CN107358048A - 一种基于ais数据的高精度船舶污染物排放量计算方法 - Google Patents
一种基于ais数据的高精度船舶污染物排放量计算方法 Download PDFInfo
- Publication number
- CN107358048A CN107358048A CN201710577047.8A CN201710577047A CN107358048A CN 107358048 A CN107358048 A CN 107358048A CN 201710577047 A CN201710577047 A CN 201710577047A CN 107358048 A CN107358048 A CN 107358048A
- Authority
- CN
- China
- Prior art keywords
- data
- ship
- ais
- static
- main frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Abstract
本发明涉及一种基于AIS数据的高精度船舶污染物排放量计算方法。其包括:获取AIS数据,对AIS数据进行解码得到静态数据和动态数据,静态数据和动态数据分开存储并进行预处理;对静态数据中缺失的数据进行补充和完善;利用动态数据和文献资料提取和补充活动水平数据;将动态数据和静态数据进行匹配;利用船舶逐条AIS动态信息计算船舶大气污染物排放量。本发明采用动力计算方法,以AIS数据为基础,利用船舶逐条动态上报信息自下而上地计算船舶大气污染物排放量,在此过程中,本发明充分利用AIS已有信息项来补充缺失的静态数据,可有效降低采用平均数值替代缺失数据带来的较大不确定性,从而提高了排放量计算的准确性。
Description
技术领域
本发明涉及船舶领域,更具体地,涉及一种基于AIS数据的高精度船舶污染物排放量计算方法。
背景技术
大气污染物排放清单是制定污染减排政策、评价各污染源排放影响和污染减排效果的重要依据和手段,工业污染源、道路移动源等陆源的大气污染治理工作开展时间较长,清单编制方法亦趋于成熟。随着精细化管理需求和空气质量持续改善压力不断加大,船舶对区域大气污染排放贡献受到越来越多的关注,而目前我国仅有部分沿海港口城市建立了船舶排放清单,清单编制方法还有待完善。
船舶排放清单的编制总体经历了“自上而下”的估算方法到“自下而上”的精细化计算过程。前期的排放清单主要采用基于吞吐量、船用燃油消耗量、船舶进出港数据等的“自上而下”的估算方法,操作相对简单,但缺乏对船舶实际航行状态的反映以及数据区域代表性不足等使得清单计算结果具有较大不确定性。为有效提高清单结果的精确度,AIS数据被逐步应用到船舶大气污染物排放清单编制中。
船舶自动识别系统(Automatic Identification System,简称AIS系统)由岸基(基站)设施和船载设备共同组成,是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。AIS系统的AIS消息提供三类数据,其中包含船舶静态数据(包含船名、呼号、MMSI、IMO、船舶类型、船长、船宽等)、船舶动态数据(包含经度、纬度、船首向、航迹向、航速、实时信息上报的UTC时间等)、船舶航程数据(包含船舶状态,吃水,目的地等)。
AIS系统详实的航行速度、时间、经纬度等信息可被用来获取船舶数量以及航行轨迹、航速等多个实时活动水平关键参数,以精确计算船舶实际航行过程中的大气污染物排放量。但AIS数据并不包含对于船舶排放量计算同样十分重要的主辅机和锅炉功率等静态数据,由于与船舶动态信息匹配的相关基础数据获取以及海量AIS数据处理的难度较大(A类船载移动设备报告间隔在航行状态下不超过10s),使用AIS数据“自下而上”编制船舶排放清单的方法主要集中在欧洲、北美等发达国家和地区。
我国船舶清单开发对AIS数据的初期使用主要集中在活动水平统计分析、提取船舶流量、利用船舶航行轨迹进行空间分配等方面,该种方法建立的排放清单通过降低关键参数精确度来提高排放量计算的简易度,没有充分发挥AIS本身带有的实时航行状态数据在清单开发过程中的优势,同时也忽略了不同船舶类型、不同吨位等级船舶在单位时间内的污染排放量差异性,空间分配结果依然存在较大的不确定性。目前也有部分学者给出了基于AIS数据建立的船舶大气污染物排放清单,或仅以远洋船为研究对象或侧重于对清单结果的描述,对于我国沿海和内河船数量多、部分船型AIS数据关键信息项缺失严重、数据补充难度大的实际情况及解决办法的相关内容并没有涉及。因此,如何针对可获取的数据源现状实现对AIS静态数据的有效补充和完善以便更好地应用于船舶排放清单“自下而上”的编制过程是现行研究的重点。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷(不足),提供一种能够提高计算精度的基于AIS数据的高精度船舶污染物排放量计算方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于AIS数据的高精度船舶污染物排放量计算方法,包括:
获取AIS数据,对AIS数据进行解码得到静态数据和动态数据,静态数据和动态数据分开存储并进行预处理;
对静态数据中缺失的数据进行补充和完善;
利用动态数据和文献资料提取和补充活动水平数据;
将动态数据和静态数据进行匹配;
基于动力计算方法利用船舶逐条AIS动态信息计算船舶大气污染物排放量。
本发明采用动力计算方法,以AIS数据为基础,利用船舶逐条动态上报信息自下而上地计算船舶大气污染物排放量,在此过程中,本发明充分利用AIS已有信息项来补充缺失的静态数据,可有效降低采用平均数值等替代缺失数据带来的较大不确定性,从而提高了排放量计算的准确性。
