大数据在航运经营管理领域的应用研究

人类已进入信息经济、互联网经济、数字经济时代，大数据吸引了越来越多的关注。伴随大数据技术的快速发展，电子商务领域、物流运输配送等环节，都是大数据发展的风口所在，大数据有助于实现新业务的管理和发展，不断实现业务和运营的创新发展。航运大数据应用虽然起步较晚，但也在加快发展速度，掌握航运大数据及其深入应用策略，有助于分析经济贸易发展趋势，获取更多更新的投资机遇，数据本身就是一种资源，利用更新的技术进行构筑，能够获取更多资源和条件，进而看到事物的本来面貌。

1  航运大数据应用的发展概况

2014年7月，日本船舶技术研究协会首先开始进行大数据与船舶之间的关联性研究；就国内发展而言，2012年，中国航运数据库平台上线，上海国际航运研究中心也在2014年开启“港航大数据实验室”的筹建工作；与此同时，挪威船级社也开始着手与进行大数据技术和船舶绩效之间的监测管理技术探索。包括且不限于船舶制造企业、航运公司、经纪人、货主、银行、保险公司、港口等航运产业链上的相关方，都在逐步探索使用大数据产品完善其决策和管理系统。但是，仅有部分领域能够切实应用到大数据技术，很多领域对于大数据的应用仍处于初级探索的阶段。

1.1  航运大数据应用的类型

根据应用目的不同，航运大数据通常被认为有三种重要类型，第一种是实时的数据分析，例如船舶的安排时间表、航行速度的实时记录等等，实现数据的融合计算分析，实时有助于船舶管理者进行监控船舶航行行为；第二种类型就是对于历史已有数据的分析和核算，有助于实现航运业务和运营的数据处理发掘，有助于实现船舶航运市场的运行分析，对于后续船舶的制造提供数据支持，对船舶公司的管理策略实现数据辅助，有助于科学分析船舶运力投放经济效益分析等提供服务。第三种主要集中于放眼未来，对于未来的航运经营管理提供策略性辅助，尤其是预测分析领域，结合已有的大数据对于航运未来发展、运力分析、贸易流向等环节进行预测分析，对于船舶调度实施预警等等。

1.2  航运大数据产生和收集

根据波士顿资讯的分析，从业务产生数据量大小的角度，数据量生产最大的是保险业，第二是航运业。航运大数据的收集方法主要有两种，一种是利用船联网和传感器实现自动数据的收集，另一种是利用电子商务的思想，将业务流程从实体逐步转化成为大数据的流程。

1.3  航运大数据的分析挖掘方法

从海量但是并不完善的数据中，切实提取出具有隐含意味的，但具有潜在价值的信息，就是数据挖掘的过程。数据挖掘的方法主要包含分类思想、统计思想、数据关联、可视化分析、迭代与逼近等具体环节。

①分类统计。如浮态与油耗、载况与功率等参数间的函数关系与信息。

②关联分析。如船舶航行进程中，吃水数据以及波浪数据的综合性关联，与此同时，海况波浪参数和船舶失速以及船舶运动参数相关联等。

③可视化分析。利用数据发掘和可视化两种技术相融合，将抽象的数据转化成为可视化的语言，方便后续实现知识和信息的升级处理。

④迭代与逼近。这一技术主要是通过时间连续性监测的数据对挖掘到的数据进行多次迭代与分析，实现逐步逼近结果的目标。

1.4  航运大数据应用存在的问题

当前航运业在应用大数据方面存在着几个问题需逐步突破和完善。一是整合数据时遇到 “格式”不同的问题。建立一个统一的数据格式标准是航运大数据发展亟待解决的问题。二是大数据所要求的“开放共享”问题。应着眼于构筑多方共赢互利的信息共享平台，推动信息不断分享，与此同时，管理者能够从共享信息平台中获取所需信息，利用“需求拉动”的思想建立信息共享平台。三是大数据安全威胁以及隐患。大数据由于高度依赖于技术支持，因此一旦技术出现问题就会导致数据安全受到威胁，第四是关于数据的深度分析问题，数据存在的基础上，数据的处理成为重点和难点，应当着力于实现数据的全方位融合以及高效存储，同时重视加工过程的合理性，最后是大数据专业性人才匮乏，想要组建一个既懂航运业，又掌握信息化、数据处理等技术的团队是相当不容易的。

