FIND研究员∶刘仲祥、黄盈婷、王楚轩 
近年来，大数据在各领域如火如荼的发展，随著硬体设备和演算法的大幅发展，人工智慧（AI）也已逐渐具体实现。目前制造业应用广泛，发展智慧制造，以数据化为基础，建构智慧化生产、设备与管理制程，串联设计等，达到降低成本、提高制造效率与优化品质及体验。可见数位化与人工智慧正以超乎预期的速度发展，然而。应用於海洋发展上相对缓慢，若资讯通讯、造船技术及自动控制等科技，能被组合且应用於航行安全，期能实现更高成效。本文章主要提供给欲了解大数据与AI应用於航海之读者，此篇为系列文章之第一篇，先说明国内目前大数据与人工智慧技术应用於航安之现况，汇集相关应用此等科技之实例，作为科普提供参考，後续将以其他篇幅再进一步说明国外具体应用案例。
技术特色介绍与应用现况
交通部运输研究所於109年对「船舶航行安全大數据资料库应用与分析」进行研究，著重在结合人工智慧与大數据分析技术，目的在建置一AI智慧化船舶航行安全监测与预测系统。我国近期已建置船舶自动识别系统(Automatic Identification System, AIS)，当AIS资料经过资料勘误与处理後，可取得训練资料，再藉由所建置之预测模型，即可针对海上装有AIS船舶进行航行经纬度座标的预测。接著进一步针对船舶航行行为进行安全评估，运用之技术是分别汇入即时AIS资料与预测系统之预测结果數据，透过系统进行海上AIS船舶航行異常行为的监测与预测应用。
发展困难点
值得注意的是更多的数据并不总是意味著会有更好的分析结果，数据的品量至关重要，品量不佳的数据可能会导致资讯模糊和误导，从而可能导致决策失误。例如船舶AIS原始资料即有资料品质不佳的情况，在分析前即须进行清理，因其在传输设计上，接受方会将待处理的AIS讯号依收到的时间进行排队，并依序处理，在交通量较大的场域，就很容易产生无法即时处理的状况，因此经常发现AIS资料重复性问题、船舶经纬度异常等问题；另外，AIS也广泛运用在渔网、渔具上，亦有使用其他设备AIS的状况，抑或MMSI不足9码的状况，实有必要用运用其他资料进行AIS资料的清理与校正。
相关研究
大数据的蓬勃发展也促使人工智慧(Artificial Intelligence, AI)科学能够在众多领域向前迈进。AI是运用机器学习以及深度学习的模型，并以大量的资料进行演算，经爬梳相关研究，依序说明如下。
(一)、船舶防撞警报系统∶
国立台湾海洋大学的高圣龙博士等人采用AIS所提供的资讯，透过海洋地理资讯系统(Marine Geographic Information System, MGIS)及模糊区分法，针对离岸风场航道船舶交通服务(VTS)所监视之海域内船舶，建立船舶防撞警报系统模型。
(二)、船舶违规行为预测∶
国立中央大学的温志皓博士等人使用海岸防卫队系统资料库数据进行类神经网路与回归分析，作为船舶行为预测模型的建置资讯，藉以帮助相关单位透过资料库数据及系统预测模型提高查获走私犯罪的可能性。
(三)、大数据船舶行为预测∶
Dr. Wayan Mahardhika Wijaya等人应用Apache HBase的分散式储存资料库进行船舶大量AIS资料的储存与分析，并依据AIS资料类别，如船舶类型、航速、航向、目的地等类别进行分类形成能够有效检索统计的量化资料，最後根据资料类别、属性与运动特徵以演算法预测目标船舶行为。
图1∶分散式储存资料库结构丨资料来源∶W. M. Wijaya and Y. Nakamura [5]
(四)、船舶航行路径学习与预测∶
新加坡南洋理工大学的Dr. Shangbo Mao等人研究重点在於针对AIS资料类别与属性，建置一即用型(Ready-to-Use)的标准化AIS资料库，使其可以用来比较不同方法、演算法效能的相对应关系，并从中判断各系统模型在进行海上船舶航行轨迹预测的差异性，用以供船舶航行路径学习、预测及资料探勘所用。
(五)、船舶异常行为检测∶
法国IMT Atlantique工程学院的Dr. Duong Nguyen等人结合递回神经网路(Recurrent Neural Networks, RNNs)与潜在变数模式(Latent Variable Modeling)将AIS资料嵌入新的代表空间，藉以解决AIS资料串流需处理之关键问题，如大量的AIS资料串流、不完整的数据及不同时间点采样的数据等，并以此方式进行船舶航行轨迹重建、异常检测(AnomalyDetection)与船舶类型识别的模拟研究。
(六)、交通管理风险预测∶
韩国庆尚大学的Dr. Ahmad C. Bukhari等人，将船舶间的最接近点距离(Distance to Closest Point of Approach, DCPA)、最接近点时间(TCPA)与罗盘方向变化(Variation of a Compass Direction, VCD)等参数，结合模糊演算法规则进行船舶交通管理系统中所有船舶之碰撞风险程度的计算。
(七)、海上数据资料压缩∶
大连海事大学的高邈博士等人，透过分析船舶AIS数据中的时间序列特徵与船舶操纵特性，提出一种改良式的滑动视窗(SlidingWindow)在线压缩演算法，并计算277艘船舶的航行座标点，确认合适的压缩阀值。使数据在持续更新的状态下，进行数据分析处理的过程能够保持良好的资料压缩处理效率，提升系统运算效能。
总结
综合上述发现，国内目前已将大数据与人工智慧技术应用於航安上，海上技术若能持续结合各科技之发展，期能变得更加智能与以数据来创造数位化。本文先汇集国内航海上的科普现况，後续将以其他篇幅再进一步说明国外具体应用案例，将持续对新兴科技关键技术发展趋势做追踪，希冀能实际落实与应用，以利发展我国智慧航安服务。
参考资料∶
1.封面图∶https://unsplash.com/photos/lirOPuejTbM
2.交通部运输研究所，「船舶航行安全大數据资料库应用与分析」，https://www.iot.gov.tw/dl-14785-d679196edd754d6b98adc02b4aa7055e.html，民国111年1月24日。
