FIND研究員：劉仲祥、黃盈婷、王楚軒 
近年來，大數據在各領域如火如荼的發展，隨著硬體設備和演算法的大幅發展，人工智慧（AI）也已逐漸具體實現。目前製造業應用廣泛，發展智慧製造，以數據化為基礎，建構智慧化生產、設備與管理製程，串聯設計等，達到降低成本、提高製造效率與優化品質及體驗。可見數位化與人工智慧正以超乎預期的速度發展，然而。應用於海洋發展上相對緩慢，若資訊通訊、造船技術及自動控制等科技，能被組合且應用於航行安全，期能實現更高成效。本文章主要提供給欲瞭解大數據與AI應用於航海之讀者，此篇為系列文章之第一篇，先說明國內目前大數據與人工智慧技術應用於航安之現況，彙集相關應用此等科技之實例，作為科普提供參考，後續將以其他篇幅再進一步說明國外具體應用案例。
技術特色介紹與應用現況
交通部運輸研究所於109年對「船舶航行安全大數據資料庫應用與分析」進行研究，著重在結合人工智慧與大數據分析技術，目的在建置一AI智慧化船舶航行安全監測與預測系統。我國近期已建置船舶自動識別系統(Automatic Identification System, AIS)，當AIS資料經過資料勘誤與處理後，可取得訓練資料，再藉由所建置之預測模型，即可針對海上裝有AIS船舶進行航行經緯度座標的預測。接著進一步針對船舶航行行為進行安全評估，運用之技術是分別匯入即時AIS資料與預測系統之預測結果數據，透過系統進行海上AIS船舶航行異常行為的監測與預測應用。
發展困難點
值得注意的是更多的數據並不總是意味著會有更好的分析結果，數據的品量至關重要，品量不佳的數據可能會導致資訊模糊和誤導，從而可能導致決策失誤。例如船舶AIS原始資料即有資料品質不佳的情況，在分析前即須進行清理，因其在傳輸設計上，接受方會將待處理的AIS訊號依收到的時間進行排隊，並依序處理，在交通量較大的場域，就很容易產生無法即時處理的狀況，因此經常發現AIS資料重複性問題、船舶經緯度異常等問題；另外，AIS也廣泛運用在漁網、漁具上，亦有使用其他設備AIS的狀況，抑或MMSI不足9碼的狀況，實有必要用運用其他資料進行AIS資料的清理與校正。
相關研究
大數據的蓬勃發展也促使人工智慧(Artificial Intelligence, AI)科學能夠在眾多領域向前邁進。AI是運用機器學習以及深度學習的模型，並以大量的資料進行演算，經爬梳相關研究，依序說明如下。
(一)、船舶防撞警報系統：
國立臺灣海洋大學的高聖龍博士等人採用AIS所提供的資訊，透過海洋地理資訊系統(Marine Geographic Information System, MGIS)及模糊區分法，針對離岸風場航道船舶交通服務(VTS)所監視之海域內船舶，建立船舶防撞警報系統模型。
(二)、船舶違規行為預測：
國立中央大學的溫志皓博士等人使用海岸防衛隊系統資料庫數據進行類神經網路與迴歸分析，作為船舶行為預測模型的建置資訊，藉以幫助相關單位透過資料庫數據及系統預測模型提高查獲走私犯罪的可能性。
(三)、大數據船舶行為預測：
Dr. Wayan Mahardhika Wijaya等人應用Apache HBase的分散式儲存資料庫進行船舶大量AIS資料的儲存與分析，並依據AIS資料類別，如船舶類型、航速、航向、目的地等類別進行分類形成能夠有效檢索統計的量化資料，最後根據資料類別、屬性與運動特徵以演算法預測目標船舶行為。
圖1：分散式儲存資料庫結構｜資料來源：W. M. Wijaya and Y. Nakamura [5]
(四)、船舶航行路徑學習與預測：
新加坡南洋理工大學的Dr. Shangbo Mao等人研究重點在於針對AIS資料類別與屬性，建置一即用型(Ready-to-Use)的標準化AIS資料庫，使其可以用來比較不同方法、演算法效能的相對應關係，並從中判斷各系統模型在進行海上船舶航行軌跡預測的差異性，用以供船舶航行路徑學習、預測及資料探勘所用。
(五)、船舶異常行為檢測：
法國IMT Atlantique工程學院的Dr. Duong Nguyen等人結合遞迴神經網路(Recurrent Neural Networks, RNNs)與潛在變數模式(Latent Variable Modeling)將AIS資料嵌入新的代表空間，藉以解決AIS資料串流需處理之關鍵問題，如大量的AIS資料串流、不完整的數據及不同時間點採樣的數據等，並以此方式進行船舶航行軌跡重建、異常檢測(AnomalyDetection)與船舶類型識別的模擬研究。
(六)、交通管理風險預測：
韓國慶尚大學的Dr. Ahmad C. Bukhari等人，將船舶間的最接近點距離(Distance to Closest Point of Approach, DCPA)、最接近點時間(TCPA)與羅盤方向變化(Variation of a Compass Direction, VCD)等參數，結合模糊演算法規則進行船舶交通管理系統中所有船舶之碰撞風險程度的計算。
(七)、海上數據資料壓縮：
大連海事大學的高邈博士等人，透過分析船舶AIS數據中的時間序列特徵與船舶操縱特性，提出一種改良式的滑動視窗(SlidingWindow)在線壓縮演算法，並計算277艘船舶的航行座標點，確認合適的壓縮閥值。使數據在持續更新的狀態下，進行數據分析處理的過程能夠保持良好的資料壓縮處理效率，提升系統運算效能。
總結
綜合上述發現，國內目前已將大數據與人工智慧技術應用於航安上，海上技術若能持續結合各科技之發展，期能變得更加智能與以數據來創造數位化。本文先彙集國內航海上的科普現況，後續將以其他篇幅再進一步說明國外具體應用案例，將持續對新興科技關鍵技術發展趨勢做追蹤，希冀能實際落實與應用，以利發展我國智慧航安服務。
參考資料：
1.封面圖：https://unsplash.com/photos/lirOPuejTbM
2.交通部運輸研究所，「船舶航行安全大數據資料庫應用與分析」，https://www.iot.gov.tw/dl-14785-d679196edd754d6b98adc02b4aa7055e.html，民國111年1月24日。
