一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统及方法技术方案

一种根据船舶管理业务数据、AIS数据对船舶年度的存在风险的行为进行评估，依照专家经验按风险等级依靠不同权重进行打分，从而提升船舶的安全管理水平、大幅降低船舶安全风险的发生几率和危害程度的一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统。技术方案是：其特征是由数据的采集及处理单元(101)、船舶风险指标体系单元(102)、船舶管理风险辨识模型单元(103)以及船舶风险评估量化模型单元(104)组成。本发明专利技术还公开了其评估方法。法。法。

【技术实现步骤摘要】
一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统及方法


[0001]本专利技术属于船舶风险评估
，具体涉及根据船舶管理业务数据、AIS数据对船舶年度的存在风险的行为进行评估，依照专家经验按风险等级依靠不同权重进行打分，从而提升船舶的安全管理水平、大幅降低船舶安全风险的发生几率和危害程度的一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统及方法。

技术介绍

[0002]水上运输是现代贸易运输的最主要方式，据统计，全球有90％的贸易量都是通过水路运输实现的。然而水路运输在多个方面存在着风险，船舶在海洋、江河中航行，无时无刻都面临着风险，同时船上的运营环境本身也具有一定的风险，另外船舶进港、货物装卸等船舶营运过程中也都会有一定的风险。从统计数字来看，每年都会发生大量的船舶碰撞、搁浅以及火灾事故，船舶事故造成的财产损失和人员伤亡给企业和个人造成了很大的影响，通过对有关船舶事故的分析，大部分事故都不是偶然发生的，具有一定的可预测性，可以通过深入的分析做到提前规避或减轻损失。
[0003]随着信息化技术及大数据的广泛应用，采用有效量化的方式实现对航运安全状态进行实时监控，并进行动态实时评估，提前预测风险的手段将必不可少，同时对船舶管理过程中的历史数据也能反映很多安全隐患，对于船舶管理业务数据，包括检查记录、船员履职、船舶维修保养、航线规划等的综合分析的同样至关重要。
[0004]目前，常用的风险评估大多都是以人工方式进行，存在的问题是风险评估水平准确率低，避险效果不好。
[0005]本专利技术就是基于这样的思想，利用行业业务数据进行指标分析及模型化，通过采集大量安全相关信息，使用大数据分析及算法模型等技术手段，提升航运业务活动安全能力，打造一套完整的贯穿船舶管理全流程，汇集多方数据源，对风险进行智能评估、智能打分的船舶管理评估体系。

