面向部署的船舶能效推断验证：服务于海运脱碳政策

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Deployment-oriented validation of vessel energy efficiency inference for maritime decarbonisation policy

　　

**摘要**

基于人工智能的船舶燃料消耗模型被用于排放核算、合规筛查和脱碳规划，但其报告的准确性取决于验证方式的设计。本研究利用27艘远洋船舶的高频数据，检验随机混合验证是否高估了模型性能。我们将随机混合验证与海上实际用例测试进行了比较，包括后期预测、未见过的航次、未见过的船舶、跨船型迁移和数据稀缺条件下的迁移。在64种模型-任务组合中，与用例匹配的留出集误差平均比随机混合验证估计值高出9.18个百分点。预测误差在不同设置下还会发生方向反转，表明仅凭准确性指标可能掩盖具有政策意义的过高或过低估计。在一项集装箱船碳强度指标（CII）案例研究中，评级准确性从34.4%到71.7%不等，而需要采取行动D/E级船舶年份中有11.7%到100.0%被遗漏。这些结果表明，监管和规划应用需要与预期的海上实际用例相一致的验证，并同时报告误差幅度和偏差方向。

**引言**

国际航运运输了全球约80%的货物贸易量，约占每年人为温室气体排放量的3%（UNCTAD, 2023, UNCTAD, 2024）。对此，监管者推出了既约束排放又引导航运业长期投资决策的气候政策（Goyal and Llop, 2024）。国际海事组织（IMO）和欧盟（EU）的政策方案现已将减排目标转化为船舶层面的具体财务和运营信号。诸如碳强度指标（CII）（IMO, 2021）、欧盟碳排放交易体系（EU ETS）（EU, 2023a, Lu et al., 2025）、FuelEU Maritime（EU, 2023b）以及扩展的监测、报告和核实（MRV）制度（EU, 2015, EU, 2023c; IMO, 2016）等工具，均依赖于每次航行和每年的燃料使用量估计（Lehmann et al., 2025）。随着覆盖范围的扩大，这些数值估计不仅塑造了即时的合规义务和船队绩效报告，还影响了船舶所有人、管理者和公共当局在设计船队更新、航线模式和港口投资时所使用的预期（Moutzouris et al., 2024）。在这种政策环境中，燃料消耗模型成为将气候目标转化为运营和规划决策的基础设施的一部分。

这些功能日益由将运营数据转化为燃料使用量估计的模型所中介。自动识别系统（AIS）报文、正午报告、船上传感器和气象场现在生成了丰富的船舶运营数据流，可以输入船舶能源效率（VEE）模型（Godet et al., 2024）。此类模型出现了两大流派。第一类遵循传统工程方法，将简化的船舶物理模型与参数化的功率-速度关系相结合（Chen et al., 2021, IMO, 2014, IMO, 2020, Jalkanen et al., 2009, Liu et al., 2016）。这些模型透明且易于解释，但它们依赖于理想化假设，可能无法捕捉实际运营中的动态条件。第二类应用人工智能（AI）技术，如机器学习和深度学习，从高维运营数据中直接学习燃料-运营映射关系（Du et al., 2022, Fan et al., 2025, Gkerekos et al., 2019, Luo et al., 2024, Nguyen et al., 2023, Uyan?k et al., 2020, Wang et al., 2023, Zhang et al., 2024）。基于AI的模型在捕捉复杂依赖关系和处理异构海事数据方面展现了强大潜力。人们越来越关注不仅将这些模型用于船上运营优化，还用于监管工具（EU, 2015; IMO, 2016）、国家排放清单（De Lauretis et al., 2023, IPCC）以及探讨未来碳价、燃料组合和绿色航运走廊政策的规划研究（European Commission, 2021, IMO, 2023）（Grigoriadis et al., 2024）。如果这些模型在没有与其角色相匹配的评估协议的情况下被集成到此类政策和规划工具中，它们可能会将系统性的燃料估计误差引入监管和投资决策。

与此同时，海事数字化战略以及数据空间和电子信息交换方面的举措正在创建基础设施，使高频运营数据同时驱动合规流程和前瞻性分析。在这些设置中，VEE模型不再是独立的研究工具，而是作为数字合规平台和情景工具中的引擎嵌入其中，支持自动检查、产能规划和政策设计。港口当局可能使用基于模型的评估来比较替代性岸电或加注项目。国家主管部门可能依赖基于模型的清单来设计气候战略和绿色航运走廊（Wu et al., 2025）。航运公司可能使用模型预测来规划改装、船队扩张和在不同碳价路径下的航线重新设计。模型误差可能导致不准确的成本估计，从而导致改装和运营选项排序错误，或掩盖某些船舶段的合规风险，从而误导私人投资和公共政策。

