构建一个数据管道来预测船舶货物的损坏情况

我们支持学生和研究人员，提供访问FleetMon API套件和我们广泛的AIS数据档案，包括历史船只位置和港口停靠数据。请阅读我们收到的这篇由德国宾根应用科学大学的硕士生Niklas Scherer撰写的客座文章。

该学术项目调查了船只所面临的特定天气条件和发生的货物损坏之间的相关性。AIS数据和天气数据被用来研究海上高流量通道上的某些天气条件是否有可能造成货物的损坏，以便通过现实的预测来防止损坏。

我的货物在旅途中会发生什么？

在一个全球化的世界里，产品和材料每天都被运往世界各地。由于不同的气候、不可预测的天气条件和不断轻微变化的路线，这带来了巨大的挑战，很容易将所有这些变量混为一谈。我的论文的目标是构思一个数据管道，可以将AIS数据与传感器测量的适当环境数据结合起来，以跟踪货物的路线和它所接触的条件。 

拟议的基础设施和试运行

为了实现这一目标，AIS数据被用来追踪一艘从德国到澳大利亚的船只。这个漫长的旅程保证了记录各种温度水平和许多天气突然变化的机会。货物集装箱安装了多个传感器，以收集各个方向的温度、湿度和加速度的数据。 

FleetMon我们定期地轮询API，以接收给定时间戳的船舶位置，然后将其自动输入传感器界面。一个外部天气API也被用来接收海上天气状况的数据，例如波高。所有这些都被结合起来，创造出包含整个澳大利亚之行中每个AIS记录位置的环境条件的数据点。 

结果和潜在的使用案例

试运行产生了关于不同变量作为当前位置的函数随时间变化的有希望的数据。作为概念验证，检查一次行程并不能得出任何结论，然而，所使用的方法被证明足以扩大运行规模并收集许多不同路线的数据。 

一旦收集到足够的数据，后续项目将对其进行汇总和分析。可能的用例包括数据可视化，甚至 在未来，人工智能可以被用来根据路线和它所接触到的环境条件做出最佳路线的决定，以保护货物。