2  大数据在船舶营运监测中的应用

目前大数据在船舶营运监测中的应用还比较少，这主要是由于：（1）在数据采集方面，目前实船采集数据的方式主要是交船试航测试时测试人员利用信息数据收集仪器，实时切实数据收集，这种数据是通过特定环境获取的，因此数据采集的时间以及数量都十分有限，而船舶营运实践中，航行的数据主要依赖于报送，通过人工定期进行数据报送，多数区域仍采取人工抄写等传统方式。（2）在数据传输方面，目前营运船舶信息管理普遍采用无线传输的方式，如无线电、电传电报传送以及近些年来较为流行的电子邮件通讯等进行小批量数据的船舶通信，这对于需要长期监测的海量数据而言，这样的需求很难全部得到满足。

随着当前信息技术和移动通信的飞速发展，智能化也开始走进船舶仪器设备领域，能够利用卫星定位实现较好的船舶仪器运营，保障物理数据成为真正的管理需求。通过实施船舶营运数据信息的收集，运用大数据技术进行营运船舶性能监测将越来越迫切和可行。（1）在线实时采集实船营运监测数据，可获取船舶姿态数据，如航行速度、航行方向、吃水状态等；船舶能耗指数，主要包含主机的运转以及工作参数，转速与扭矩等；船舶驾驶、船舶位置、船舶运动等信息；船上各设备工作参数等，再采集燃料加注信息、淡水存量与补给信息、进出港动态、防台等信息，构筑称为齐全的航运营运船舶数据集。（2）采用有线加密方式在船舶靠岸或靠码头时将数据发送到指定的岸端网络信息平台。（3）对船舶监测中缺失和失真的数据进行数据清洗以及监测滤波，保障数据的质量和水平，并且将其利用一定格式进入到数据库当中。

未来，随着大数据获取、清洗、分析挖掘技术的不断发展和成熟，大数据在船舶营运监测方面，有助于实现航线通航整体状态的综合性分析，既包含基础性的风、浪、流等数据的统计分析，也包含船舶功率的综合性处理，对于市场的分析更为客观和科学，同时也有助于实现船舶的优化处理，保障运行状态的稳定性，保障技术的节能水平。

3  大数据在修造船技术改进中的应用

3.1  通过大数据换算船舶能效营运指数(EEOI)

营运船舶大数据通过清洗后，先分类提取再应用ITTC或ISO的实船测试分析与换算方法，分析营运船舶的功率与航速指标，换算得到相应的船舶能效营运指数EEOI，为航运能效管理服务，也可为未来的MRV机制实施提供支持。

3.2  航线航区海况资料应用于船型开发等研究

对营运船舶进行较为长期化可持续的数据监测，根据不同的天气类型、航线、区域以及时间等因素进行数据库的构筑，建立起基本情况的数据库，作为后续大数据分析的原始资料，实现一手资料基础上的船型开发设计研究、航线更新和航速保持研究等工作。

3.3  判断评估设备运行水平

通过不间断地监测和收集到的船舶主要设备的运行数据，在此基础上进行数据挖掘，分析设备的状态，结合设备的不同状态，分析可能存在的隐患，采取必要的措施进行维护和安全管理，有助于防患于未然。

