CN106184649A - 一种基于航行特征数据学习的智能航线节油方法 - Google Patents

Abstract

本发明公开了一种基于航行特征数据学习的智能航线节油方法，包括油耗模型校验系统、航线智能选择系统、输入信息、输出信息，其特征在于所述油耗模型校验系统包括水流信息校验模型、船舶类型校验校验、吃水量校验模型、航行速度校验模型、波浪信息校验模型、气象信息校验模型、已过区间航线的预测耗油量、已过区间航线的实际耗油量；有益效果是能够根据长距离航行过程中的时变外界因素，智能选择出最省油的航线，既能满足海事船舶节油的实际工程需求，填补技术空白，又可产生较大的社会效益与经济效益。

Description

一种基于航行特征数据学习的智能航线节油方法

技术领域

本发明涉及海事船舶运输领域，特别是涉及一种基于航行特征数据学习的智能航线节油方法。

背景技术

国际原油价格上涨，随着原油期货价格首次突破每桶100美元大关。对于船舶公司，燃油和润滑油费用，在船舶营运成本中所占比例越来越高，节约燃润油费用已成为各船舶公司当务之急；对运输船舶，集装箱船效益受影响最大，超大型集装箱船每天消耗燃油近300吨，气缸油近2吨，燃润油费用支出达十多万美元，节油更是迫在眉睫。

航行计划所制定的航线，一般是较短距离航线，但并不一定是航行时间最短、最省油的航线，即不一定是最佳航线。

为了解决目前现有技术中，船舶航行计划所制定的航线并非最佳节油的航线等技术瓶颈，本发明提出了一种基于航行特征数据学习的智能航线节油方法，能够根据实时输入信息，阶段性动态决策选择最佳节油航线，航线预测准确、节油效果好，既能满足海事船舶远洋航行节油的实际工程需求，填补相关技术空白，又可产生较大的社会效益与经济效益。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于航行特征数据学习的智能航线节油方法，包括油耗模型校验系统、航线智能选择系统、输入信息、输出信息，其特征在于油耗模型校验系统根据已过区间航线的预测耗油量和已过区间航线的实际耗油量之间的差异，依据各子校验模型对航线智能选择系统中的现行预测模型不断修正，并根据时效性的输入信息不断决策产生具有时效性新的输出信息，不断产生新的输出信息，同时也对油耗模型校验系统不断进行修正，累积历史数据越多，累积航程越长，航线智能选择系统越准确；

所述油耗模型校验系统包括水流信息校验模型、船舶类型校验校验、吃水量校验模型、航行速度校验模型、波浪信息校验模型、气象信息校验模型、已过区间航线的预测耗油量、已过区间航线的实际耗油量；

所述水流信息包括水速、水向；

所述船舶类型包括普通货船、集装箱船、油船、散船；

所述波浪信息包括浪高、浪向、浪频；

所述气象信息包括风速、风向；

所述输入信息包括水流信息、船舶类型、吃水量、航行速度、波浪信息、气象信息、出发港、到达港、分析时刻；

所述输出信息包括有效时长、最优航线、次优航线、不良航线、预计油耗量；

所述油耗模型校验系统和输入信息是航线智能选择系统的输入端，所述输出信息是航线智能选择系统的输出端。

与现有技术相比，本发明的有益效果如下：无需采集设备的发动机、控制器数据工作数据，设备拥有者能够远程监控工程机械的运行状况，随时准确掌握设备的地理位置，车况、工况、工效、驾驶员等信息，有效防控风险，提高设备的投资回报率，既能满足工程机械类设备高效管控的实际工程需求，填补技术空白，又可产生较大的社会效益与经济效益。

附图说明

图1是一种基于航行特征数据学习的智能航线节油方法的原理图；

图2是常规航线图；

图3是节油航线图。

具体实施方式

参考附图描述本发明的实施方式，下面结合图1-图3对本发明进行具体说明。

一种基于航行特征数据学习的智能航线节油方法，包括油耗模型校验系统、航线智能选择系统、输入信息、输出信息，其特征在于油耗模型校验系统根据已过区间航线的预测耗油量和已过区间航线的实际耗油量之间的差异，依据各子校验模型对航线智能选择系统中的现行预测模型不断修正，并根据时效性的输入信息不断决策产生具有时效性新的输出信息，不断产生新的输出信息，同时也对油耗模型校验系统不断进行修正，累积历史数据越多，累积航程越长，航线智能选择系统越准确。

油耗模型校验系统包括水流信息校验模型、船舶类型校验校验、吃水量校验模型、航行速度校验模型、波浪信息校验模型、气象信息校验模型、已过区间航线的预测耗油量、已过区间航线的实际耗油量。

水流信息包括水速、水向；船舶类型包括普通货船、集装箱船、油船、散船；波浪信息包括浪高、浪向、浪频；气象信息包括风速、风向。

输入信息包括水流信息、船舶类型、吃水量、航行速度、波浪信息、气象信息、出发港、到达港、分析时刻；输出信息包括有效时长、最优航线、次优航线、不良航线、预计油耗量。

油耗模型校验系统和输入信息是航线智能选择系统的输入端，输出信息是航线智能选择系统的输出端。

如果某船舶从A港口出发，目标港口为B港口。图2为常规航线图，即未考虑各时变因素对船舶航行耗油的影响，只是根据历史平均气象信息等经验选择出的一条常规航线图，并非最省油的航线。

图2为常规航线图，，常规航线由航行历史经验确定。图3为根据一种基于航行特征数据学习的智能航线节油方法科学预测得出的节油航线图。因为船舶航行持续时间很长，远航甚至需要几个月时间。而水流信息、波浪信息、气象信息在很短时间内就可能发生变化、船舶的吃水量随着船舶的自身消耗补给及装卸货等情况发生变化，因此根据实时输入信息，各影响油耗的因素发生变化，该节油航线图的航线轨迹实时可能调整，实时决策选择出最省油的航线。

以上所述，仅是发明的较佳实施方式，并非对本发明做任何限制，凡是根据本发明实质对以上实施方式所作的任何修改、变更以及等效变化，均仍属于本发明技术的保护范围之内。

Claims (1)

1.一种基于航行特征数据学习的智能航线节油方法，包括油耗模型校验系统、航线智能选择系统、输入信息、输出信息，其特征在于油耗模型校验系统根据已过区间航线的预测耗油量和已过区间航线的实际耗油量之间的差异，依据各子校验模型对航线智能选择系统中的现行预测模型不断修正，并根据时效性的输入信息不断决策产生具有时效性新的输出信息，不断产生新的输出信息，同时也对油耗模型校验系统不断进行修正，累积历史数据越多，累积航程越长，航线智能选择系统越准确；

所述油耗模型校验系统包括水流信息校验模型、船舶类型校验校验、吃水量校验模型、航行速度校验模型、波浪信息校验模型、气象信息校验模型、已过区间航线的预测耗油量、已过区间航线的实际耗油量；

所述水流信息包括水速、水向；

所述船舶类型包括普通货船、集装箱船、油船、散船；

所述波浪信息包括浪高、浪向、浪频；

所述气象信息包括风速、风向；

所述输入信息包括水流信息、船舶类型、吃水量、航行速度、波浪信息、气象信息、出发港、到达港、分析时刻；

所述输出信息包括有效时长、最优航线、次优航线、不良航线、预计油耗量；

所述油耗模型校验系统和输入信息是航线智能选择系统的输入端，所述输出信息是航线智能选择系统的输出端。