Ενεργειακή αποδοτικότητα στις θαλάσσιες μεταφορές χρησιμοποιώντας intelligent route planning και ανάλυση με Python

Abstract

Η εργασία παρουσιάζει ένα ολοκληρωμένο σύστημα ανάλυσης δεδομένων για τη βελτίωση της ενεργειακής αποδοτικότητας στις θαλάσσιες μεταφορές μέσω intelligent route planning. Ο πυρήνας της μεθόδου είναι η ενοποίηση πραγματικών δεδομένων AIS με μετεωρολογικές μετρήσεις (ταχύτητα ανέμου και ύψος κύματος), ώστε να προβλεφθεί με ακρίβεια η ταχύτητα πλεύσης (SOG) και να υπολογιστεί ο απαιτούμενος χρόνος ταξιδιού σε ρεαλιστικές θαλάσσιες διαδρομές. Το σύνολο δεδομένων καλύπτει την δεκαετή περίοδο 2015 έως 2024 στη περιοχή με γεωγραφικό μήκος 35° έως 42° και γεωγραφικό πλάτος από −77° έως −70° (περιοχή ΒΑ Αμερικής). Η προεπεξεργασία περιλαμβάνει τον καθαρισμό των δεδομένων, τον έλεγχο ακραίων τιμών καιρού, τη χαρτογράφηση των τύπων των πλοίων σε κατηγορίες και την επιλογή των πλοίων που έχουν τουλάχιστον την ταχύτητα των 4 κόμβων. Για την πρόβλεψη της ταχύτητας των πλοίων χρησιμοποιείται ένα ενιαίο μοντέλο Random Forest για όλα τα έτη, με χαρακτηριστικά εισόδου το γεωγραφικό μήκος και πλάτος (θέση), την ταχύτητα και τον τύπο των πλοίων, την ταχύτητα του ανέμου και το ύψος του κύματος στην περιοχή, αποκλείοντας τα πλοία με πολύ χαμηλή ταχύτητα και στόχο την εύρεση της ταχύτητας. Η εκπαίδευση και η αξιολόγηση του μοντέλου πρόβλεψης δείχνει μεγάλη ακρίβεια στην ταχύτητα (ΜΑΕ περίπου 1 κόμβος) και σε υψηλό ποσοστό ακρίβειας (R2 = 85%). Παράγονται επίσης αναλυτικά αποτελέσματα ανά κατηγορία πλοίου, αναδεικνύοντας τη σταθερή συμπεριφορά του μοντέλου. Στη συνέχεια, υλοποιήθηκε δρομολογητής (Route Planner) για την εύρεση διαδρομής μεταξύ δύο λιμανιών με τη χρήση γράφου κόμβων/ακμών, ο οποίος αποφεύγει τη ξηρά. Το σύστημα αποδίδει συνολικά την απόσταση του δρομολογίου δια θαλάσσης, υπολογίζοντας τον εκτιμώμενο χρόνο άφιξης και τη μέση ταχύτητα για την πλήρη διαδρομή, ενώ παρέχει χαρτογραφικές απεικονίσεις με χρωματική κωδικοποίηση της προβλεπόμενης ταχύτητας ανά σκέλος. Η συμβολή της εργασίας είναι διττή: (α) αποδεικνύει ότι η αξιοποίηση πραγματικών δεδομένων AIS και μετεωρολογίας (σε συνδυασμό με μοντέλο μηχανικής μάθησης) επιτρέπει ακριβείς και χρηστικές εκτιμήσεις ταχύτητας πλοίων και (β) ενσωματώνει τις εκτιμήσεις αυτές σε έναν πρακτικό δρομολογητή που αποτυπώνει ρεαλιστικές θαλάσσιες διαδρομές, προσφέροντας μετρήσιμα μεγέθη (απόσταση, χρόνος άφιξης και μέση ταχύτητα) για την τεκμηριωμένη λήψη αποφάσεων. Η υλοποίηση είναι σε γλώσσα προγραμματισμού Python, με ξεκάθαρη δομή φακέλων και αποθήκευση του εκπαιδευμένου μοντέλου, διευκολύνοντας την αναπαραγωγή και την ενσωμάτωση σε επιχειρησιακά περιβάλλοντα.