未来，大数据在修造船技术改进方面，还可以通过大数据分析出波浪对船舶航速的影响，按照波浪参数和载况数据实施分类统计，根据不同类型的周期和载况进行航速的选择和控制，从而改进船体设计；可以通过分类提取节能装置安装前和安装后数据对比，利用对比分析和相关性分析的原则，分析影响船体设计的多种因素，切实获取节能的效果分析；还可以提炼出与船舶营运功率相关数据库汇总资料，一一进行相关性统计分析，获取各因素之间线性或者非线性的关系，结合管理现状进行成本核算分析，分析获取最佳业务运营模式。

4  大数据在港口管理中的应用状况概述

4.1  国外港口的应用现状

国外港口大数据技术的应用时间较早，尤其在欧洲，以鹿特丹港口为例，该港区开发了以港口为核心枢纽的国际运输信息系统（INTIS），有助于整合鹿特丹港口的庞大运输数据，不仅如此，对于物流管理环节的各个主体也起到了数据监测管理作用，涉及到的主题包含船东、货主、船代、货代、海事、船检、商检及陆上运输企业、商业、海关、金融服务业等，最后，通过网络大数据共享平台进行不同用户端口的打开，有助于实现信息的自动化处理和分析编辑，实现资源和信息的内部流动，实现运作效率的提升，保障鹿特丹港口的现代化发展水平。

4.2  国内港口的应用情况

近年来，国内大数据技术逐步应用到港口业务当中。在2014年交通运输部的指导下，实现物联网、云计算、大数据等创新技术在我国各个重点港口推广应用，推进我国构筑智慧型港口。近几年，上海港推进数据中心建设，大数据分析平台的交叉分析和管理，实现线下和线上的综合性信息流动，保障及时沟通水平提升，共享机制的开放转变，为航运经营管理提供有力的数据分析支持工具；与此同时，在我国北方重要港口，大连，也进行公共信息口岸平台的构筑，目标是满足口岸监管机构、港航物流企业及货主等不同领域的具体航运发展业务需求；在我国南方武汉新港通过构建港口与航运用户之间的大数据共享平台，实现海量信息的跨部门和跨区域的交换，在共享的进程中实现了信息价值点增值。

未来，大数据在港口管理应用方面，还可以基于船舶实时监控数据，以及可视化的电子海图，利用大数据分析中的感知技术结合遥感技术，进行港口实时进出港状态统计，判断不同时段的拥堵水平，与此同时实现客户群体的用户画像分析，实现货物和用户之间的关联性分析，保障航运经营管理实现决策分析和支持工作；此外，从企业的角度而言，实现港口航运管理的水平效益提升；可以将靠泊事件导入集装箱作业模型，对全球集装箱港吞吐量做实时预测；可以通过分析港口货物运量的变动信息，分析某个区域的经济未来发展态势；可以通过对港口货种结构信息的分析，分析某个区域产业结构的变动趋势。

5  大数据在航运公共管理领域中的实践思路

5.1  大数据航运指数构建

航运指数能够反映港口航运产业发展的大势所趋，同时也是国家商业贸易走向的风向标。BDI指数是集成经营大数据的典型案例，它逐渐发展成为代表国际干散货运输市场走势的晴雨表，被视为全球经济领先指标。结合BDI指数的相关性，通过研究数据分析模型，可以得出具有指导意义的大数据结论：一是BDI指数与初级大宗商品的价格正相关；二是BDI指数与美元指数负相关；三是BDI指数与发达国家股市走势正相关。

5.2  集装箱堆场智能调度

大数据有助于通过对区域内集装箱堆场的出入箱，进行数据的收集和集成，实现实时处理和数据的分析汇总，不同堆场的数据建模，根据历史数据进行维度构建，实现需求的动态性估计，通过指令的调度和分析实现智能化调度集装箱堆，实现信息的内部流通，保障企业运营的效率，有助于社会资源的充分利用。

5.3  船舶在线搜索平台

2015年上线的“大船期”建立了在线搜索平台，实现技术的升级，主要集中于实现不同渠道的信息整合汇总，并且进一步实现数据的处理和技术分析，保障航运经营管理中的数据是实时更新的，其中主要包含四大功能：一是实时数据，可查找到不断更新的当前船期和船舶位置；二是动态可视性，将数据和地图相结合，逐步显示出船舶的具体位置并且进行可视化模拟，保障船舶运输的规划可行；第三点集中于进行自主个性化设置，进行最近搜索记录的个性化配置，并且根据特征进行综合性推荐和管理，实现时间上的节约以及用户体验上的深度提升；第四点是实现更为复杂的深度分析，能够查询到不同港口内部的承运具体情况、偏差水平等等，有效实现货运水平的评估。

未来，大数据在航运公共管理领域应用方面，还可以对电子口岸环节大量进出口企业的货物报关和装箱数据深入挖掘，分析出客户企业的现金流状况和业务运营情况，秒级分析，实现某个企业信用状态的实时更新，在保障资金安全的基础上，加速资金的流转速度和效率；也可以对进出口企业的报关行为进行分析，利用对比的思想，对于可能存在问题的环节和历史数据进行综合比对，辅助航运经营和管理，与此同时辅助海关和检验检疫环节进行锁定管理，为后续的处理审查提供依据。

6  大数据在航运电商中的实践

电子商务平台，与未来的贸易发展、物流发展以及生产服务等环节都息息相关。2013年11月，中外运以货代为切入点，依靠自行开发的作业系统和数据交换技术，上线海运订舱网，有助于实现不同航运公司信息的整合发展，实现各个环节的电子化进程，能够实现和升级在线交易等业务功能。2014年6月，中远在内贸电商平台的基础上，推出的内外贸结合的泛亚航运电商平台，专注于国内集装箱订箱的电商交易，通过分析后台数据，既可保证客户用箱，又能降低空箱率。2014年7月，中海与阿里合作，推出了“一海通”航运电商平台，直接实现阿里巴巴B2B国际贸易平台的深度对接，为电子商务企业平台化供给海量数据，实现船公司的集中运输以及报关报检等环节的“一站式”海运管理服务。未来，大数据在航运电商应用方面，还可以实现企业数据之间的沟通和突破，不断融合和发展贸易，从政府监察的角度也有助于实现航运数据的综合处理，与传统的互联网行业深度融合和合作，实现互联网和大数据两手抓，与此同时在时间上形成事前控制、中期监控以及后续的反馈，实现供应链的可视化管理，服务流程的完善化。

7  大数据在智能船舶中的实践策略

智能船舶包含的技术和交叉知识较多，主要包含船舶智能信息感知技术、船舶导航技术、智能船舶方向速度把控技术、人工智能状态下船舶故障诊断技术、智能船舶监测预警以及辅助管理技术、驾机一体化技术等等多个环节的突破。各国都对于大数据在智能船舶中的实践策略进行了积极的探索，韩国、日本以及英美都进行了相关研究，我国的研究主要与韩国现代重工集团进行战略性合作，利用传感器技术，实现船舶信息的收集和整理，例如在线定位、实时天气以及洋流等数据的更新，并且对于装备货物的管理也有状态更新。其中，上海船舶研究设计院牵头研发设计的散货船是典型的代表，作为中国船舶在智能领域突破的代表，这一散货船已经能够实现智能性能检测、能效监督以及深度分析，对于核心设备的管理分析处于较高的极端，同时也能够实现智能决策优化以及航行操控能力的优化。

8  结语

航运业本身受到世界经济影响较为深刻，从某些意义上讲具有周期性发展规律，正因为这一特征，遵循事物发展客观规律的大数据已经成为航运经营管理不可逆的趋势，大数据革命是一个难得的机遇，也是一个艰难的挑战，如何让航运行业在大数据时代来临时刻自如应对？在全球航运业低迷的背景下，航运的经营管理中需重视大数据的研发，切实提升自身竞争力。

本文来源：《企业科技与发展》：http://www.zzqklm.com/w/qk/21223.html