上述方案中,静态数据和动态数据的预处理具体包括如下步骤:
将同一天的静态数据和动态数据分别存储在不同的文件内并以日期命名;
当同一天的静态数据中存在多条记录有相同MMSI编号的AIS数据时,删除信息项全部相同的重复数据,仅保留MMSI编码相同的信息最全且合理的一条,其余进行删除处理。
AIS报文信息都通过特定的标识符进行信息上传,具有不可直观阅读性,因此本发明在获取到AIS数据后先对其进行解码,解码成可直观阅读和使用的数据,解码后将静态数据和动态数据分开存储,形成船舶静态数据库和动态数据库,方便后续排放清单的编制和使用。
上述方案中,对静态数据中缺失的数据进行补充和完善的具体步骤包括:
收集整理多种与船舶相关的数据库信息对AIS静态数据库进行关键信息项的多源查询匹配操作获取可匹配到的AIS静态数据缺失的数据信息项;
对无法直接通过多源查询匹配的方式获取的缺失数据信息项,通过数理统计的方式进行回归模拟结果推算获取。
此方式充分利用了其他数据库中对船舶静态数据的记载,通过数据匹配和数理统计方式来补充缺失的静态数据,可有效降低采用平均数值等替代缺失数据带来的较大不确定性。
上述方案中,所述多种与船舶相关的数据库包括船舶签证、船舶进出口岸查验信息、船检、劳氏船级社数据库。
上述方案中,多源查询匹配具体方式是选择一个关键因子进行信息的匹配,不同数据库可以依次选择MMSI编码、船舶英文名称作为关键因子进行数据的匹配。
上述方案中,通过数理统计的方式进行回归模拟结果推算获取缺失的静态数据的具体步骤包括:
将船舶类型划分为远洋、沿海和内河三大类,每个大类下的船舶均划分货船、客船、油轮、拖船和其他共五种,提取AIS静态数据中的船长数据,依据不同船型的船长和船舶吨位间的拟合关系式推算出吨位数据,再根据吨位值和功率间的拟合关系式得到主机功率值;
按照国内外清单编制经验利用辅机、主机额定功率间的比值与主机额定功率进行关联,计算获取辅机额定功率值;
上述方案中,将动态数据和静态数据进行匹配的具体步骤为:
将动态数据和静态数据通过MMSI编号进行对应匹配,匹配过程仅查找动态数据文件对应日期的静态数据文件。
上述方案中,活动水平数据包括负载率、工况划分和运行时间;
负载率的获取为:
主机负载率参考国内外清单编制经验,基于螺旋桨定律,利用船舶航行实时速度数据和最大航行速度之间的关系计算得到;
辅机负载率和锅炉负载率参考国内外清单经验值;
工况划分为航行、进出港和停泊三种工况,通过提取根据远洋、沿海、内河船舶的航行速度分布进行划分,根据实时航行速度进行所处工况判定;
运行时间为前后两条动态信息的时间差值。
上述方案中,利用船舶逐条AIS动态信息计算船舶大气污染物排放量的具体步骤为:
首先对比航行速度数据和工况划分速度限值判定船舶所处航行工况并计算主机负载率,其次计算两条动态报文间的污染物排放量:
单条船舶前后两条动态报文间的污染物排放量建立如下计算模型,其中远洋船排放量为主机、辅机和锅炉的排放量之和,沿海船排放量为主机、辅机和锅炉的排放量之和,内河船仅考虑主机排放量:
E(主机)=P(主机)×LF(主机)×(UTC1-UTC2)×EF(主机)×LLA
E(辅机)=P(辅机)×LF(辅机)×(UTC1-UTC2)×EF(辅机)
E(锅炉)=A_P(锅炉)×(UTC1-UTC2)×EF(锅炉)
E远洋=E主机+E辅机+E锅炉
E沿海=E主机+E辅机+E锅炉
E内河=E主机
EF=EF0×FCF
式中,E为污染物排放量,g;P为发动机的额定功率,kw;LF为发动机负载率;UTC1和UTC2为前后两条AIS动态信息上报时间,h;EF为排放因子,g/(kw·h),是根据船用燃油硫含量值对基础排放因子EF0进行本地化校正后的结果,在数值上EF=EF0×FCF,其中EF0为基础排放因子,g/(kw·h),FCF为燃油校正因子;LLA为低负载校正因子,当主机负载率低于20%时对排放因子进行低负载校正;A_P为锅炉实际运行功率,kw。
上述方案中,所述方法还包括:
标记所计算排放量对应的经纬度信息和时间信息;
依据研究范围和清单精度需求对研究区域做网格划分,分别统计各网格内的船舶大气污染物排放量,获取网格化排放清单,同时分别统计不同时间段内的船舶大气污染物排放量,获取时间分布特征。
上述方式基于航行轨迹排放量的空间和时间分布相较于现有技术基于航道长度、船舶流量、到港船舶艘次分布或者其他统计信息获取的结果具有更好的合理性和更高的精确度。
与现有技术相比,本发明技术方案的有益效果是:
本发明采用动力计算法、以AIS数据为基础,利用船舶逐条动态上报信息自下而上编制船舶大气污染物排放清单,尤其是针对AIS静态信息不足以支撑排放量计算的实际情况提出了一种通过构建船舶AIS静态信息关联属性库实现对AIS静态数据的有效补充,其包括两个步骤,首先利用多个现有数据库进行多源数据匹配对缺失数据进行直接补充,而后识别无法直接匹配的船舶采用回归模拟结果推算的方法进行间接补充。该方法充分利用了AIS自有静态数据项和目前可掌握的其他数据信息,有效提高了AIS数据在船舶大气污染物排放清单编制过程中的可用性,为实现基于AIS数据的逐艘次的船舶排放计算提供关键技术支持。
附图说明
图1为本发明一种基于AIS数据的高精度船舶污染物排放量计算方法具体实施例的流程图。
图2为珠江口水域部分内河船速度随时间变化的示意图。
图3为利用本发明的方法对珠江口附近水域进行研究得到的基于船舶实际排量的各种排放因子空间分布结果示意图,其中图3(a)为一氧化碳CO的空间分布结果示意图,3(b)为碳氢化合物HC的空间分布结果示意图,3(c)为氮氧化物NOx的空间分布结果示意图,3(d)为PM2.5的空间分布结果示意图,3(e)为PM10的空间分布结果示意图,3(f)为二氧化硫SO2的空间分布结果示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
