Menü
Bizi takip edin

MAREMIS - Gemilerden yayılan hava kirliliğinin ve dağılımının yapay zeka tabanlı hesaplanması.

İçindekiler

MAREMIS'in Özeti

Konsorsiyum, gemilerden kaynaklanan emisyonları (egzoz, balast suyu veya atık yok) azaltmak ve yerel hava kalitesini iyileştirmek için deniz taşımacılığının emisyonlarla ilgili yönlerini ölçmek, izlemek ve doğrulamak için Büyük Veri ve makine öğrenimi tabanlı modeller ve bir gösterici geliştiriyor. Projenin temeli Otomatik Tanımlama Sisteminden alınan veriler olduğu için doğrulama gereklidir. Bunlar kısmen hatalı olabilir veya gemi AIS'sini devre dışı bırakmış olabilir. Burada, AIS navigasyon durumu ile ilgili olarak bir dizi pozisyon sinyali olarak yörüngeler temelinde, gemilerin artık AIS'de tespit edilip edilemeyeceği veya AIS'lerini devre dışı bırakıp bırakmadıkları araştırılacaktır.

Gelişimin Özeti

Gerçek gemi hareketlerine ve sensör tabanlı emisyon verilerine dayanan bir gemi emisyon modeli geliştirecek ve uygulayacaktır. Gemi emisyon modeli, limanlardaki deniz trafiğinden kaynaklanan hava kirliliğini tahmin etmek için kullanılacaktır. Mekansal-zamansal emisyon dinamiklerini yansıtacak ve trafik emisyonlarını gerçek zamanlı olarak ve senaryolara göre izleyecektir. Bölgesel hava kalitesi üzerindeki etki, yani Kuzey Almanya bölgesi ve Güneydoğu Asya, bir kimyasal taşıma modeli kullanılarak analiz edilecektir, çünkü bu alanlar kentsel alanlara hava girdisine hakimdir. Büyük Veri analizi, simülasyon ve optimizasyon kullanarak liman operasyonları ve deniz trafiği yönetimindeki değişiklikler yoluyla emisyon azaltma stratejilerini mümkün kılmak için modeller geliştirilmeye devam edilecektir.

İlk durum

Singapur ve Hamburg dünyanın en büyük limanları arasında yer alıyor. Her yıl on binlerce gemi, şehrin ve ekonominin kalbinin attığı yerdir. Her iki liman da şehir merkezine çok yakındır ve bu nedenle bu şehirlerdeki hava kalitesi üzerinde güçlü bir etkiye sahiptir. Ancak bu aşamada etkinin derecesi tam olarak araştırılmamıştır. Bu belirlendikten sonra, hava kalitesini iyileştirmek için tavsiyelerde bulunulabilir.

Veri toplama ve sağlama

Proje için AIS verileri sağlanmalıdır. AIS telemetri verilerinin alınmasındaki olası tutarsızlıkları gidermek için doğrulama veya temizleme gereklidir. Bu, örneğin, farklı kaynaklardan gelen konum raporlarının sıralamasıyla ilgili sorunların yanı sıra olası iletim hatalarını veya sahteciliği de içerir. BT'de spoofing, bilgisayar ağlarında kişinin kendi kimliğini gizlemek için kullandığı çeşitli aldatma yöntemlerini ifade eder. Kullanılacak AIS verileri, göstericinin çalışması da dahil olmak üzere, projenin tüm süresi boyunca yüksek oranda kullanılabilir bir bellekte saklanmalıdır. Bu veriler hem Alman hem de SIN ortakları tarafından kullanılacaktır. Emisyon hesaplamasını mümkün kılmak için daha fazla gemi motoru verisi gereklidir. Bunlar, proje ortakları ile koordinasyon içinde yüksek kullanılabilirlikli bir depoda sağlanacaktır. Bu konu JCS ve DLR KN tarafından ele alınmaktadır.

Denizcilik emisyonlarının modellenmesi

Tarihsel ve güncel trafikten kaynaklanan emisyonların modellenmesi, limanlarda ve liman çevresinde deniz trafiğinden kaynaklanan hava kirliliğinin belirlenmesine ve değerlendirilmesine yardımcı olmaktadır. Emisyonları belirlemek için, trafik emisyonları belirlenmeli ve bir kimyasal taşıma modeli ile birleştirilmelidir. Bilinen veya düzenli gemi hareketleri temelinde, müdahale seçenekleri incelenir. Açıklandığı gibi bu, Singapur ve Hamburg limanlarında yöntem ve teknoloji gösterimi olarak bir proje anlamında test edilecektir. Başarılı bir şekilde uygulanması ve doğrulanması halinde, sonuçlar daha sonraki ürün geliştirmenin bir parçası olarak diğer limanlara aktarılabilecektir. Senaryolara dayalı olarak gemi trafiğinden kaynaklanan emisyonların modellenmesi, liman ortamında gemilerden kaynaklanan hava kirliliğinin değerlendirilmesini ve kontrol edilmesini sağlar. Müdahale durumları böylece test edilebilir ve trafik emisyonları bir kimyasal taşıma modeli ve uygun sınır koşulları ile birleştirilerek tahmin edilebilir. Bir gösteri sisteminde kullanım için yazılım modüllerinin uyarlanması gerekmektedir. Bu, demonstratörde çok çeşitli senaryoların test edilmesine olanak sağlayacaktır. Emisyon modeli DLR'nin sorumluluğundadır.

Kimya-iklim modeli

Birçok atmosferik kimyasal süreç oldukça doğrusal olmadığından, bir konumdaki belirli bir emisyonun (örneğin bir gemiden kaynaklanan) etkisi büyük ölçüde arka plan konsantrasyonuna bağlıdır. Gemi emisyonlarının bölgesel hava kalitesi üzerindeki etkisini değerlendirmek için, kara taşımacılığı emisyonları veya doğal emisyonlar gibi diğer emisyonların da iklim kimyası modeli tarafından hesaba katılması gerekir. Birçok doğal emisyon meteorolojinin bir fonksiyonu olarak doğrudan iklim kimyası modeli tarafından hesaplanırken, özellikle diğer antropojenik emisyonlar için harici veri setleri gereklidir. Buna gemi emisyonları da dahildir. Bir gemiden kaynaklanan emisyonların etkisi, diğer şeylerin yanı sıra kimyasal işlemeyi (kimyasal üretim ve kayıp süreçleri, biriktirme) ve eser maddelerin taşınmasını etkileyen meteorolojik koşullara büyük ölçüde bağlıdır. Buna ek olarak, kimyasal süreçler büyük ölçüde hava kütlelerinin kaynağına bağlıdır. Gemi emisyonlarının kuzey Almanya ve güneydoğu Asya'daki bölgesel hava kalitesi üzerindeki etkisini analiz etmek için, emisyonların dağılımının ve kimyasal dönüşümünün ayrıntılı simülasyonları gereklidir. Bu amaçla, küresel bir iklim-kimya modeli ile bölgesel bir iklim-kimya modelini birleştiren MECO(n) model sistemi kullanılmaktadır.

Sensör verilerinin entegrasyonu

Rutin hava kalitesi izleme ve limit ihlallerini tespit etmek için geniş kara tabanlı hava sensörü veri ağları mevcuttur. İstasyonların birçoğu ölçülen verileri neredeyse gerçek zamanlı olarak sağlamaktadır, ancak veriler doğal olarak yalnızca ilkel bir şekilde kalite kontrolünden geçirilmektedir. Buna ek olarak, mevcut tüm istasyonların proje için yararlı olmayabileceği de unutulmamalıdır. Örneğin, diğer emisyon kaynaklarına (trafik, sanayi) çok yakın olan istasyonlar bu kaynaklardan güçlü bir şekilde etkilenebilir. Kara tabanlı hava sensörlerine ek olarak, gemi tabanlı hava sensörleri her bir gemiden kaynaklanan gerçek kirletici emisyonları hakkında önemli bilgiler sağlar. Yeni yönetmelikler nedeniyle gemilere yaygın olarak monte edilen mevcut hava sensörlerinin kullanılması projenin olanaklarını genişletmektedir.

Yapay Zeka Tabanlı - Hava kalitesini etkileyen faktörlerin analizi

Göstericideki emisyon değişikliklerinin etkilerini ve gemi emisyonlarının bölgesel hava kalitesi üzerindeki etkisini haritalamak için gemi emisyonları, arka plan koşulları ve meteorolojik durum arasında basitleştirilmiş ilişkiler gereklidir. Bunu başarmak için simülasyon sonuçlarına dayalı bir istatistiksel model prototipi geliştirilecektir. Model verileri, gözlemlenen veriler yardımıyla değerlendirilecektir. Projenin bu adımında, yapay zeka (AI) ve makine öğrenimi (ML), gösterici için yanıt modelleri geliştirmek için kullanılacaktır. Yapay zeka ve makine öğreniminin dahil edilmesiyle, yanıt modelleri, yanıtların sürekli iyileştirilmesine ve dolayısıyla çıktıların güvenilirliğine olanak tanıyacak işlevselliğe sahip olacaktır. JCS'nin her bir gemi için hesaplama yapma konusundaki teknolojik kabiliyeti projenin bu bölümünü beslemektedir. Bir diğer önemli husus ise sonuçların değerlendirilmesidir.

Gösterici | Sonuç

Gösterici, kirleticilerin mekansal-zamansal dinamiklerini ve kentsel alanlara dağılma sürecini de yakalayarak liman operatörlerinin gemi emisyonlarını durumsal bir perspektiften anlamalarına yardımcı olacaktır. Gösterici ayrıca liman operatörlerine ve politika yapıcılara liman operasyonları ve deniz trafiği yönetimi perspektifinden gemi emisyonlarını azaltmak için karar desteği sağlayacaktır. Almanya ve Singapur'dan ortaklar birlikte, yeni uygulanan bu araçların Singapur'daki dünyanın en işlek aktarma limanına ve büyük bir Alman limanına uygulanmasını değerlendireceklerdir. Karşılaştırma, deniz trafiği yönetimi için ilgili stratejileri dikkate alacaktır. Gemi emisyon envanterlerindeki emisyon faktörlerini doğrulamak için gemilere sensörler yerleştirilmesi planlanmaktadır. Hava sensörleri ile donatılmış kıyı istasyonları da öngörülmektedir. Proje faaliyeti, Singapur ve Almanya'ya denizcilikten kaynaklanan hava kirliliğinin ele alınmasında işbirliği için içgörü ve seçenekler sağlayacaktır. Ayrıca bu proje, tüm gemilere kirlilik sensörleri yerleştirmeden bile, denizcilik Büyük Veri yaklaşımına dayalı olarak gemi ve denizcilik emisyon durumunun gerçek zamanlı ve doğru bir şekilde izlenmesini sağlayabilir.

Etkinlikler / Durum toplantısı

Hamburg'da MAREMIS durum toplantısı 05-2022

MAREMIS durum toplantısı 11 Mayıs Çarşamba günü gerçekleştirildi. Alman ortaklar arasındaki toplantı Hamburg'da, liman tesislerinin hemen karşısında bulunan FleetMon adresindeki ofislerde uygun bir şekilde gerçekleştirildi. MAREMIS demonstratörü Hamburg ve Singapur'u senaryo olarak ele aldığından, tüm proje katılımcıları durumun tam olarak içindeydi.

Aşağıdaki konular tartışıldı ve bunlardan eylem maddeleri türetildi:

  • Kullanım durumu ve kullanıcı senaryoları (hedef kitle) hakkında tartışma.
  • Kimyasal taşıma modelinin ve gerekli girdi parametrelerinin ayrıntılı sunumu
  • Göstericinin değişken kullanıcı parametrelerinin (UX/ UI) tanımı
  • Veri işleme ve görselleştirme için teknik arka uç
  • Emisyon yayılımının raster çözünürlüğü
  • Çalışma alanının maksimum uzamsal kapsamının tanımı
  • Nihai olarak araştırmaya dahil edilecek kirleticilerin belirlenmesi
Ozon kaynak dağılımı sonuçları (02-2022)

Otonom Sensör İstasyonu

FleetMon şamandıralar ve fairway aydınlatması konusunda uzman bir şirket olarak JULIUS Marine ile birlikte 2020 yılında otonom bir sensör istasyonu geliştirmiştir. İstasyon, bir AIS alıcı antenle donatılmasının yanı sıra güneş panelleri, çok büyük bir batarya ve güç tüketimi optimize edilmiş elektrikli cihazlarla donatılmıştır. İstasyon çok sayıda sensöre ev sahipliği yapabiliyor ve verileri GSM (Mobil İletişim için Küresel Sistem) aracılığıyla gönderebiliyor. Bu cihazlardan birkaçı hava sensörleri ile donatılacak ve çalışma alanına yerleştirilecektir.

İçindekiler

Almanca Proje Koordinatörü

JAKOTA Cruise Systems GmbH

FleetMon | Yedi Denizi Takip Ediyorum

Singapur Proje Koordinatörü

IHPC Singapur

Yüksek Performanslı Hesaplama Enstitüsü

Proje ortağı

Bergmann Denizcilik
BM - Bergmann Marine

Denizcilik danışmanlığı ve danışmanları

Deutsches Zentrum für Luft und Raumfahrt
DLR - PA

Atmosferik Fizik Enstitüsü

Deutsches Zentrum für Luft und Raumfahrt
DLR - KN

İletişim ve Navigasyon Enstitüsü

ShipFocus Grup

Bir Kimyasal Nakliye Uzmanı

faurecia | Singapur

Emisyon Kontrol Teknolojileri

Ortak ortak

IAPH
IAPH

Uluslararası Liman ve Limanlar Birliği

HPA
Hamburg Liman İdaresi

Hansa Kenti Hamburg Senatosu

Hochschule Wismar
HSW - Wismar Üniversitesi

Denizcilik, Sistem Mühendisliği ve Lojistik Bölümü

Ekipman Sağlayıcı

JULIUS Marine GmbH

seyir yardımcıları, şamandıralar, deniz fenerleri ve kilit sinyalizasyon sistemleri

Bundesministerium für Bildung und Forschung
GER Tarafından Finanse Edildi

BMBF - Federal Eğitim ve Araştırma Bakanlığı

SIN Tarafından Finanse Edildi

A*STAR | Bilim, Teknoloji ve Araştırma Ajansı

FONA
Proje Çerçevesi

FONA | Sürdürülebilirlik için Araştırma, Akıllı kentsel hareketlilik 2+2

Deutsches Zentrum für Luft und Raumfahrt
Organizatör

DLR - Proje Yönetimi

Resmi Proje Profili

Proje Süresi

Ağustos 2021 - Temmuz 2023

Finansman Hacmi

1,100,000 Euro

İletişim

Proje Logosu (.png, şeffaf)

Bu Projeyi Paylaş