Responsables del projecte
El projecte ha estat desenvolupat per investigadors de la Pusan National University (Corea del Sud). L’estudi ha estat liderat pel professor assistent Dowon Kim, juntament amb el doctorand Seongbeom Park i el professor Jinhyeok Yun.
Descripció del projecte
Aquest projecte innovador desenvolupa un sistema d’intel·ligència artificial per optimitzar les rutes i la velocitat dels vaixells, tenint en compte simultàniament tant el nivell de consum de combustible com les condicions ambientals de les zones costaneres.
La proposta parteix d’un repte específic: l’impacte de les operacions de navegació sobre l’entorn no depèn únicament de les emissions generades, sinó també de les condicions meteorològiques, que influeixen en la dispersió d’aquestes. Les estratègies basades únicament en reduccions generals de velocitat dels vaixells poden augmentar el temps de navegació, sense que això tingui una repercussió positiva en les emissions que puguin arribar a la costa. Per això s’han de tenir en compte les condicions meteorològiques locals.
Per donar resposta a aquest repte, el sistema combina tècniques d’intel·ligència artificial basades en principis físics (physics-informed deep learning) amb mètodes d’optimització multiobjectiu. Utilitza dades ambientals obtingudes a través de sensors per reconstruir en temps gairebé real els camps de flux de l’aire i, a partir d’aquesta informació, predir el comportament de les emissions presents a l’atmosfera en diferents condicions meteorològiques.
A partir d’aquestes prediccions, un sistema d’optimització bayesiana multiobjectiu (un mètode que compara diferents alternatives per identificar les més adequades segons diversos factors) determina combinacions de ruta i velocitat que busquen equilibrar el consum de combustible per minimitzar l’acumulació d’emissions segons les condicions meteorològiques.
Els investigadors denominen aquest enfocament temporal navigation, ja que permet adaptar la ruta i la velocitat del vaixell a les condicions meteorològiques del moment, en comptes d’aplicar una reducció uniforme de velocitat.
El sistema s’ha provat en diferents escenaris de navegació, incloent-hi simulacions a l’entorn del Port de Busan, a Corea del Sud. En aquests escenaris, l’enfocament basat en IA va aconseguir una millora del 20-35% en el rendiment de l’optimització de les rutes i una reducció del 34-78% en l’exposició màxima a les emissions contaminants estudiades, respecte de les estratègies de navegació convencionals o dels escenaris de referència corresponents.
La innovació principal del projecte rau a incorporar les condicions ambientals locals a les decisions de navegació, en comptes de centrar l’optimització únicament en el consum de combustible o en les emissions totals. D’aquesta manera, la metodologia té en compte tant les característiques de les operacions de navegació com les condicions meteorològiques, que influeixen en el comportament i la distribució de les emissions presents a l’atmosfera.
Aquest cas mostra com la combinació d’intel·ligència artificial, dades mediambientals i tècniques d’optimització de navegació pot contribuir a millorar l’eficiència operativa incorporant criteris ambientals en la planificació de les rutes marítimes.
Objectius del projecte
L’objectiu principal és desenvolupar un sistema d’intel·ligència artificial capaç d’optimitzar les rutes i els perfils de velocitat dels vaixells per reduir el consum de combustible i minimitzar l’exposició a emissions durant les operacions marítimes.
El projecte també busca incorporar les condicions meteorològiques locals a les decisions de navegació, facilitant estratègies més adaptades a les condicions ambientals i contribuint a unes operacions marítimes més eficients i respectuoses amb l’entorn costaner.
Data de publicació
21 d’octubre de 2026