在本发明的描述中,需要理解的是,此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此,限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,为本发明一种基于AIS数据的高精度船舶污染物排放量计算方法具体实施例的流程图。参见图1,本具体实施例一种基于AIS数据的高精度船舶污染物排放量计算方法的具体步骤包括:
S101.获取AIS数据,对AIS数据进行解码得到静态数据和动态数据,静态数据和动态数据分开存储并进行预处理。
由于需要利用AIS数据,因此,本发明的方法针对的是安装并开启AIS设备的船舶,包括远洋船、沿海船和内河船等。AIS设备上报的报文信息不仅包含远洋船舶航行轨迹,还包含了沿海船舶和大量的内河船舶,但由于AIS报文为加密文件,且存在数据信息项不完整、数据冗余、数据量庞大等原因,目前并没有被很好的应用到船舶大气污染物排放清单的开发工作中。本发明针对现有AIS数据应用于船舶大气污染物排放清单研究时存在的问题一一进行解决。
AIS报文各条信息项都需通过特定的标识符进行信息上传,具有不可直观阅读性,需要对其信息项进行解码,解译成可直观阅读和使用的数据,可服务于污染物排放清单编制的主要包括静态数据项和动态数据项两大部分,由于上报频率存在差异性以及考虑后续清单编制工作的便易性,将解译后的静态数据和动态数据分开存储,形成船舶静态数据库和动态数据库。AIS系统的技术特性可参考国际电信联盟发布的《ITU-R M.1371-4建议书》,来源方面,岸基AIS数据可通过海事部门获取、卫星AIS数据可通过定向数据库购买的方式获取。
其中从AIS数据中可以获取到的静态数据库关键信息项包括:MMSI(水上移动通信业务标识码,Maritime Mobile Service Identify)编号、船舶英文名称、船舶类型、船舶分类编号(编号“0”代表A类船、编号“1”代表B类船)、船长、船宽、吃水等信息项,其中IMO(国际海事组织的识别码)编号、呼号信息项基本缺失。
其中从AIS数据中可以获取到的动态数据库关键信息项包括:MMSI编号、对地航速、经度、纬度、船舶报告时间等信息项。
将AIS数据解码并分开存储后,还需要对数据进行清洗和整理等预处理。具体步骤如下:
1)将船舶静态数据和动态数据分别按日期进行存储,即同一天的报文解码数据存储在同一个文件内,并以日期命名,以尽量减少出现一个编号对应多条静态数据的情况;
2)当同一天的船舶静态数据中存在多条AIS数据,每条AIS数据均记录有相同的MMSI编号时,仅保留信息最全且合理的一条,其余进行删除处理。比如,比较各记录中船名、船长、船宽、船舶类型四项参数,四项信息全部相同的仅保留其中一条记录其余删除,仅MMSI编号相同的,优先选取有正常船名(不出现乱码或空的船名)、船长较大的记录,其余记录删除。
S102.对静态数据中缺失的数据进行补充和完善。
动力法计算中需要用到主机额定功率这一静态数据,但通常AIS静态数据中缺失主机额定功率等信息。基于此,本发明提出了通过多源数据匹配和回归模拟结果推算相结合的方法来构建船舶AIS静态信息关联属性库以补充和完善缺失的静态数据。具体实现时,先收集整理多种与船舶相关的数据库信息对AIS静态数据做多源查询匹配获取AIS静态数据缺失的数据;
现有技术中船舶签证、船舶进出口岸查验信息、船检、劳氏船级社等数据库中均涉及船舶静态数据,收集整理船舶签证、船舶进出口岸查验信息、船检、劳氏船级社等数据库信息对AIS静态数据库进行多源查询匹配,关键信息项依据数据库的不同可依次选择水上移动通信业务标识码(MMSI编码)、船舶英文名称,匹配结果可同时实现对船舶类型的详细划分。
具体就关键信息项的选择来讲:
劳氏船级社数据、船舶检验登记数据、船舶签证数据等含有AIS数据中缺少的船舶主机功率、吨位、详细类型(普通货船、干散货船、集装箱船、滚装船、化学品运输船、液化气运输船、油轮、拖船、客船、其他等)等关键信息。
对于劳氏船级社等远洋船舶数据库,可将“MMSI编号”作为关键因子与AIS数据进行船舶匹配和信息补充;
对于船舶检验登记信息、船舶签证信息等主要对应本国的沿海和内河船舶,其不包括MMSI编号,可将“船舶英文名称”作为关键因子与AIS数据进行船舶匹配和信息补充。
其中,为保证船舶名格式的一致性及后续的可对比性,将船舶英文名称统一改为大写,并删除名称中可能存在的空格与TAB键。
经过多源数据匹配后,补充排放量计算所需的主机功率、吨位、详细类型等信息,如果还存在多源数据库无法匹配的船舶则进入第二步,利用数理统计的方式进行回归模拟结果推算的方式对在第一步中无法补充到主机功率和吨位信息的船舶进行信息补充。
具体为:
取AIS静态信息项中的船长数据,依据不同船型的船长和船舶吨位间的拟合关系式(见表1)推算出吨位数据,再依据吨位值和功率值间的拟合关系式(见表2)得到主机功率数据。具体地,船长与吨位间的数理关系以船舶签证信息及船舶进出口岸查验信息中部分可查询获取到船长数据的船舶为基础,通过数理统计的方式获取船长与吨位间的拟合关系式,吨位与功率间的数理关系以获取到的船舶签证信息及船舶进出口岸查验信息为基础,通过数理统计的方式获取吨位与功率间的拟合关系式。辅机功率值根据辅机、主机额定功率间的比值获取,锅炉额定功率取国内外清单编制经验值,鉴于AIS信息的局限性,将船舶类型划分为货船、客船、油轮、拖船和其他(不包括捕捞船)共五种。该方法充分利用了AIS已有信息项来补充缺失数据,可有效降低采用平均数值等替代缺失数据带来的较大不确定性。其中,不同船型的船长和船舶吨位间的拟合关系式以及吨位值和功率值间的拟合关系式是采集大量样本数据通过数据拟合得到的,本发明是以珠江三角洲为研究区域采集船舶样本研究得到拟合关系。
