大數據與人工智慧於航海之應用(二)-VTS簡介與日本實際案例
本文章主要提供給欲瞭解大數據與AI應用於航海之讀者，此篇接續上篇「大數據與人工智慧於航海之應用」之系列文章第二篇。
日本是國際海事組織(IMO)重要會員國之一，具有海岸線長之特色，航運蓬勃發展，在東京灣、神戶灣己建立船舶交通管理系統(Vessel Traffic Services, VTS)，運作歷史悠久，且應用於海上交通管理的技術與時俱進，有許多值得借鏡之處。
船舶交通管理系統簡介
早期，進入港口的船隻會通過旗幟信號以示警讓人們知道船隻的存在，爾後於第二次世界大戰期間雷達發展，促進監控系統的發展。隨著無線電傳輸的興盛與科技的演進，VTS的概念應運而生，現今我們所知道的VTS是在1980年代出現的，典型的VTS是使用雷達、閉路電視、VHF無線電和船舶自動識別系統(Automatic Identification System, AIS)，由管制員來對船舶移動進行追蹤，並提供航行安全指引，確保船舶在海上航行順暢，船舶間各自保持井然有序。
VTS的類型依據國際海事組織(IMO)之決議，分為兩大類，(1)港灣型VTS：主要是管理港口進出的船舶，並提供船舶一些導航與交通組織之服務。(2)沿岸型VTS：主要是管理沿岸水域中過往的船舶一些交通資訊服務。
VTS主要功能為負責管理海上航線船舶的交通，類似於飛機的空中交通管制，分為六項：
- 資料蒐集：VTS必須確實掌握該水域之交通及其他資訊，才能有充分可靠之資料進行服務的措施。
- 資料評估：蒐集到相關之資訊後，才能藉由這些資訊進行分析、評估及處理，提供最正確之服務訊息。
- 訊息服務：係指在固定時間或必要時，會主動廣播航行安全或海象資料等信息，及針對有特殊需求的船舶，提供正確的資訊。
- 航行協助服務：應船舶對VTS或VTS對船舶的要求，所提供的一些協助船舶航行的服務。
- 交通組織服務：對VTS服務水域之範圍內，針對船舶之交通做統一的指揮與調度，然而此措施具有相當程度之強制性。
- 支持聯合行動：係VTS的一種輔助功能，如：綜合整體資訊流程，並將訊息發送給相關單位；支援有關部門的行動；提供救助或給予緊急事故小組支援等。
資料來源：國立台灣海洋大學 方信雄副教授、東京灣海上交通管制的一元化運用
圖1、VTS示意圖
海事發展概況(1)：船舶大型化
自1960年代起貨櫃運輸憑藉其效率性、經濟性等優勢，經過經濟貿易全球化、自由化、大型化、集中化等改變，國際海運貨櫃運輸競爭激烈，導致國際海運需求量逐年增加，亦促使貨櫃船舶朝向大型化、快速化、專業化及自動化等方向發展，船舶大型化已為時勢所趨。
資料來源：The Geography of Transport Systems
圖2、貨櫃船大型化演進
由於超大型貨櫃船對機具現代化和裝卸效率管理的要求非常高，貨櫃碼頭須配合安裝自動化程度高、外伸距超長的橋式起重機及自動化作業系統，因此，因應船舶大型化，港埠基礎設施須升級。此外，考量船舶大型化及高速化後，船舶操作困難度增加，會遇時間縮短，為避免船舶海難事故的發生，並有效管理海上的船舶以提升航行效率，VTS所提供的各項服務變得越來越重要，故實有必要精進管理方法。
海事發展概況(2)：異常天氣
近年來，隨著颱風等異常天氣的頻繁發生日益增加，像是在船舶擁擠的日本東京灣等地區，發生了多起船舶與沿海設施及其他船舶相撞的事故；同時，航標也因頻繁的異常天氣以及隨之而來的船舶碰撞事故而造成損壞，因此各國逐漸重視航安政策及新興科技應用於航安領域之開發與管理，致力於提升海上執法能量與確保海上交通安全，此時VTS扮演航行安全相關情報收集、提供建議與實施管制等重要角色。
大數據與人工智慧應用於VTS
