返回所有案例
CASE STUDY / AI 與資料科學
海運 - 高風險與船舶航行異常預測
海運、船舶監控與公共安全整合氣象、船舶靜態資料與即時 AIS 串流，使用 ClickHouse 建立即時資料層，並以深度學習模型持續預測船舶擱淺風險與異常航行行為。
Delivery Details
本專案整合多種即時與歷史資料來源，包含氣象資訊、船舶靜態資料及 AIS（船舶自動識別系統）串流資料。資料工程流程以 ClickHouse 建立即時資料層，處理時間對齊、軌跡清理、特徵彙整與品質檢核；資料科學流程則建立船舶擱淺風險與異常航行行為模型，並把預測結果串接至監控與告警介面。系統部署於私有環境，支援海事作業團隊持續監控、風險排序與提早介入。
Industry Context
船舶風險監控必須面對連續軌跡、即時氣象、船舶差異與罕見事故等問題，單靠固定規則難以涵蓋所有異常模式。資料平台與模型需要共同支援低延遲處理、風險排序、私有部署及作業人員覆核。
Business Problem
船舶風險資料即時、異質且高風險，傳統監控難以及早預警。
What I Built
整合氣象、AIS 與船舶靜態資料，建立 ClickHouse 串流資料庫與深度學習預測流程。
Business Impact
支援持續性的異常與擱淺風險預測，協助海事作業人員提早辨識高風險情境。