具体地,先对船舶类型进行划分,具体为:
①大中型船舶和小型船舶的初步划分
编号“0”对应A类船舶,属于大中型船(300总吨及以上);
编号“1”对应B类船舶,属于小型船(300总吨以下)。
②船舶类型划分
船舶类型由0-99数字表示,按照排放清单的需求,将船舶类型整理如下:
③远洋/沿海/内河船舶划分
编号“1”对应的小型船归入内河船舶范畴;
编号“0”对应的船舶:
MMSI编码开头为412/413且末一位不为0的为内河船舶;
MMSI编码开头为412/413且末一位为0的为沿海船舶;
MMSI编码开头为412/413且末两位为00的为远洋船舶;
MMSI编码开头不为412/413为远洋船舶。
④船长与吨位间数理关系
表1船长与吨位值间数理关系
在表1中,R2是相关指数,用来衡量模拟效果好坏的指标,其值越接近1表示拟合关系拟合的效果越好。其中,远洋客船和沿海客船由于数据样本量较小,本发明采用直接取值方式给出远洋和沿海客船的主机功率值,具体见表2,不经过拟合关系推算。
⑤吨位与主机额定功率间数理关系
表2船舶吨位与主机额定功率间数理关系
⑥辅机和锅炉额定功率补充。
辅机额定功率由于在各数据库中均严重缺失,按照国内外清单编制经验利用辅机、主机额定功率间的比值(以下简称“辅机/主机比”)与主机额定功率进行关联,通过主机额定功率和“辅机/主机比”的经验值计算获取。其中远洋船辅机/主机比参考国内外清单编制的经验值,沿海船依据样本数据统计获取,给出包括分船型的平均额定功率及辅机/主机比的统计均值,如表3所示,其中,表3中的普通货船、干散货船、化学品运输船、滚装船、液化气运输船、货船a均属于上述分类的货船。锅炉额定功率按照国内外清单编制经验不再补充,直接给出各工况下的实际运行功率值来计算排放量。内河船舶由于计算排放量时不考虑辅机和锅炉的排放量,因此此处不对内河船舶的辅机、锅炉额定功率进行补充。
表3不同船型“辅机/主机比”
上表中,沿海船的统计结果是基于350余个样本数得到的;货船a对应数值为普通货船、干散货船、化学品运输船、滚装船、集装箱船和液化气运输船在内的6种船型对应数值的加权平均值,适用于无法通过多源数据库进行直接匹配的船舶。
S103.利用动态数据和文献资料提取和补充活动水平数据。
具体实施过程中,通过AIS动态数据可获取逐条船舶详实的运行轨迹信息,包括时间、经纬度、航行速度等,需获取的活动水平数据主要包括负载率、工况划分、运行时间等。
(1)负载率
主机负载率参考国内外清单编制经验,基于螺旋桨定律,利用船舶航行实时速度数据和最大航行速度之间的关系计算得到:主机负载率=(实际航行速度/最大航速)3,其中,不同船型最大航行速度给出建议值,具体如下:
表4不同船型最大航速推荐值
在船舶整个运行过程中,依据航行速度的变化实时更新主机实际运行负载率。辅机负载率和锅炉实际运行功率获取难度较大,建议参考国内外清单经验值和研究区域内船舶类型、功率分布实际情况选取具体数据。本发明的一个具体实例中,参考国内外清单的经验值后,辅机在不同工况下的负载率具体取值如表5所示,锅炉实际运行功率的具体取值如表6所示。
表5不同航行工况下辅机负载率值
表6不同航行工况下锅炉实际运行功率值[kw]
(2)工况划分。不同工况下船舶主辅机和锅炉的开启、负载率等情况有所不同,在很大程度上影响排放量的计算结果,目前船舶排放清单的工况划分主要参考国外研究成果,为提高工况划分在不同研究水域的适用性,本发明提出依据不同船型AIS数据的时间-航速曲线具体识别不同工况的方法,以给出适用于研究水域范围内的划分各工况的速度限值。考虑到基于AIS数据对工况识别的可行性和便易性,建议将运行工况划分为航行、进出港操作和停泊三个阶段。以珠江口船舶为例,船舶流量大、平均航速偏低,通过提取大量船舶随时间的速度变化情况(图2所示为部分内河船速度变化情况),给出工况划分限值建议值如表7所示。其他水域可以参考珠江口水域的工况划分情况,也可以根据具体水域的船舶的速度变化来提取具体的建议值。
表7珠江口水域不同类型船舶运行工况划分
(3)运行时间为前后两条动态信息的时间差值。
S104.将动态数据和静态数据进行匹配;
在本发明中,动态数据与静态数据分开进行存储,排放清单的开发需要将静态数据与动态数据通过MMSI编号进行对应匹配,匹配过程仅查找动态数据文件对应日期的静态数据文件。排放量的计算既需要用到动态数据,又需要用到与动态数据对应的静态数据,因此需要将存放在不同文件内的静态数据和动态数据做匹配以便于进行排放量的计算。S105.基于动力计算方法,利用船舶逐条AIS动态信息计算船舶大气污染物排放量。具体地:
首先对比航行速度数据和工况划分速度限值判定船舶所处航行工况并计算主机负载率,其次计算两条动态报文间的污染物排放量:
单条船舶前后两条动态报文间的污染物排放量建立如下计算模型,其中远洋船排放量为主机、辅机和锅炉的排放量之和,沿海船排放量为主机、辅机和锅炉的排放量之和,内河船仅考虑主机排放量:
E(主机)=P(主机)×LF(主机)×(UTC1-UTC2)×EF(主机)×LLA
E(辅机)=P(辅机)×LF(辅机)×(UTC1-UTC2)×EF(辅机)
E(锅炉)=A-P(锅炉)×(UTC1-UTC2)×EF(锅炉)
E远洋=E主机+E辅机+E锅炉
E沿海=E主机+E辅机+E锅炉
E内河=E主机
EF=EF0×FCF
