案例摘要
“航安宝”是一套专为船舶航行安全打造的全生命周期闭环管控的智能化产品，通过在船岸端加持大数据、AI等技术，构建了船舶航行全海域、全天候、全过程的“风险识别-智能预警-协同处置-评估优化”的数智化闭环管控机制；围绕航行安全相关的“环境、船舶、人员、法规”等要素，依托“多源多模态数据融合+船岸协同+AI”，形成了“感知-分析-决策-执行”的智慧安监体系；在船舶航行过程中，各类智能算法精准定位重点隐患，可实现提前72小时预警，并根据分级预警机制智能匹配安全责任人，实现安全“头条”及应对策略的精准推送，辅助船岸人员及时制定处置措施；运用多源数据融合及可视化技术，实时展现船舶航行全过程的安全态势可视化跟踪，主动推送管理薄弱点，辅助精准施策及管理优化，从隐患识别到风险化解全程可控；以“AI+数据”重构了航运安全模式，从经验管理升级为数智驱动、从人管升级为智控、从片段管理升级为闭环管控，推动船舶航行全生命周期远程监测、船岸智能协同模式的落地，让船岸一线人员的安全管理工作能够更加省时、省力、省心。为航运业提供以船舶航行安全为核心的数字化、智能化、绿色化的“中国方案”。
1、实施背景
航运承担全球超80%货物运输，但当前海上交通事故频发，不仅直接威胁船员生命财产、造成巨额经济损失，还引发供应链中断、海洋环境污染，严重冲击全球经济贸易秩序稳定。梳理近年案例发现，预判不足、管理缺失是成为事故的主要原因，包括风险决策存在认知偏差、缺少预警及远程监管、易误判、易管理疏忽及未及时采取预控措施。
2、实施目标
（1）通过在船岸端加持大数据、AI等技术，实现全天候、全海域船舶航行风险的智能识别和预测，精准定位重点隐患，形成安全“头条”，及时告知相关责任人。
（2）运用多源数据融合及可视化技术，实时展现船舶航行全生命周期的安全态势，智能评估航线规划的经济性、低碳性，辅助精准决策，消除管理盲区。
（3）依托多模态大模型动态分析航行风险趋势，提前触发分级预警，借助数字知识库向船岸端自动推送应对策略，从隐患识别到风险化解全程闭环管控。
3、建设内容
（1）大数据技术的广泛应用，实时感知船舶安全态势
广泛运用大数据技术，实现对全球海运行为的深度感知、智能理解与精准预测，系统接入全球26万艘船舶的AIS动态数据，整合5年内累计1348亿条海洋气象数据、234万张海上小目标图片以及24411小时船员行为视频等具有多模态、强噪声、多粒度特性的全球海运大数据，并对上述数据进行清洗和预处理，根据数据的时空和属性特征，建立多层次、多粒度数据融合方法，形成可应用的标准化数据；结合船舶轨迹数据和行为特征，运用机器学习、关联学习等智能算法，构建海运行为智能理解模型，设计时空行为关联、行为推理、行为表达等算法，实现对航运业务的智能感知、理解和推理。目前，“航安宝”已成功开发并部署三大核心算法集：一是船舶航行全生命周期行为识别体系，实现对船舶从出港到进港全流程的精细感知与异常监测；二是船舶失速与能耗排放预测模型，助力航运企业优化航路、实现油耗异常的实时跟踪，辅助节能减排；三是船舶目的港与到港时间预测功能，可提前判断船舶动向，为港口调度、供应链管理提供决策支持。这些能力使系统可实时跟踪、精准识别与预测全球10万艘以上主力商船的行为状态。“航安宝”实现了从数据采集到智能应用的一体化流程，构建了一套“感知-分析-决策-执行”闭环协同的解决方案，推动了船舶航行安全管理走向数字化、智能化的管控模式。
以船队态势实时感知为例，依托可视化技术并采用事件驱动模式，对所管理船队涉及7大类23小类的船舶行为开展实时动态监控；借助大数据技术实现事件过程追溯与原因溯源，为事件分析与责任界定提供数据支撑。打破了传统航运“被动处置”局限，推动安全管理向“主动预控”升级。