為因應趨勢與解決異常天氣造成船舶交通危險，日本富士通有限公司與日本海岸警衛隊聯合於東京灣船舶交通服務中心進行海上交通管制試驗，並於2020年4月15日宣布，將人工智慧技術海上避碰導入VTS。根據日本運輸安全委員會報告，2009年至2019年日本發生2863起海上碰撞事故，平均每年發生286起，此影響不僅造成航員安全、船舶損壞，對海洋汙染與社會皆產生重大影響。因此，若能利用AI技術，及早發現有碰撞危險的船舶，並發出警告以提升海上交通安全性，將會帶來助益。
富士通研究所開發人工智能技術(Fujitsu Human Centric AI Zinrai)，結合雷達和自動識別系統(AIS)資訊，提取交通數據訊息，分析船舶的運作，以檢測東京灣地區的船舶碰撞風險，並將碰撞風險集中的區域預測成為動態風險之熱點。此技術能夠在可能發生事故前大約10分鐘標記出潛在風險，可提供人員大約5分鐘的準備時間來執行必要的後續行動，例如，向船隻提供航行建議。
富士通的技術還能夠找出碰撞風險可能被忽視的場景，並對可能發生的碰撞事件發出警報。另外，動態風險熱點檢測技術可以提前15分鐘檢測到風險，使工作人員能夠採取特定措施避免事件發生。傳統上，船舶碰撞風險的預測是基於船舶當前的位置、速度和方向來計算，常會有誤報情形，因此藉由富士通之技術能考量船舶行進方向，提前判定在航道彎曲部分之運作，進而提升警報的準確度。
資料來源：Fujitsu
圖3、船舶碰撞風險預測
試驗結果
(1)誤報率下降：經過一段固定的評估期後，與過去傳統技術相比，對於所有海路(包括彎曲部分)，不必要的警報可以減少約 90%。
(2)判斷準確度提高：富士通整理分析管制員的操作記錄(包括向船舶提供的信息)，並與其進行訪談，結果發現，系統發出警告或建議的高風險事件中，約95%被正確判斷，證實了該技術判斷率接近真實的狀況，對航行著實有用。
資料來源：Fujitsu
圖4 碰撞風險預測對比圖
目前富士通正在開發一種配備算法服務，該算法透過分析船隻的特徵（例如其大小和類型）並藉由過去的航行數據來定量評估船隻是否仍可遵循相關路線，以確保航行安全。
總結
VTS致力確保海上交通安全，透過借鏡日本的VTS應用大數據與人工智慧進行公私協作，建議我國VTS航行發展亦可朝公私協力、應用AI避碰預測等，以強化我國海域航安服務，確保航行環境，達到「智慧航安 守護臺灣」之願景。
-
參考資料
- 封面圖：https://unsplash.com/photos/IKO8GrI3gy0
- What are Vessel Traffic Services? https://www.marineinsight.com/marine-navigation/what-are-vessel-traffic-services
- 船舶交通服務之簡介：http://meda.ntou.edu.tw/martran/?t=3&i=0029
- 東京灣海上交通管制的一元化運用，p.4 https://nikkaibo.or.jp/pdf/575_2017.pdf
- Jean-Paul Rodrigue, The Geography of Transport Systems，民國111年9月2日。
- 「Fujitsu and Maritime and Port Authority of Singapore Determine Effectiveness of AI Ship Collision Risk Prediction Technology」，民國108年4月2日。
- 「Fujitsu Verifies AI Technology to Predict Vessel Collision Risks in Marine Traffic Control, Improves Maritime Safety」，民國110年9月28日。
- 「Fujitsu Introduces AI technology Enabling Highly Accurate Prediction of Vessel Collision Risks on Complex Maritime Routes」，民國110年9月28日。
延伸閱讀