新加坡国立大学广州创新研究院致力于搭建跨学科、跨领域的科研交流平台，促进科研成果的有效转化和应用。我们将在本栏目定期与大家分享前沿科研成果与动态，欢迎交流和探讨！
本文来自新加坡国立大学（NUS）的孟强教授团队，孟强教授同时也是新加坡国立大学广州创新研究院的博士生导师。
研究背景
海事行业在评估和降低船舶安全风险方面长期面临挑战，这主要源于全球海事数据的复杂性、多样性和碎片化。传统的风险评估方法往往依赖于专家判断或不完整的记录，限制了其准确性、可扩展性和时效性。随着数字海事数据，特别是AIS轨迹和事故报告的快速增长，亟需构建智能、数据驱动的系统以提升海事安全水平。
研究关键成果/进展
本研究通过融合多源大数据——包括船舶自动识别系统（AIS）轨迹、港口国监督（PSC）检查记录以及事故文本报告，构建了一个全面的船舶事故风险评估框架。通过应用先进的人工智能技术，如机器学习、自然语言处理（NLP）和集成建模方法，本项目能够为单船提供准确、可解释且具有前瞻性的风险评估结果。
本研究提出了一种改进的嵌入式特征选择方法，将随机森林分类器与特征筛选过程相结合，从候选特征集中识别对风险具有关键影响的特征。在给定的时间点上，我们使用未来一年的事故风险等级作为标签，以表示该船舶发生事故的可能性。候选特征被分为七类，分别为事故、PSC检查记录、航行轨迹特征、船公司（DOC）历史表现、船旗国表现以及船舶概况信息。除概况信息外，其余六类特征均从该时间点起向前追溯五年进行提取。如图所示，所提出的特征选择方法包括三个步骤：分类器训练、特征筛选和交叉验证。
图1 关键特征选择方法框架
最终，共选取了15个关键特征。我们对每一类风险因素中关键特征的重要性进行了汇总，并在下图中通过饼图可视化展示了各类特征在整体风险评估中的重要性占比。关于全局特征重要性聚合的主要分析结果如下：
· 与历史PSC缺陷相关的特征在预测未来事故风险中贡献最大，表明PSC缺陷在识别船舶事故风险方面起着关键作用。
· 与船舶所属管理实体的表现相关的特征（如DOC船公司与船旗国）
· 也显示出较高的重要性，说明船舶的事故风险在很大程度上可能受到其管理方的合规性和管理效率的影响。
· 历史事件（如PSC缺陷、事故等）对未来事故风险的影响具有差异性，其影响持续时间也有所不同。某些事件可能对风险具有长期影响，而另一些则可能是即时或短期的。
详细分析可见以下文章：
Chen, T., Wang, H., Cai, Y., Liang, M., & Meng, Q. (2025). Exploring Key Factors for Long-Term Vessel Incident Risk Prediction. Reliability Engineering & System Safety, 253, 110565.
图2 关于因子类别的聚合特征重要性
该研究的最终成果是建立一个用户友好型的软件系统，以支持预测性风险分析，帮助相关方——如监管机构、船舶运营方和保险公司——做出积极、基于数据的安全决策。这项工作在海事安全分析领域具有重要突破，助力全球航运朝着更智能、更安全、更具责任感的方向发展。
图3 事故风险等级确定
该系统可预测船舶在未来一年内发生事故的可能性，并基于预测结果提供解释与改进建议。系统引入了大型语言模型（LLM）技术，用以解释每艘船舶的预测结果，指出各关键特征对风险预测结果的具体贡献，并以通俗易懂的语言向非技术人员提供针对性的改进建议。系统框架如图所示，其输入包括AIS原始数据、船舶数据、事故数据、PSC检查数据及船旗国数据，输出包括船舶AIS轨迹、事故风险等级及预测结果的解释信息。系统配备两个接口：开发者接口和客户接口。开发者接口面向风险评估服务提供方，用于管理数据与模型；客户接口面向航运企业，帮助其了解特定船舶未来的安全表现。本系统中所采用的部分关键技术已申请专利: Chen T., Wang, H., Cai, Y., Liang, M., Meng, Q., Malik, A. & Saunders, C. (2025). Method and System for Maritime Incident Summarization and Assessment System. Singapore Provisional Patent. SG Patent Application No. 10202500317P.
应用场景与合作需求
本研究通过预测分析技术，助力全球海事安全水平的提升。系统能够在事故发生前识别高风险船舶，从而帮助监管机构提前干预、预防事故、保护海洋环境，并提升检查效率。对于航运业而言，该系统在运营与财务层面亦具显著价值——包括降低保险费用、优化船队管理以及强化合规能力。
本系统在设计时充分考虑了实际部署的可行性，并与当前港口与航运业的数字化转型目标高度契合。我们现正积极寻求以下领域的产业及学术合作：
· 与船舶运营商、港口管理机构或船级社开展产业试点，在真实场景中验证和优化系统性能。
· 向海事安全解决方案提供方或保险公司进行技术授权。
· 开展联合研究，将人为因素、经济影响或ESG指标纳入风险评估框架。
· 与海事监管机构开展合作，确保系统输出结果符合检查流程与安全评估标准。
图4 系统框架
图5 软件用户界面示例
团队介绍
本项目由新加坡海事研究院（Singapore Maritime Institute, SMI）资助，并与新加坡科技研究局（A*STAR）及RightShip公司合作开展。项目由来自新加坡国立大学（NUS）的孟强教授、陈天一博士、梁茂晗博士、李伟雄博士和管浩博士联合完成，同时还包括来自中国合肥工业大学的王华教授，以及来自新加坡科技设计大学（SUTD）的蔡宇通讲师。
图6 从左到右依次为：陈天一博士、李伟雄博士、梁茂晗博士
新加坡国立大学（NUS）研究团队受新加坡海事研究院（SMI）邀请，参加了2025年新加坡海事周（Singapore Maritime Week 2025），并展示了自主研发的船舶风险评估软件。展会期间，软件吸引了新加坡交通部常任秘书刘笔明先生与新加坡国家研发常任秘书陈祝全教授的高度关注，也获得了包括劳氏船级社（Lloyd's Register of Shipping）、Pole Star Global 等多家海事行业重要机构的浓厚兴趣。
2025年3月24日，新加坡资政李显龙先生在海事周开幕式上发表新加坡海事讲座（Singapore Maritime Lecture），指出：“我们正在加大对科技和创新的投入，正开发基于人工智能的下一代船舶交通管理系统，以提升港口运营的安全性与效率。”
新加坡国立大学广州创新研究院主要围绕智慧城市、信息和通讯、电子科技、先进制造、人工智能、生物科学和金融科技七大领域展开科研工作。依托新国大世界级的科研实力，研究院从新国大引进数十名教授、副教授及助理教授作为学术带头人，带领本地科研团队积极推进科学研究、成果转化以及博士后培养计划。
我们期待与全球科研专家、企业家和政策制定者一起，激发创新思维，探索科研的无限可能，建立跨学科、跨领域的科学研究与创新应用生态。
