Mapping vessel behaviour and cargo flows

Det siste tiåret har sett en kraftig utbygging av både satellitt- og landbaserte nettverk for mottak av såkalte AIS (Automated Identification System) signaler fra skip. Prosjektet benytter data fra både satellitt- og landbaserte nettverk for mottak av slike signaler fra individuelle skip. AIS meldinger inneholder sanntids-informasjon om skipets koordinater og hastighet, samt informasjon om skipets dypgående, destinasjon og forventet ankomst i neste havn. Potensialet i å utnytte denne enorme dataflyten til f.eks. optimalisering av drift, kartlegging av varestrømmer og evaluering av markedsforhold er svært stort. Det er utfordrende å analysere AIS data i stor skala siden det er (1) meget store mengder av høyfrekvente data, (2) varierende kvalitet og geografisk dekning og (3) økende grad av bevisst feilinformasjon. En svakhet er videre at AIs data ikke kan brukes til å kvantifisere hvilken type last som er ombord eller lastens størrelser. CARGOMAP er et tverrfaglig prosjekt som knytter sammen AIS ekspertisen ved CMR Computing og shipping kompetansen ved Norges Handelshøyskole (NHH/SNF). Den overordnede målsettingen til prosjektet er å verifisere kvaliteten og begrensningene til AIS data for nasjonal transportplanlegging samt å utvikle metoder og modeller for å trekke ut nyttig informasjon fra denne type rådata. Prosjektet har etablert systematikk og algoritme for visualisering av seilingsmønstre basert på informasjonen fra individuelle AIS rapporter fra skip. I prosjektet blir datakvalitet blant annet vurdert ved å sammenligne AIS data med data fra havneagentrapporter. Prosjektet inkluderer også eksempler på bruk av AIS data. For eksempel; 1) en analyse av hvordan miljøregler - gitt av kravet om bruk av lavsvovelholdig bunkers i Nordsjøen - virker inn på flåtens hastighet og handlemønster. Resultatene innebærer at innføring av krav om slik dyrere bunkers ikke gir den forventede endring i hastighet, heller ikke etter skjerpingen av kravene fra 1 januar 2015. I en mer generell analyse av seilingshastighet for VLCC finner vi at seilingshastigheten i liten grad påvirkes av økonomiske faktorer, men mer skip spesifikke faktorer og av drifts forhold,2) utvikling av en metodikk for å sammenligne norske havners transportnettverk gjennom en visualisering av tilhørende transportstrømmer inn og ut av havnene og 3) en nyutviklet algoritme som visualiserer AIS data som transport mønstre i kart hvor trafikktetthet i ulike transportkorridorer fremkommer. Algoritmen gir også mulighet for interaktiv filtrering av dataene for eksempel bevegelser for kun en skipstype eller for eksempel etter skipsstørrelse.

Since the first online network of ground stations receiving Automated Identification System (AIS) messages from vessels in 2004/05 we have seen a dramatic increase in the information flow from terrestrial and satellite-based receivers about the location a nd itineraries of the world fleet. The commercial value of this information is huge - for instance in the context of optimization of ship operations, chartering and transport planning - yet our advancement of knowledge in this area has met substantial R &D challenges. This is in part due to the huge amounts of high-frequency data received, requiring fast and scalable IT solutions, but mainly due to inconsistent quality and data coverage requiring advanced algorithms for interpolation of positions and ex trapolation of future itineraries. In addition, ascertaining key issues such as cargo type and cargo size remain an art rather than science, particularly for the smaller vessel sizes. The two-year researcher project CARGOMAP seeks to narrow the knowle dge gap in this area by connecting Norway's leading research groups on the processing of AIS data - CMR Computing, DNV GL and the Norwegian Coastal Authority - and shipping economics and market modeling at the Norwegian School of Economics (SNF/NHH). The objective of CARGOMAP is to verify the quality and limitations of AIS data as a basis for national transport planning and to develop solutions for extracting information from AIS data that will enable better seaborne transportation planning and a transfe r of goods from land to sea. Output from the project is anticipated to be better systems for the processing of AIS data, for detecting misinformation and anomalous vessel behaviour, and for the estimation and visualisation of cargo flows, fleet utilisati on, and port connectivity within Norwegian territorial waters. Implementing the results will assist the Norwegian maritime industry in moving towards a more sustainable, efficient and reliable sea transport system.