Datainsamling med hjälp av IoT på passagerarfärja

Projekt:

Branschprogrammet hållbar sjöfart

Sammanfattning:
Projektet "Datainsamling med IoT på Passagerarfärja", lett av Linnéuniversitetet, syftade till att integrera Internet of Things (IoT)-teknologi på M/S Dessi, en passagerarfärja som opererar mellan Kalmar och Färjestaden. Huvudmålet var att förbättra färjans drift, arbetsmiljö och säkerhet genom insamling av data med hjälp av olika sensorer. Detta initiativ var ett samarbete med flera partners, inklusive Sensative AB, Ressel Rederi AB,
Linnéuniversitetet och RISE, som bidrog med sin tekniska expertis och resurser.
Ett stort antal IoT-sensorer installerades ombord på färjan och i hamnarna för att samla data om viktiga miljö- och driftsparametrar som luftkvalitet, bullernivåer, rörelse och
väderförhållanden. Datainsamlingsprocessen stötte på utmaningar, särskilt signalinterferens och täckningsproblem, i synnerhet i maskinrummet där tjocka metallstrukturer begränsade effektiv signalöverföring. Trots dessa hinder samlades värdefulla insikter om färjans drift och miljöpåverkan in.
Projektet använde Helium-nätverket och Stadshubben för datainsamling och överföring. En preliminär modell utvecklades för att uppskatta antalet passagerare baserat på sensordata, med användning av ljud- och rörelsesensorer som indikatorer. Denna data analyserades och presenterades genom Google Looker, vilket underlättade enkel datautbyte och visualisering.
Vidare belyste projektet vikten av att välja lämpliga nätverk och sensorplaceringar för effektiv datainsamling på maritima fartyg. Denna rapport understryker komplexiteten i att säkerställa stabil anslutning ombord och betonar behovet av fortsatt forskning och
utveckling för robusta kommunikationslösningar inom sjöfarten.
Detta projekt markerar ett betydande steg mot digitaliseringen av sjöfartssektorn och erbjuder värdefulla lärdomar för framtida IoT-initiativ. Trots de utmaningar vi stötte på var den framgångsrika integrationen av IoT-teknik i maritima operationer en viktig
framgång. Genom integration av befintlig infrastruktur och nya installationer, började forskarna framgångsrikt samla in värdefull data på färjans operationer.
Forskningsarbetet om maskininlärning för cykelidentifiering markerar en betydande milstolpe för projektet. Denna forskning har resulterat i en erkänd prototyp, vilket föreslår en väg mot en lösning för att hantera passagerarflöden och optimera färjans
bränsleförbrukning.
Det öppna datasetet från insamlat sensor data erbjuder en solid grund för pågående forskning inom maritim digitalisering, och demonstrerar potentialen hos modern teknik för att göra sjöfarten säkrare, mer effektiv och miljövänlig.
Projektet understryker nödvändigheten av tvärvetenskapligt samarbete för att dra nytta av IoT-teknik för att förbättra maritima operationer och utgör ett föredöme för framtida
initiativ inom detta område.

Länk till publikation i fulltext (pdf-fil, 2 678,9 kB. Öppnas i nytt fönster)

Författare: Fredrik Ahlgren, Oxana Lundström, David Mozart
Utgivare: Lighthouse
Utgivningsdatum: 2024-03-01
Diarienummer: TRV 2019/27023
Antal sidor: 28
Språk: Svenska
Kontaktperson: Charlott Andersson, PLa1us