式中,E为污染物排放量,g;P为发动机的额定功率,kw;LF为发动机负载率;UTC1和UTC2为前后两条AIS动态信息上报时间,h;EF为排放因子,g/(kw·h),是根据船用燃油硫含量值对基础排放因子EF0进行本地化校正后的结果,在数值上EF=EF0×FCF,其中EF0为基础排放因子,g/(kw·h),FCF为燃油校正因子;LLA为低负载校正因子,当主机负载率低于20%时对排放因子进行低负载校正;A_P为锅炉实际运行功率,kw。燃油校正因子和低负载校正因子在各研究中均采用统一参考值,在此不再赘述。
其中,船舶排放因子受诸多因素影响,最主要的有燃料含硫率、引擎类型、引擎转速等,我国目前尚缺乏本地化的船舶排放因子实测结果,美国和香港地区等相关研究报告中提供了不同燃料类型、不同引擎类型和转速下的船舶排放因子。
在本发明的一个实例中,综合考虑美国和香港地区排放因子作为编制清单的基础排放因子,具体如表8所示,结合研究区域船用燃料硫含量情况对基础排放因子进行燃油校正,以获取更优化的船舶大气污染物排放因子。如表9所示,给出了珠三角地区船舶大气污染物排放因子,该因子是在基础排放因子经过燃油校正因子校正后的排放因子(基于2014年船用燃油调研结果)。
表8船舶大气污染物基础排放因子[g/(kw·h)]
表9船舶大气污染物排放因子[g/(kw·h)]
本发明以逐条动态信息为基础进行船舶大气污染物排放量计算,以MMSI编码为关键信息项对动态数据库和补充完善的静态数据库进行映射查询,实现动态信息和静态信息的匹配,再结合优化后的排放因子利用动力法计算每条动态信息对应的污染物排放量。
对排放量进行计算的同时,标记该排放量对应的经纬度信息和时间信息。
依据研究范围和清单精度需求对研究区域做网格划分,分别统计各网格内的船舶大气污染物排放量,获取网格化排放清单,明确船舶大气污染物在研究区域内的空间分布特征,同时可分别统计不同时段内的船舶大气污染物排量,明确时间分布特征。
利用本发明建立的船舶大气污染物排放清单编制方法,选取珠江口附近水域为研究对象,以2014年为基准年,清单计算结果包括如下6种污染物:SO2、NOX、PM10、PM2.5、CO和HC。
以15″(约500米)为间隔做网格划分,以船舶大气污染物排放量计算结果和对应的经纬度为关键信息项分别统计各网格内的排放量总和,从而获得基于船舶实际排量的空间分布结果,如图3所示。从各分布图中可以看出清晰的船舶航行轨迹,由于计算范围内的船舶流量比较大,并没有呈现出明显的排放热点。该种基于航行轨迹排放量的空间分布相较于基于航道长度、船舶流量等的空间分布具有更好的合理性和更高的精确度。
本发明建立了一套采用动力计算法、以AIS数据为基础,利用船舶逐条动态上报信息自下而上编制船舶大气污染物排放清单的方法,尤其是针对AIS静态信息不足以支撑排放量计算的实际情况提出了一种通过构建船舶AIS静态信息关联属性库实现对AIS静态数据的有效补充,包括两个步骤,首先利用多个现有数据库进行多源数据匹配对缺失数据进行直接补充,而后识别无法直接匹配的船舶采用回归模拟结果推算的方法进行间接补充。该方法充分利用了AIS自有静态数据项和目前可掌握的其他数据信息,有效提高了AIS数据在船舶大气污染物排放清单编制过程中的可用性,为实现基于AIS数据的逐艘次的船舶排放计算提供关键技术支持。
本发明基于航行轨迹排放量的空间和时间分布相较于基于航道长度、船舶流量、到港船舶艘次分布或其他统计信息获取的结果具有更好的合理性和更高的精确度;本发明以珠三角区域的大量调研和数据资料为样本,统计梳理了船长与吨位值间数理关系、船舶吨位与额定功率间数理关系、不同类型沿海船辅机平均额定功率和辅机/主机比推荐均值、不同船型最大航速推荐均值等船舶大气污染排量计算过程中主要参数的推荐均值或推演公式,可为广东省船舶大气污染排放清单编制工作提供技术方法,同时也可为全国船舶排放清单的编制提供参考。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,包括:
获取AIS数据,对AIS数据进行解码得到静态数据和动态数据,静态数据和动态数据分开存储并进行预处理;
对静态数据中缺失的数据进行补充和完善;
利用动态数据和文献资料提取和补充活动水平数据;
将动态数据和静态数据进行匹配;
基于动力计算方法利用船舶逐条AIS动态信息计算船舶大气污染物排放量。
2.根据权利要求1所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,静态数据和动态数据的预处理包括如下具体步骤:
将同一天的静态数据和动态数据分别存储在不同的文件内并以日期命名;
当同一天的静态数据中存在多条记录有相同MMSI编号的AIS数据时,删除信息项全部相同的重复数据,仅保留MMSI编码相同的信息最全且合理的一条,其余进行删除处理。
3.根据权利要求1所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,对静态数据中缺失的数据进行补充和完善的具体步骤包括:
收集整理与船舶相关的数据库信息对AIS静态数据库进行关键信息项的多源查询匹配操作获取可匹配到的AIS静态数据缺失的数据信息项;
对无法直接通过多源查询匹配的方式获取的缺失数据信息项,通过数理统计的方式进行回归模拟结果推算获取。
4.根据权利要求3所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,所述与船舶相关的数据库包括船舶签证、船舶进出口岸查验信息、船检、劳氏船级社数据库中的一种或者多种。
5.根据权利要求4所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,多源查询匹配具体方式是选择一个关键因子进行信息的匹配,不同数据库可以依次选择MMSI编码、船舶英文名称作为关键因子进行数据的匹配。
6.根据权利要求3所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,通过数理统计的方式进行回归模拟结果推算获取缺失的静态数据的具体步骤包括:
