理大应用人工智能与数据科学 推动海事航运业智能化及可持续发展

面对复杂多变的国际环境，海事航运业需要更高效和精准的数据收集和分析技术，以提升行业管理的效率。香港理工大学（理大）海事数据与可持续发展中心研究团队应用人工智能与大数据技术开发出多项创新工具，包括以创新技术估算本港船舶避风泊位供求，提升船舶监察和紧急管理效率；利用船舶自动识别系统，实时评估港口挤塞指数等海事统计数据，构建航运大数据分析平台；以及应用航迹分析技术，有效识别非法捕鱼的渔船。有关研究不但为政府及业界提供创新管理方案，更有助推动海事航运业的智能化和可持续发展。

自动识别船只 估算避风泊位供求

作为频繁受台风影响的沿海城市，香港必须采取有效的预防措施以保障船舶的安全。理大物流及航运学系副系主任丶副教授兼海事数据与可持续发展中心总监杨冬教授带领的团队，与香港海事处合作开发的创新技术，利用无人机航拍本地船只影像，结合基於深度学习的电脑图像视觉演算法，自动识别及分类船只，识别成功率高达98.6%。这新技术已被用於预测2022至2035年间本地船舶避风泊位的供求情况，以优化港口泊位管理设计方案。该方法显着提升政府对本地船只及避风泊位的监察与紧急管理效率，同时大幅减少人力和时间成本。

研究成果已获香港海事处采纳，作为本地避风塘规划的技术参考，协助政府制定避风塘设施规划，为沿海船舶的数码化管理建立基准，更可应用於港口国监督检查及港口挤塞管理，应用前景广泛。未来，团队将进一步开发基於视频和图像的数据收集和处理的技术，并结合深度学习演算法，构建智能化的船舶及航运水域监管系统。目前，团队已收集逾50,000张本地船舶的图像资料，为日後研究与分析奠下坚实基础。

结合智能演算法  计算港口挤塞指数

要准确丶及时地获取港口拥堵丶航线连通性等海事统计数据是业界面对的主要挑战之一。然而，传统人工统计数据容易出错，由行政机构或港口部门发布的宏观资讯，常常出现延误且不够全面。

为此，杨冬教授及其团队与清华大学团队联手，利用船舶自动识别系统数据，并应用大数据分析算法，构建覆盖全球的多层次航运及贸易网络数据库，开发出可实时计算港口挤塞指数丶连通性指数及装卸效率等关键指标的航运监管平台。该研究大幅拓展了海事大数据的应用场景，从微观到宏观层面反映航运现况，精确捕捉行业动态，为海事营运分析及决策提供可靠依据，助力行业可持续发展。

分析航迹 识别非法捕鱼渔船

以往打击非法捕鱼行为主要依赖巡逻艇在海面随机搜寻，然而这种方式成本高昂，且效率有限。为提高香港水域渔船的管理效率，杨冬教授及其团队应用崭新的轨迹特徵工程方法，结合半监督式机器学习结构，开发出基於船舶轨迹的渔船行为模式识别模型，可有效识别渔船的异常行为，识别准确率高达90%。

该技术融合航运专业知识与人工智能技术，建立可精确区分船舶在不同航行状态下的航迹特徵，省却大量耗时和繁琐的数据收集与标记工作，并可灵活调整以拓展应用至船舶航迹预测丶船舶排放监测等任务。团队曾与香港旅游事务署和海事处合作，利用船舶自动识别系统丶海事雷达丶闭路电视等多源海事数据，评估大型邮轮通行香港中央航道的风险。最近，团队利用图神经网络，准确地预测香港繁忙水道中多艘船舶的未来航迹，进一步提升航行安全的预报能力。

杨冬教授表示：「人工智能与大数据科技正为海事航运业带来革命性变革。这些创新评估及监测工具结合了航运领域的专业知识和最新科技，不但大幅提升了数据收集的速度丶质量和准确性，更解决业界面对的各种挑战，并为相关领域的学术研究提供重大贡献，有助推动海事智能化发展，进一步巩固香港作为国际航运中心的地位。」

***完***