技术实现思路

[0006]为了解决目前风险评估水平准确率低，避险效果不好的问题，本专利技术提供一种根据船舶管理业务数据、AIS数据对船舶年度的存在风险的行为进行评估，按风险等级依靠不同权重进行打分，从而提升船舶的安全管理水平、大幅降低船舶安全风险的发生几率和危害程度的一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统。
[0007]本专利技术的技术方案是：
[0008]一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统，其特征是由数据的采集及处理单元(101)、船舶风险指标体系单元(102)、船舶管理风险辨识模型单元(103)以及船舶风险评估量化模型单元(104)组成，其中，
[0009]数据的采集及处理单元(101)采集的数据包括：全球AIS动态数据，全球气象数据，
船舶基础数据，船员数据，环境区域数据，航线数据、船舶管理相关业务数据；
[0010]船舶风险指标体系单元(102)包括船舶风险(201)、船员风险(202)、环境风险(203)、管理风险(204)以及行为风险(205)五个维度风险指标，并且针对各风险指标进一步建立该风险指标下的子风险指标，针对子风险指标建立风险评价因素和风险评价指数作为风险评价标准，其中，
[0011]船舶风险(201)包含指标为：漂航、船龄、可操纵性、设备保养、救生系统、应急能力和耐腐蚀性；
[0012]船员风险(202)包含指标为包括班组默契程度，船舶熟悉程度，船员岗位履职时间，船员航海经验以及船员工作负荷；
[0013]环境风险(203)包含指标为船舶航行过程中的水域和气象因素，水域包括的指标为有：狭水道、特殊港口、战争风险区、海盗区、事故多发区、主要特战区和船舶密集度，气象指标为定义不同气象对船舶航行风险的影响，
[0014]管理风险(204)包括船管公司历史事故和船舶证书超期两个指标；
[0015]行为风险(205)包含指标为：psc检查风险、航速异常、航线异常、AIS丢失以及镍矿遇水风险；
[0016]船舶管理风险辨识模型单元(103)根据船舶风险指标体系单元(102)中的五个维度的风险指标，运用人工智能算法，通过机器学习建立五个维度风险指标的风险智能辨识模型，对不同类型船舶调整风险的辨识阈值，对五个维度风险指标分别进行辨识与记录；同时根据时间维度，智能分析特定时间内船舶的五个维度风险指标的记录，以此为船舶打分提供风险辨识数据基础；
[0017]船舶风险评估量化模型单元(104)对舶风险指标体系单元(102)中的五个维度风险指标进行重要性分级，同时根据船舶管理风险辨识模型单元(103)提供的风险辨识数据基础，形成不同风险的评估量化模型，根据风险评估量化模型计算相应风险绩效指标，根据风险重要性，按权重计算得到单船的综合得分。
[0018]一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统进行评估的方法，其特征是包括下列步骤：
[0019]S1：评估体系建立：建立数据的采集及处理单元(101)、船舶风险指标体系单元(102)、船舶管理风险辨识模型单元(103)和船舶风险评估量化模型单元(104)；
[0020]S2:数据读取：数据的采集及处理单元(101)读取数据包括：全球AIS动态数据，全球气象数据，船舶基础数据，船员数据，环境区域数据，航线数据、船舶管理相关业务数据；
[0021]S3：风险归类：根据船舶风险指标体系单元(102)将读取数据按照船舶风险(201)、船员风险(202)、环境风险(203)、管理风险(204)以及行为风险(205)进行分类；
[0022]船舶风险(201)包含指标为：漂航、船龄、可操纵性、设备保养、救生系统、应急能力和耐腐蚀性；
[0023]船员风险(202)包含指标为包括班组默契程度，船舶熟悉程度，船员岗位履职时间，船员航海经验以及船员工作负荷；
[0024]环境风险(203)包含指标为船舶航行过程中的水域和气象因素，水域包括的指标为有：狭水道、特殊港口、战争风险区、海盗区、事故多发区、主要特战区和船舶密集度，气象指标为定义不同气象对船舶航行风险的影响，
[0025]管理风险(204)包括船管公司历史事故和船舶证书超期两个指标；
[0026]行为风险(205)包含指标为：psc检查风险、航速异常、航线异常、AIS丢失以及镍矿遇水风险；
[0027]S4；风险辨识：利用船舶管理风险辨识模型单元(103)根据船舶风险指标体系单元(102)中的五个维度的风险指标，运用人工智能算法，通过机器学习建立五个维度风险指标的风险智能辨识模型，对不同类型船舶调整风险的辨识阈值，对五个维度风险指标分别进行辨识与记录；同时根据时间维度，智能分析特定时间内船舶的五个维度风险指标的记录，以此为船舶打分提供风险辨识数据基础；
[0028]S5：评估量化得到综合得分：船舶风险评估量化模型单元(104)对S3中的五个维度风险指标进行重要性分级，同时根据船舶管理风险辨识模型单元(103)提供的风险辨识数据基础，形成不同风险的评估量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统，其特征是由数据的采集及处理单元(101)、船舶风险指标体系单元(102)、船舶管理风险辨识模型单元(103)以及船舶风险评估量化模型单元(104)组成，其中，数据的采集及处理单元(101)采集的数据包括：全球AIS动态数据，全球气象数据，船舶基础数据，船员数据，环境区域数据，航线数据、船舶管理相关业务数据；船舶风险指标体系单元(102)包括船舶风险(201)、船员风险(202)、环境风险(203)、管理风险(204)以及行为风险(205)五个维度风险指标，并且