将船舶类型划分为远洋、沿海和内河三大类,每个大类下的船舶均划分货船、客船、油轮、拖船和其他共五种,提取AIS静态数据中的船长数据,依据不同船型的船长和船舶吨位间的拟合关系式推算出吨位数据,再根据吨位值和功率间的拟合关系式得到主机功率值;
按照国内外清单编制经验利用辅机、主机额定功率间的比值与主机额定功率进行关联,计算获取辅机额定功率值。
7.根据权利要求1所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,将动态数据和静态数据进行匹配的具体步骤为:
将动态数据和静态数据通过MMSI编号进行对应匹配,匹配过程仅查找动态数据文件对应日期的静态数据文件。
8.根据权利要求6所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,活动水平数据包括负载率、工况划分和运行时间;
负载率的获取为:
主机负载率参考国内外清单编制经验,基于螺旋桨定律,利用船舶航行实时速度数据和最大航行速度之间的关系计算得到;
辅机负载率和锅炉负载率参考国内外清单经验值;
工况划分为航行、进出港和停泊三种工况,通过提取远洋、沿海、内河船舶的航行速度分布进行划分,根据实时航行速度进行所处工况判定;
运行时间为前后两条动态信息的时间差值。
9.根据权利要求8所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,利用船舶逐条AIS动态信息计算船舶大气污染物排放量的具体步骤为:
首先对比航行速度数据和工况划分速度限值判定船舶所处航行工况并计算主机负载率,其次计算两条动态报文间的污染物排放量:
单条船舶前后两条动态报文间的污染物排放量建立如下计算模型,其中远洋船排放量为主机、辅机和锅炉的排放量之和,沿海船排放量为主机、辅机和锅炉的排放量之和,内河船仅考虑主机排放量:
E(主机)=P(主机)×LF(主机)×(UTC1-UTC2)×EF(主机)×LLA
E(辅机)=P(辅机)×LF(辅机)×(UTC1-UTC2)×EF(辅机)
E(锅炉)=A_P(锅炉)×(UTC1-UTC2)×EF(锅炉)
E远洋=E主机+E辅机+E锅炉
E沿海=E主机+E辅机+E锅炉
E内河=E主机
EF=EF0×FCF
式中,E为污染物排放量,g;P为发动机的额定功率,kw;LF为发动机负载率;UTC1和UTC2为前后两条AIS动态信息上报时间,h;EF为排放因子,g/(kw·h),是根据船用燃油硫含量值对基础排放因子EF0进行本地化校正后的结果,在数值上EF=EF0×FCF,其中EF0为基础排放因子,g/(kw·h),FCF为燃油校正因子;LLA为低负载校正因子,当主机负载率低于20%时对排放因子进行低负载校正;A_P为锅炉实际运行功率,kw。
10.根据权利要求9所述的基于AIS数据的高精度船舶污染物排放量计算方法,其特征在于,所述方法还包括:
标记所计算排放量对应的经纬度信息和时间信息;
依据研究范围和清单精度需求对研究区域做网格划分,分别统计各网格内的船舶大气污染物排放量,获取网格化排放清单,同时分别统计不同时间段内的船舶大气污染物排放量,获取时间分布特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577047.8A CN107358048A (zh) | 2017-07-14 | 2017-07-14 | 一种基于ais数据的高精度船舶污染物排放量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577047.8A CN107358048A (zh) | 2017-07-14 | 2017-07-14 | 一种基于ais数据的高精度船舶污染物排放量计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358048A true CN107358048A (zh) | 2017-11-17 |
Family
ID=60291989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710577047.8A Pending CN107358048A (zh) | 2017-07-14 | 2017-07-14 | 一种基于ais数据的高精度船舶污染物排放量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358048A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061064A (zh) * | 2018-08-13 | 2018-12-21 | 浙江海洋大学 | 航区船舶排放监测系统 |
CN109855688A (zh) * | 2019-02-28 | 2019-06-07 | 武汉理工大学 | 一种内河港口船舶废气排放测度方法 |
CN110633892A (zh) * | 2019-08-08 | 2019-12-31 | 中国水产科学研究院东海水产研究所 | 一种ais数据提取延绳钓捕捞状态的方法 |
CN111159634A (zh) * | 2019-12-12 | 2020-05-15 | 天津大学 | 基于ais数据计算船舶大气污染物排放量及空间分布的方法 |
CN111289690A (zh) * | 2019-08-19 | 2020-06-16 | 浙江海洋大学 | 一种基于ais的区域船舶碳排放监测方法 |
