

Um Especialista em Transporte Químico

faurecia | Singapura

Tecnologias de Controlo de Emissões

Parceiro associado

IAPH
IAPH

Associação Internacional de Portos e Portos de Recreio

HPA
Autoridade Portuária de Hamburgo

Senado da Cidade Hanseática de Hamburgo

Hochschule Wismar
HSW - Universidade de Wismar

Departamento de Estudos Marítimos, Engenharia de Sistemas e Logística

Fornecedor de equipamento

JULIUS Marine GmbH

ajudas à navegação, bóias, lanternas marítimas e sistemas de sinalização de eclusas

Bundesministerium für Bildung und Forschung
RGE Financiado por

BMBF - Ministério Federal da Educação e Investigação

SIN Financiado por

A*STAR | Agência para a Ciência, Tecnologia e Investigação

FONA
Estrutura do projecto

FONA | Investigação para a sustentabilidade, Mobilidade urbana inteligente 2+2

Deutsches Zentrum für Luft und Raumfahrt
Promotor

DLR - Gestão de Projekt

Perfil Oficial do Projecto

Duração do projecto

Ago 2021 - Jul 2023

Volume de financiamento

1,100,000 Euros

Contacto

Logotipo do projecto (.png, transparente)

Partilhar este projecto