（2）船岸一体协同，推动安全智能闭环管控体系构建
依托多源多模态数据融合与船岸协同机制，在船端，通过边缘计算、移动设备、智能算法的加持，及时感知各类风险及隐患，并按照分级预警机制自动推送到岸端；在岸端，结合船舶管理最佳实践，将人工经验与数字化技术有机融合，构建航行全过程可视化跟踪的智能安监体系，及时预警风险，推送预控措施，实时展现船舶航行安全态势相关数据，并建立与船端的远程协作链接，形成船岸多角色一体协同作业的体系，利用强大的数据分析功能，通过航行全过程各个管控点的智能联动，找准管理薄弱点，主动提醒管理问题，辅助管理人员优化决策，提升船队的安全绩效，辅助船队降本增效。系统采用高度灵活的模块化的方式，用户可结合需要自定义功能模块，可组装实施40余类业务场景，充分满足航运企业多样化、个性化需求。
以海上航行避碰闭环管理场景为例，在船端,通过集成雷达、AIS等数据，采用合理的经验算法，对船舶航行过程中的会遇风险进行自动识别，通过随身设备、手机APP等途径，主动报警，呼叫船长上驾驶台，及时指挥船舶，避免碰撞发生，最大限度避免人为疏忽导致的险情事故发生。在岸端，通过数据分析、可视化回放等技术对船舶实际避让行为分析，对驾驶人员安全驾驶能力进行量化评估，使岸基管理人员及时了解船队情况，通过管理制度配套跟进，纠正个别驾驶员近距离避让不良习惯，提升船队航行安全保障能力。
（3）打通数据链路，发挥数据聚合效用，赋能安全工作效率提升
以数据融合为核心驱动力，构建多技术、多场景、多维度的深度协同体系。在技术层面，有机融合企业内外部的各类数据，支持企业内外部系统的数据对接，包括船舶管理系统、报文系统、经营系统、调度系统、设备监控系统、气象监测终端等，实现结构化与非结构化数据的统一管理；通过制定多种类的数据标准，将设备日志、航行轨迹、气象预警等分散数据整合为标准化数据集，有效降低数据孤岛带来的管理成本，同时将环境安全、航行安全、人员安全、生态安全四大部分相关的数据、功能、管理要求深度耦合，形成船舶航行安全管理的“感知-分析-决策-执行”的闭环链路，将航运企业管理体系要求与数字化技术深度融合，使数据标准、业务流程、智能预警在船岸两端形成统一闭环，推动航运管理从碎片化功能堆砌向一体化智能协同质变。
以安全风险智能辨识为例，通过AI+大数据技术，结合航线计划，可提前72小时预判航行周期内的37类风险项，智能推送至船岸相关人员，提前做好预控，应对风险，所有风险一屏统览，可见可视，可实时跟踪风险应对情况，管理强度下降10倍以上，工作效率提升20倍，形成了船岸一体协同的风险闭环管理体系。
4、实施效果
航安宝通过“AI+数据”的深化应用，打造了风险感知的“智脑”，成功实现安全绩效与运营效率双重提升。一是构建船岸协同电子化预检机制，依托大数据算法赋能，使PSC检查平均缺陷率降低28.9%、石油公司检查平均缺陷率降低6.4%，安全风险处置效率提升54%；二是强化船舶防碰撞能力，在能见度正常情况下，实现海上目标识别距离≥2km、识别准确率≥95%，为驾驶人员预留充足预判与应对时间，同时通过船舶轨迹及驾驶行为回溯分析，快速定位高频危险作业并及时纠正，多维度减少碰撞事故；三是规范船员安全作业行为，可精准捕捉30余类异常行为，识别率超90%，有效防范人为操作风险；四是助力绿色低碳发展，基于智能算法模型对航次油耗数据开展智能分析，通过横向对标、历史数据比对、阈值设定等方式快速预警油耗异常，辅助优化管理决策。
完成单位：中远海运科技股份有限公司
完成人：林亦雯、张南杰、韩明龙、邢阿亮