在监管背景下，模型性能因此不仅仅是纯技术指标，而是政策产出的决定因素。由于法规通常通过固定的碳因子从燃料使用量推算排放量（Chen et al., 2021, Feng et al., 2024, IMO, 2014, IMO, 2020, Jalkanen et al., 2009, Liu et al., 2016, Sim et al., 2022），推断燃料消耗中的系统性不准确会直接传播至排放清单、绩效评级和合规成本分配。为评估这些影响，预测误差可分为两个组成部分：一个在零附近波动的随机成分和一个对特定群体（如船型、航线或运营商）持续存在的系统成分。随机偏差引入了在汇总时趋于抵消的噪声，而系统偏差则会叠加。这些持续性误差会扭曲船队级排放总量，改变合规评级，并歪曲特定贸易或区域的碳强度。即使平均误差指标（如平均绝对误差MAE）看起来较小，持续性方向性误差也会改变监管负担的分配方式，并影响旨在比较政策或投资选项的规划分析。

这为海事运输政策提出了两个研究问题。第一，当基于AI的VEE模型在海上部署场景下进行评估时，验证结果在多大程度上会发生变化？第二，基于AI的模型的预测误差如何传播至合规计算中，并影响脱碳评级和排放清单？许多基于AI的VEE研究使用随机或混合的训练-测试划分在历史运营数据上评估模型准确性（Du et al., 2022, Gkerekos et al., 2019, Luo et al., 2024, Uyan?k et al., 2020）。对于在时间和运营上相关的船舶数据，此类划分可能将相关的观测值放入模型开发和评估子集中。由此产生的测试主要描述模型重现熟悉燃料使用模式的程度，对模型在预期海上实际用例中的性能证据有限。这一担忧在更广泛的机器学习工作中关于数据泄漏、分组观测和时间序列验证的讨论中也有提及（Kapoor and Narayanan, 2022, Roberts et al., 2017）。

然而，实际部署需要超越填补空白。政策实施在严格的时间约束下运行，历史数据用于建立未来合规周期的基线。欧盟ETS和CII等工具要求监管者基于过往船队绩效设定前瞻性阈值，实质上要求从已知的历史时期外推到未观测的未来。除合规之外，长期脱碳战略要求对未来船队组成和贸易模式进行严格评估，而这些目前在很大程度上仍是理论性的（Wang and Iris, 2025）。在此背景下，模型评估必须检验历史记录的绩效是否可延续至后期运营和变化的船舶条件。我们将用于开发模型的数据与后来使用条件之间的不匹配称为"推理差距"。在海事应用中，这种差距可能源于船舶尺寸、船体和发动机特性、载荷条件、航线、天气暴露、运营速度、日历年份或船型的差异。当这些差异存在时，在混合样本验证下不可见的过高或过低估计可能变得更加明显，并可能影响特定船类、航线或运营条件。

本文聚焦于三个对基于AI的VEE模型政策导向应用尤为相关的评估问题。第一，随机或混合划分对于测量可用数据集内的预测准确性是有用的，但当相关运营历史与模型开发分离时，它们提供的性能证据有限。第二，验证设计并不总是与模型预期支持的具体海事任务相关联。第三，燃料预测误差很少被追踪至下游政策变量，如年度排放清单、CII评级、碳价敞口或船队规划信号。这些问题促成了一个基准测试，比较不同海上实际用例下的验证协议，然后考察选定的燃料估计误差如何影响排放清单和CII评级。

关于VEE模型的研究在海事脱碳的定量分析中发挥着核心作用。通过将船舶运营、燃料消耗和排放联系起来，VEE模型支持排放清单编制、运营效率评估、碳强度监管、碳定价分析和船队转型规划。文献沿着三条相关路线发展：使用船舶规格和简化阻力-功率关系的工程模型和清单模型、从AIS、正午报告、传感器和海气象数据中学习燃料使用模式的基于AI的预测模型，以及检验模型性能是否可延续至不太熟悉的运营中的验证研究。随着VEE模型从技术估计向面向政策的应用转变，其评估必须同时关注预测准确性和由此产生的监管或规划指标的可靠性。

关于船舶燃料消耗和排放估计的现有研究可分为两个主要流派。第一流派是标准化的经验公式，在实际中作为监管基准和官方清单编制的参考。早期研究主要应用自顶向下的方法，将汇总交通统计数据与通用排放因子结合，构建用于气候评估的全球排放清单（Browning and Bailey, 2006, Corbett and Fischbeck, 1997, Corbett and Koehler, 2003, Endresen et al., 2005）。随着国际政策转向船舶特定工具，如现有船舶能源效率指数（EEXI）、CII以及航运纳入EU ETS，关注点转向基于船舶级运营数据的自底向上估计。自底向上的方法根据船舶设计规格和阻力原理估算主机功率及后续燃料消耗（Chen et al., 2021, Feng et al., 2024, IMO, 2014, IMO, 2020, Jalkanen et al., 2009, Liu et al., 2016, Sim et al., 2022）。显著的例子包括船舶交通排放评估模型（STEAM）系列（Jalkanen et al., 2009, Jalkanen et al., 2014, Jalkanen et al., 2016, Jalkanen et al., 2012, Johansson et al., 2017）以及IMO历次温室气体（GHG）研究中编纂的方法论（IMO, 2014, IMO, 2020）。它们对政策工作的吸引力在于其透明性和使用简单的物理关系（如速度与功率之间的立方关系），使监管者和分析师能够追踪假设如何影响排放结果。同时，近期研究指出这些标准化方法通常依赖静态参数，对天气、船体污垢和发动机性能的简化处理可能不足（IMO, 2020, Yi et al., 2025）。因此，它们可能引入在宏观规模清单编制中可以接受的系统性不确定性，但对于高保真度绩效分析和精确的航次级分析则证明不足。