CN112132419A (zh) * | 2020-09-03 | 2020-12-25 | 交通运输部水运科学研究所 | 一种基于ais数据的营运船舶水污染物产排量测算方法 |
CN112214721A (zh) * | 2020-09-27 | 2021-01-12 | 暨南大学 | 一种基于ais数据的动态化船舶排放清单建立方法 |
CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
CN113205123A (zh) * | 2021-04-23 | 2021-08-03 | 武汉理工大学 | 一种区域船舶大气污染物排放清单计算方法 |
CN113743662A (zh) * | 2021-08-31 | 2021-12-03 | 中山大学 | 一种基于机器学习的船舶关键技术参数预测方法及系统 |
CN115290834A (zh) * | 2022-10-09 | 2022-11-04 | 杭州泽天春来科技有限公司 | 船舶碳排放监测装置及方法 |
CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
CN115905770A (zh) * | 2022-10-28 | 2023-04-04 | 大连海事大学 | 一种基于ais数据的船舶污染排放量轨迹测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103124965A (zh) * | 2010-07-07 | 2013-05-29 | 新世界船舶有限公司 | 为优化船舶的航行指示而利用优化能量效率的船舶燃料节约系统及其方法以及以计算机程序存储此方法的记录介质 |
WO2015144175A1 (en) * | 2014-03-25 | 2015-10-01 | Green Sea Guard Ltd. | Monitoring of naval vessel exhaust gas emissions using ais signals |
CN105590024A (zh) * | 2015-12-16 | 2016-05-18 | 河海大学 | 一种基于活动的港区大气污染物排放清单编制方法 |
CN106855559A (zh) * | 2016-12-28 | 2017-06-16 | 浙江海洋大学 | 基于ais系统的船舶碳排放监测方法 |
-
2017
- 2017-07-14 CN CN201710577047.8A patent/CN107358048A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103124965A (zh) * | 2010-07-07 | 2013-05-29 | 新世界船舶有限公司 | 为优化船舶的航行指示而利用优化能量效率的船舶燃料节约系统及其方法以及以计算机程序存储此方法的记录介质 |
WO2015144175A1 (en) * | 2014-03-25 | 2015-10-01 | Green Sea Guard Ltd. | Monitoring of naval vessel exhaust gas emissions using ais signals |
CN105590024A (zh) * | 2015-12-16 | 2016-05-18 | 河海大学 | 一种基于活动的港区大气污染物排放清单编制方法 |
CN106855559A (zh) * | 2016-12-28 | 2017-06-16 | 浙江海洋大学 | 基于ais系统的船舶碳排放监测方法 |
Non-Patent Citations (2)
Title |
---|
文元桥: "《基于AIS信息的船舶废气排放测度模型》", 《中国航海》 * |
邢辉: "《基于AIS数据的渤海湾地区海运排放测算》", 《中国环境科学》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061064A (zh) * | 2018-08-13 | 2018-12-21 | 浙江海洋大学 | 航区船舶排放监测系统 |
CN109855688A (zh) * | 2019-02-28 | 2019-06-07 | 武汉理工大学 | 一种内河港口船舶废气排放测度方法 |
CN110633892A (zh) * | 2019-08-08 | 2019-12-31 | 中国水产科学研究院东海水产研究所 | 一种ais数据提取延绳钓捕捞状态的方法 |
CN111289690A (zh) * | 2019-08-19 | 2020-06-16 | 浙江海洋大学 | 一种基于ais的区域船舶碳排放监测方法 |
CN111159634A (zh) * | 2019-12-12 | 2020-05-15 | 天津大学 | 基于ais数据计算船舶大气污染物排放量及空间分布的方法 |
CN112132419B (zh) * | 2020-09-03 | 2023-06-20 | 交通运输部水运科学研究所 | 一种基于ais数据的营运船舶水污染物产排量测算方法 |
CN112132419A (zh) * | 2020-09-03 | 2020-12-25 | 交通运输部水运科学研究所 | 一种基于ais数据的营运船舶水污染物产排量测算方法 |
CN112214721A (zh) * | 2020-09-27 | 2021-01-12 | 暨南大学 | 一种基于ais数据的动态化船舶排放清单建立方法 |
CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