针对各风险指标进一步建立该风险指标下的子风险指标，针对子风险指标建立风险评价因素和风险评价指数作为风险评价标准，其中，船舶风险(201)包含指标为：漂航、船龄、可操纵性、设备保养、救生系统、应急能力和耐腐蚀性；船员风险(202)包含指标为包括班组默契程度，船舶熟悉程度，船员岗位履职时间，船员航海经验以及船员工作负荷；环境风险(203)包含指标为船舶航行过程中的水域和气象因素，水域包括的指标为有：狭水道、特殊港口、战争风险区、海盗区、事故多发区、主要特战区和船舶密集度，气象指标为定义不同气象对船舶航行风险的影响，管理风险(204)包括船管公司历史事故和船舶证书超期两个指标；行为风险(205)包含指标为：psc检查风险、航速异常、航线异常、AIS丢失以及镍矿遇水风险；船舶管理风险辨识模型单元(103)根据船舶风险指标体系单元(102)中的五个维度的风险指标，运用人工智能算法，通过机器学习建立五个维度风险指标的风险智能辨识模型，对不同类型船舶调整风险的辨识阈值，对五个维度风险指标分别进行辨识与记录；同时根据时间维度，智能分析特定时间内船舶的五个维度风险指标的记录，以此为船舶打分提供风险辨识数据基础；船舶风险评估量化模型单元(104)对舶风险指标体系单元(102)中的五个维度风险指标进行重要性分级，同时根据船舶管理风险辨识模型单元(103)提供的风险辨识数据基础，形成不同风险的评估量化模型，根据风险评估量化模型计算相应风险绩效指标，根据风险重要性，按权重计算得到单船的综合得分。2.一种基于船舶业务数据、AIS数据对船舶风险进行智能评估的系统进行评估的方法，其特征是包括下列步骤：S1：评估体系建立：建立数据的采集及处理单元(101)、船舶风险指标体系单元(102)、船舶管理风险辨识模型单元(103)和船舶风险评估量化模型单元(104)；S2:数据读取：数据的采集及处理单元(101)读取数据包括：全球AIS动态数据，全球气象数据，船舶基础数据，船员数据，环境区域数据，航线数据、船舶管理相关业务数据；S3：风险归类：根据船舶风险指标体系单元(102)将读取数据按照船舶风险(201)、船员风险(202)、环境风险(203)、管理风险(204)以及行为风险(205)进行分类；船舶风险(201)包含指标为：漂航、船龄、可操纵性、设备保养、救生系统、应急能力和耐腐蚀性；船员风险(202)包含指标为包括班组默契程度，船舶熟悉程度，船员岗位履职时间，船
员航海经验以及船员工作负荷；环境风险(203)包含指标为船舶航行过程中的水域和气象因素，水域包括的指标为有：狭水道、特殊港口、战争风险区、海盗区、事故多发区、主要特战区和船舶密集度，气象指标为定义不同气象对船舶航行风险的影响，管理风险(204)包括船管公司历史事故和船舶证书超期两个指标；行为风险(205)包含指标为：psc检查风险、航速异常、航线异常、AIS丢失以及镍矿遇水风险；S4；风险辨识：利用船舶管理风险辨识模型单元(103)根据船舶风险指标体系单元(102)中的五个维度的风险指标，运用人工智能算法，通过机器学习建立五个维度风险指标的风险智能辨识模型，对不同类型船舶调整风险的辨识阈值，对五个维度风险指标分别进行辨识与记录；同时根据时间维度，智能分析特定时间内船舶的五个维度风险指标的记录，以此为船舶打分提供风险辨识数据基础；S5：评估量化得到综合得分：船舶风险评估量化模型单元(104)对S3中的五个维度风险指标进行重要性分级，同时根据船舶管理风险辨识模型单元(103)提供的风险辨识数据基础，形成不同风险的评估量化模型，并根据风险评估量化模型计算相应风险绩效指标，根据风险重要性，按权重计算得到单船的综合得分。3.根据权利要求2所述的基于船舶业务数据、AIS数据对船舶风险进行智能评估的方法，其特征是所述船舶风险(201)中漂航指标辨识评估方法为：通过船舶AIS数据得到船舶过去24小时的历史轨迹点，AIS每5分钟发送一次数据，AIS相邻数据点的时间差time_diff大于30分钟认为AIS丢失；首先以轨迹点最后一个点位即最新点为中心判断方圆12海里内是否有港口，如果没有港口，通过AIS数据判断每个点的航行状态；当航行状态为0航行并且AIS点的速度小于2节时视为存在漂航风险；达到漂航条件后，当漂航时常大于等于24小时，扣20分；漂航时长大于等于12小时且小于24小时，扣15分；漂航时长大于等于6小时且小于12小时，扣10分；漂航市常大于等于1小时且小于6小时，扣5分，一小时之内不扣分但报预警。4.根据权利要求2所述的基于船舶业务数据、AIS数据对船舶风险进行智能评估的方法，其特征是所述船员风险(202)班组默契度指标辨识评估方法为：以船长、政委、轮机长的合作时长两两组合，船长与大副、二副、三副依次组合，轮机长与大管轮、二管轮、三管轮依次组合；其中若是合作时长低于3个月，扣3分，合作时长为3
‑
6个月，含3个月在内，扣1分，合作时长为6
‑
9个月，含6个月在内，扣0.5分，9个月以上不扣分；总扣分达到5分及以上时视为存在班组默契度风险。5.根据权利要求2所述的基于船舶业务数据、AIS数据对船舶风险进行智能评估的方法，其特征是所述船员风险(202)船舶熟悉程度指标辨识评估方法为：通过Oracle数据库即航标数据库中船舶上船员的船舶经验数据计算船舶船员对船舶熟悉程度的计算得分；计算得分包括(1)计算大类相同船舶工作扣分：根据大类相同船舶工作经验时长，工作经验3个月之内减3分，工作经验6个月之内减2分，工作经验12个月之内减1分；(2)计算小类相同船舶工作扣分，根据小类船舶工作经验，工作经验3个月之内减2.4分，工作经验6个月之内减1.6分，工作经验12个月之内减0.8分；...

【专利技术属性】
技术研发人员：乐鹄，
申请(专利权)人：上海船舶运输科学研究所有限公司，
类型：发明
国别省市：