Forskere har analyseret 40 års skibsulykker med kunstig intelligens. Resultatet kan give mere sikker sejlads – og måske redde liv.
Norske farvande er kendt for deres barske forhold, med smalle passager, hårdt vejr og dårlig sigt. Hvert år sker der flere hundrede skibsulykker langs kysten. Nu har forskere fundet en ny metode til at forudsige og potentielt forhindre fremtidige ulykker. Det sker ved hjælp af kunstig intelligens og 40 års historiske data.
Ulykker fra fortiden kan forhindre fremtidige katastrofer
Forskere fra Universitetet i Sydøst-Norge (USN), NTNU og Universitetet i Agder har brugt data fra Sjøfartsdirektoratet, som har registreret mere end 37.000 ulykker fra 1981 til 2020. De analyserede 9.025 ulykker, opdelt i fem kategorier:
- Grundstødning
- Kollision med kaj eller bro
- Brand/eksplosion
- Sammenstød mellem fartøjer
- Skader forårsaget af vejret
Ved hjælp af automatisk maskinlæring testede forskerne 29 forskellige AI-modeller for at finde den, der bedst kunne forudsige ulykkestyper. Vinderen blev en model kaldet Light Gradient Boosted Trees, som ramte rigtigt i omkring to ud af tre tilfælde.
Her er risikoen størst
Undersøgelsen viste, at tre faktorer har størst betydning for ulykkesrisikoen:
- Farvandets type – smalle kystområder er særligt risikofyldte.
- Fartøjets aktivitet – skibe, der er i bevægelse, er mest udsatte.
- Fartøjets størrelse – større skibe (i gennemsnit 4.510 bruttoton) er mere involveret i ulykker.
Lastskibe var mest udsatte, efterfulgt af fiskefartøjer og passagerskibe. Den mest almindelige ulykke var grundstødning, som udgjorde over halvdelen af de analyserede tilfælde.
»Vi så, at fiskefartøjer og lastskibe, der sejler i smalle farvande, oftest er i fare for at grundstøde,« siger professor Ziaul Haque Munim fra USN.
Advarsler i realtid og bedre træning
Det mest spændende er, at modellen kan integreres i fremtidige varslingssystemer, der i realtid kan advare besætningen om forhøjet ulykkesrisiko – baseret på f.eks. vejrdata og skibets sensorer.
Kunstig intelligens kan også bruges i uddannelsen af navigatører. Ved at analysere data fra navigationssimulatorer – som fart, kurs og rorvinkler, kan man vurdere, om en elev har behov for ekstra træning. Det kaldes prædiktiv analyse.
»Vi kan identificere studerende, der kæmper på et tidligt tidspunkt. Det betyder mere målrettet træning og bedre forberedelse til virkelige situationer,« siger Munim.
Fremtidens skibsfart bliver klogere – med data
Denne forskning viser, at historiske data og moderne teknologi kan gøre skibsfarten sikrere og mere effektiv. Kombinationen af kunstig intelligens, realtidsdata og erfaringsbaseret viden kan få stor betydning – både til søs og i uddannelseslokalet.
