Trange farvann, dårlig sikt, sterk vind og sjøsprøyt som pisker over dekk. Utfordringene er mange når sjøfolk skal navigere langs den krevende norskekysten.
Hvert år skjer det hundrevis av skipsulykker i norske farvann. Med fare for liv og tap av store verdier er det avgjørende å finne måter å forhindre ulykker på.
Nå har forskere ved Universitetet i Sørøst-Norge (USN), NTNU og Universitetet i Agder (UiA) funnet en måte å forutsi hvilke typer ulykker som kan oppstå, ved hjelp av historiske data og kunstig intelligens.
– Fortidens ulykker kan bidra til fremtidig sikkerhet til sjøs. Vi ønsket å finne ut hvilke faktorer som har størst betydning for ulike typer maritime ulykker, og hvilke maskinlæringsmodeller som er best egnet til å forutsi dem, forteller professor Ziaul Haque Munim ved USN.
40 år med ulykker i én modell
Forskerne brukte data fra Sjøfartsdirektoratet, som har registrert over 37.000 ulykker i norske farvann fra 1981 til 2020. Etter å ha gjort et utvalg basert på datakvalitet og relevans, satt de igjen med 9025 ulykker fordelt på fem hovedkategorier: grunnstøting, kontakt med kai eller bro, brann/eksplosjon, kollisjon og skader fra uvær.
– Ved hjelp av automatisert maskinlæring var det nå om å gjøre å finne den beste maskinlæringsmodellen blant 29 kandidater, sier Munim.
For å finne ut om modellene faktisk klarte å forutsi riktig, testet forskerne dem på data modellene ikke hadde sett før. De delte datasettet i fem deler, og hver modell fikk prøve seg på én del av gangen mens den trente på de fire andre. Slik fikk de sjekket hvor godt hver modell klarte å gjette riktig ulykkestype.
Modellen som var raskest og mest treffsikker, er en såkalt Light Gradient Boosted Trees Classifier. Denne ble testet på en helt egen del av dataene som hadde vært holdt helt utenfor hele prosessen, for å se om den også klarte seg bra i praksis. Denne traff riktig i omtrent to av tre tilfeller.
Maskinlæring
- Maskinlæring er en metode der datamaskiner lærer av data – litt som mennesker lærer av erfaring. I stedet for å bli programmert med faste regler, finner algoritmene mønstre i store datamengder og kan for eksempel bruke dem til å forutsi hva som kan skje.
- Automatisert maskinlæring gjør denne prosessen enklere og raskere. Da testes automatisk mange ulike modeller og kan velge den som gir best resultat – uten at forskerne trenger å kode alt selv.
Noen er ekstra utsatt
Modellen viste at tre faktorer har størst betydning for ulykkesrisiko:
- Hvilken type farvann skipet befinner seg i: Særlig smale kystfarvann er risikoutsatte.
- Driftsfase: Skip som er underveis, er mest utsatt for ulykker, etterfulgt av skip som ankommer havnen.
- Skipsvolum: Gjennomsnittlig bruttotonnasje for skipene som ble utsatt for ulykker, var 4510 tonn
Resultatene viste at lasteskip var mest utsatt for ulykker, etterfulgt av fiskefartøy og passasjerfartøy. Den vanligste typen ulykke var grunnstøting, som sto for over halvparten av ulykkene som ble analysert.
– Vi fant blant annet at fiskefartøy og lasteskip som er underveis i smale kystfarvann, har en høyere sannsynlighet for å grunnstøte enn for å bli utsatt for andre typer ulykker, forteller Munim.
Varsling i sanntid
Resultatene fra studien kan tas i bruk når man skal vurdere risikoen for ulykker. Men det mest spennende med dette er at modellen som presterte best, kan brukes i tillegg til dagens systemer som støtter beslutninger til sjøs.
– Om for eksempel værdata og data fra sensorer på fartøyet inkluderes, kan dette forbedre modellens treffsikkerhet. Modellen kan brukes i utviklingen av et system som varsler besetningen om økt ulykkesrisiko i sanntid – før det skjer en ulykke, sier Munim.
.jpg)
Fremtidens navigatører
Maskinlæring kan også brukes til å vurdere studenters prestasjoner i navigasjonssimulatorer.
Ved å analysere loggdata fra simulatortrening, som rorvinkel, fart og kursendringer, kan algoritmer vurdere om en student presterer godt eller trenger mer trening.
– Ved å bruke slik prediktiv analyse kan vurderingene bli mer pålitelige, studenter som sliter kan fanges opp tidligere, og fremtidens navigatører blir bedre forberedt på krevende situasjoner i virkeligheten, sier Munim.
Artikkelen er publisert av Universitetet i Sørøst-Norge og ble først publisert på Forskning.no
Nato-landene har stått i kø for å hjelpe Danmark
