理大應用人工智能與數據科學 推動海事航運業智能化及可持續發展

面對複雜多變的國際環境，海事航運業需要更高效和精準的數據收集和分析技術，以提升行業管理的效率。香港理工大學（理大）海事數據與可持續發展中心研究團隊應用人工智能與大數據技術開發出多項創新工具，包括以創新技術估算本港船舶避風泊位供求，提升船舶監察和緊急管理效率；利用船舶自動識別系統，實時評估港口擠塞指數等海事統計數據，構建航運大數據分析平台；以及應用航跡分析技術，有效識別非法捕魚的漁船。有關研究不但為政府及業界提供創新管理方案，更有助推動海事航運業的智能化和可持續發展。

自動識別船隻 估算避風泊位供求

作為頻繁受颱風影響的沿海城市，香港必須採取有效的預防措施以保障船舶的安全。理大物流及航運學系副系主任、副教授兼海事數據與可持續發展中心總監楊冬教授帶領的團隊，與香港海事處合作開發的創新技術，利用無人機航拍本地船隻影像，結合基於深度學習的電腦圖像視覺演算法，自動識別及分類船隻，識別成功率高達98.6%。這新技術已被用於預測2022至2035年間本地船舶避風泊位的供求情況，以優化港口泊位管理設計方案。該方法顯著提升政府對本地船隻及避風泊位的監察與緊急管理效率，同時大幅減少人力和時間成本。

研究成果已獲香港海事處採納，作為本地避風塘規劃的技術參考，協助政府制定避風塘設施規劃，為沿海船舶的數碼化管理建立基準，更可應用於港口國監督檢查及港口擠塞管理，應用前景廣泛。未來，團隊將進一步開發基於視頻和圖像的數據收集和處理的技術，並結合深度學習演算法，構建智能化的船舶及航運水域監管系統。目前，團隊已收集逾50,000張本地船舶的圖像資料，為日後研究與分析奠下堅實基礎。

結合智能演算法  計算港口擠塞指數

要準確、及時地獲取港口擁堵、航線連通性等海事統計數據是業界面對的主要挑戰之一。然而，傳統人工統計數據容易出錯，由行政機構或港口部門發布的宏觀資訊，常常出現延誤且不夠全面。

為此，楊冬教授及其團隊與清華大學團隊聯手，利用船舶自動識別系統數據，並應用大數據分析算法，構建覆蓋全球的多層次航運及貿易網絡數據庫，開發出可實時計算港口擠塞指數、連通性指數及裝卸效率等關鍵指標的航運監管平台。該研究大幅拓展了海事大數據的應用場景，從微觀到宏觀層面反映航運現況，精確捕捉行業動態，為海事營運分析及決策提供可靠依據，助力行業可持續發展。

分析航跡 識別非法捕魚漁船

以往打擊非法捕魚行為主要依賴巡邏艇在海面隨機搜尋，然而這種方式成本高昂，且效率有限。為提高香港水域漁船的管理效率，楊冬教授及其團隊應用嶄新的軌跡特徵工程方法，結合半監督式機器學習結構，開發出基於船舶軌跡的漁船行為模式識別模型，可有效識別漁船的異常行為，識别準確率高達90%。

該技術融合航運專業知識與人工智能技術，建立可精確區分船舶在不同航行狀態下的航跡特徵，省卻大量耗時和繁瑣的數據收集與標記工作，並可靈活調整以拓展應用至船舶航跡預測、船舶排放監測等任務。團隊曾與香港旅遊事務署和海事處合作，利用船舶自動識別系統、海事雷達、閉路電視等多源海事數據，評估大型郵輪通行香港中央航道的風險。最近，團隊利用圖神經網絡，準確地預測香港繁忙水道中多艘船舶的未來航跡，進一步提升航行安全的預報能力。

楊冬教授表示：「人工智能與大數據科技正為海事航運業帶來革命性變革。這些創新評估及監測工具結合了航運領域的專業知識和最新科技，不但大幅提升了數據收集的速度、質量和準確性，更解決業界面對的各種挑戰，並為相關領域的學術研究提供重大貢獻，有助推動海事智能化發展，進一步鞏固香港作為國際航運中心的地位。」

***完***