CN113205123A (zh) * | 2021-04-23 | 2021-08-03 | 武汉理工大学 | 一种区域船舶大气污染物排放清单计算方法 |
CN113743662A (zh) * | 2021-08-31 | 2021-12-03 | 中山大学 | 一种基于机器学习的船舶关键技术参数预测方法及系统 |
CN113743662B (zh) * | 2021-08-31 | 2024-04-16 | 中山大学 | 一种基于机器学习的船舶关键技术参数预测方法及系统 |
CN115290834A (zh) * | 2022-10-09 | 2022-11-04 | 杭州泽天春来科技有限公司 | 船舶碳排放监测装置及方法 |
CN115905770A (zh) * | 2022-10-28 | 2023-04-04 | 大连海事大学 | 一种基于ais数据的船舶污染排放量轨迹测算方法 |
CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358048A (zh) | 一种基于ais数据的高精度船舶污染物排放量计算方法 | |
CN107220521A (zh) | 一种用于船舶污染物排放量计算的静态数据获取方法 | |
CN112862321B (zh) | 一种基于ais大数据的海运统计系统及其统计方法 | |
Villalba et al. | Estimating GHG emissions of marine ports—the case of Barcelona | |
Peters et al. | Future emissions from shipping and petroleum activities in the Arctic | |
Merk | Shipping emissions in ports | |
Ülker et al. | A comparative CO2 emissions analysis and mitigation strategies of short-sea shipping and road transport in the Marmara Region | |
Marchand et al. | Climatic change and great lakes levels the impact on shipping | |
CN109405831A (zh) | 一种内河水网航线规划方法 | |
CN112214721B (zh) | 一种基于ais数据的动态化船舶排放清单建立方法 | |
Georgakaki et al. | Transport and Environment Database System (TRENDS): Maritime air pollutant emission modelling | |
Sundvor et al. | Estimating the replacement potential of Norwegian high-speed passenger vessels with zero-emission solutions | |
Yang et al. | Efficiency of DECA on ship emission and urban air quality: A case study of China port | |
Li et al. | Ship carbon dioxide emission estimation in coastal domestic emission control areas using high spatial-temporal resolution data: A China case | |
KR20070033628A (ko) | 해양지리 정보 구축 및 서비스 방법 | |
CN113205123A (zh) | 一种区域船舶大气污染物排放清单计算方法 | |
CN117132184A (zh) | 考虑低碳成本的航运网络优化系统及方法 | |
Mannarini et al. | VISIR-1. b: Ocean surface gravity waves and currents for energy-efficient navigation | |
CN115290834B (zh) | 船舶碳排放监测装置及方法 | |
Karamperidis et al. | Actions by Ports to Support Green Maritime Operations: A Real Case Study—The Port of Plymouth, UK | |
CN114005302B (zh) | 沿海船舶空船指数生成方法及系统 | |
CN113610347B (zh) | 一种船舶航运市场运力评估方法 | |
Ugé et al. | Estimation of worldwide ship emissions using AIS signals | |
Jiang et al. | Corridor Scale Planning of Bunker Infrastructure for Zero-Emission Energy Sources in Inland Waterway Transport | |
Wu | Configuration Generation Method of Ship End Program for Ship Energy Efficiency Management Platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |