排放，机器学习

MAREMIS - 基于人工智能计算船舶排放的空气污染及其散布。

MAREMIS的摘要

该联盟正在开发基于大数据和机器学习的模型和演示器，以测量、跟踪和验证海上运输的排放相关方面，以减少船舶的排放（废气、无压载水或废物），改善当地空气质量。需要进行验证，因为项目的基础是来自自动识别系统的数据。这些数据可能是部分错误的，或者船舶可能已经禁用其自动识别系统。这里要调查的是，根据作为与AIS导航状态有关的一串位置信号的轨迹，船舶是否不能再被AIS检测到，或者是否已经停用了AIS。

发展概述

它将根据真实的船舶运动和基于传感器的排放数据，开发和部署一个船舶排放模型。船舶排放模型将被用来估计港口的海上交通造成的空气污染。它将反映时空的排放动态，并实时跟踪交通排放情况。对区域空气质量的影响，即德国北部地区以及东南亚地区，将使用化学运输模型进行分析，因为这些地区在城市地区的空气输入中占主导地位。将继续开发模型，通过使用大数据分析、模拟和优化，改变港口运营和海上交通管理，实现减排战略。

初步情况

新加坡和汉堡是世界上最大的港口之一。每年数以万计的船只是城市和经济的心脏。这两个港口都离市中心很近，因此对这些城市的空气质量有很大影响。然而，在这个阶段，影响的程度还没有被充分调查。一旦确定了这一点，就可以提出建议来改善空气质量。

汉堡海上交通实况

数据采集和提供

必须为该项目提供AIS数据。验证或清理是必要的，以解决接收AIS遥测数据时可能出现的不一致。这包括，例如，来自不同来源的位置报告的顺序问题，以及可能的传输错误或欺骗。在IT领域，欺骗是指在计算机网络中的各种欺骗方法，以掩盖自己的身份。要使用的AIS数据必须在整个项目期间储存在一个高度可用的存储器中，包括演示器的运行。这些数据将由德国和中国的合作伙伴使用。为了能够进行排放计算，需要进一步的船舶发动机数据。这些数据将在与项目伙伴的协调下，以高度可用的存储方式提供。这个主题主要由JCS和DLR KN负责。

海上排放物的建模

对历史和当前交通的排放进行建模，有助于确定和评估港口和港口环境中海上交通的空气污染。为了确定排放，必须确定交通排放，并通过化学运输模型进行耦合。在已知的或定期的船舶运动的基础上，研究干预方案。正如所解释的，这将在新加坡和汉堡港作为方法和技术示范的项目意义上进行测试。如果成功实施和验证，其结果将可转移到其他港口，作为后续产品开发的一部分。根据情景对船舶交通的排放进行建模，可以评估和控制港口环境中船舶的空气污染。因此，可以测试干预案例，通过与化学传输模型和适当的边界条件耦合，可以预测交通排放。为了在示范系统中使用，必须对软件模块进行调整。这将允许在示范系统中测试各种各样的情况。排放模型由DLR负责。

化学-气候模型

由于许多大气化学过程是高度非线性的，一个地点的特定排放（如来自船舶的排放）的影响高度依赖于背景浓度。为了评估船舶排放对区域空气质量的影响，其他排放，如陆地运输排放或自然排放，也必须由气候化学模型来考虑。虽然许多自然排放是由气候化学模型直接计算的，作为气象学的一个函数，但需要外部数据集，特别是其他人为排放。这包括船舶排放。船舶排放的效果在很大程度上取决于气象条件，气象条件除其他外，还影响化学处理（化学生产和损失过程、沉积）以及微量物质的运输。此外，化学过程在很大程度上取决于气团的来源。为了分析船舶排放对德国北部和东南亚地区空气质量的影响，有必要对排放物的扩散和化学转化进行详细模拟。为此，我们使用了MECO(n)模型系统，它将一个全球气候化学模型和一个区域气候化学模型结合起来。

传感器数据的整合

现有广泛的陆上空气传感器数据网络，用于常规空气质量监测和检测违反限制的情况。许多站点提供近乎实时的测量数据，尽管这些数据自然只经过粗略的质量检查。此外，应该注意的是，并非所有可用的站点都对项目有用。例如，离其他排放源（交通、工业）很近的站点可能会受到这些排放源的强烈影响。除了陆基空气传感器，船基空气传感器提供了关于每艘船的实际污染物排放的重要信息。使用船上现有的空气传感器，由于较新的法规，这些传感器也被广泛安装，扩大了项目的可能性。

基于人工智能--分析影响空气质量的因素

为了绘制排放变化的效果和船舶排放对示范区区域空气质量的影响，需要简化船舶排放、背景条件和气象状况之间的关系。为了实现这一目标，将在模拟结果的基础上开发一个统计模型的原型。模型数据将在观测数据的帮助下进行评估。在项目的这一步，人工智能（AI）和机器学习（ML）将被用来为演示器开发响应模型。随着人工智能和ML的加入，反应模型将具有允许持续改进反应的功能，从而提高输出的可靠性。JCS为每艘船进行计算的技术能力将被纳入项目的这一部分。另一个主要方面是对结果的评估。

示范者｜成果

该演示器将帮助港口运营商从情景的角度理解船舶排放，同时捕捉污染物的时空动态及其在城市地区的扩散过程。该演示器将进一步为港口运营商和政策制定者提供决策支持，从港口运营和海上交通管理的角度减少船舶排放。来自德国和新加坡的合作伙伴将共同评估这些新实施的工具在世界最繁忙的新加坡转运港和德国一个主要港口的应用。这种比较将考虑到海上交通管理的相应策略。计划在船上安装传感器，以验证船舶排放清单中的排放因子。还设想在岸边站配备空气传感器。该项目活动将为新加坡和德国提供解决航运空气污染的见解和合作方案。此外，即使不在所有船舶上安装污染传感器，该项目也能根据海事大数据方法对船舶和海事排放状况进行实时和准确的监测。

活动/状况会议

在汉堡举行的MAREMIS状况会议 05-2022

5月11日星期三，举行了MAREMIS状况会议。德国合作伙伴之间的会议在汉堡举行，地点是港口设施正对面的FleetMon 办公室，非常合适。由于MAREMIS演示器以汉堡和新加坡为场景，所有项目参与者都完全沉浸在这种情况中。

会议讨论了以下议题，并从中得出了行动项目。

讨论用例和用户场景（目标受众）。
化学传输模型的详细介绍以及所需的输入参数
定义演示器的可变用户参数（UX/ UI）。
数据处理和可视化的技术后端
发射传播的光栅分辨率
界定研究区的最大空间范围
确定将最终纳入调查的污染物

臭氧源分摊的结果（02-2022年）

MAREMIS在罗斯托克-瓦内明德举行的第二届两国现状会议01-2023年

2023年1月16-17日，FleetMon在罗斯托克和瓦尔内明德组织了第二次两国MAREMIS状况会议。作为德国的项目协调人，我们邀请所有合作伙伴就项目状况进行交流。我们来自新加坡的合作伙伴专门为这次活动来到罗斯托克。讨论的重点是目标、挑战、主要研究问题、预期成果和影响。
请访问我们的博客，阅读更多关于状态会议的内容。

自主传感器站

FleetMon 作为浮标和航道照明的专业公司，JULIUS Marine与2020年共同开发了一个自主传感器站。除了配备AIS接收天线外，该站还配备了太阳能电池板、一个非常大的电池和耗电量优化的电气设备。该站能够容纳许多传感器，并通过GSM（全球移动通信系统）发送数据。这些设备中有几个将配备空气传感器，并放置在研究区域内。