第二流派回应了经验模型的局限性和AIS及船上传感器数据日益增长的可用性。该领域的工作开发了数据驱动的AI方法，从高频运营记录中学习船舶运动学、环境条件和燃料消耗之间的非线性映射关系。文献已从经典机器学习技术（如正则化回归和随机森林）发展到能够捕捉船舶轨迹时空依赖关系的深度学习架构（Du et al., 2022, Fan et al., 2025, Gkerekos et al., 2019, Luo et al., 2024, Nguyen et al., 2023, Uyan?k et al., 2020, Wang et al., 2023, Zhang et al., 2024）。这些模型通常报告比经验基线更高的预测准确性，尤其是在估算动态海况或偏离平静水域假设的复杂运营模式下的燃料使用时。尽管取得了这些进展，它们在政策导向研究中的应用仍然有限。

研究通常提出两个主要关切：复杂的架构更难解读，也更难在监管流程中沟通；同时，在少量受良好监测的船舶上校准的模型能否可靠地推广到异构船队和未来运营条件，这方面的证据仍然有限（Fan et al., 2025, Wang et al., 2023, Zhang et al., 2024）。近期的AI基础VEE研究采用了多种验证设计，如表1所总结。多项研究依赖随机交叉验证或随机训练-测试划分，而另一些则采用更有结构的船舶级、航次级或时间级分区方案。这些设计对各自的建模目的而言都是有效的。问题在于面向政策应用时，验证设置需要与所考虑的海事应用场景相匹配。例如，用于后期预测的模型、留出版次预测的模型、留出船舶应用的模型或跨类型迁移的模型，面临着不同的分离要求。近期的研究已在这一方向上迈出了重要步伐。Nguyen等（2023）采用船舶级划分来评估模型在未见过的船舶尺寸上的性能，Wang等（2023）和Zhang等（2024）采用航次级分区，Fan等（2025）则采用严格的时间序列划分。在本研究的基础上，本文在统一实证框架下比较了多种实际海事评估设置，并将燃料预测误差与面向政策的量化指标联系起来。这一定位使该基准适用于以部署为导向的政策评估，其中的关键问题不仅是模型是否拟合历史数据，还在于当模型用于特定海事任务时，其误差如何表现，以及这些误差进入排放清单或CII评级时会产生什么影响。随着数字监测基础设施的扩展，基于AI的VEE模型越来越被期望用于支持监管合规验证和指导船队脱碳战略。然而，当前的评估实践往往强调在可用历史样本上的预测精度，而政策和规划应用则需要关于特定使用条件下性能的证据。为解决这一错配问题，本研究开发了一套以部署为导向的基准套件，围绕定义好的海事使用场景及对应的数据划分规则来组织模型评估。本研究的主要贡献如下：1.我们构建了一个面向部署的海事VEE应用评估框架。通过根据预期海事使用场景划分数据，该框架检验了在历史样本上测得的模型性能能否推广到留出的运营环境中。2.利用27艘远洋船舶的高频数据，我们在154次独立训练-测试循环和64种模型-任务组合中比较了四种基于AI的燃料消耗建模机制。结果表明，模型排名取决于海事评估设置和误差度量指标，不同架构在不同的部署任务中表现最佳。3.我们将燃料预测误差与面向政策的产出联系起来。集装箱船CII案例研究表明，在不同训练和校准选择下，每日燃料误差的符号如何影响年度CII评级、需要采取行动的检测、隐性风险率和虚警率。本文其余部分的结构如下。第2节和第3节介绍了推理框架、数据划分方案和实验设计。第4节报告了五种部署场景下的基准测试结果。第5节考察了推理误差对CII合规评级的影响。第6节讨论了政策影响，第6.3节对全文进行了总结。章节节选 燃料消耗推理中的部署风险 燃料消耗是海事排放清单、碳强度指标、合规评估和政策成本评估的核心输入。因此，可靠的燃料信息对于运营分析和环境治理都不可或缺。然而在实际中，直接燃料测量往往不完整或不可用。新投入运营的船舶可能运营历史有限，历史记录中可能存在缺失日志，而未来的政策场景也无法直接获取。方法与实验设计 本节定义用于复现基准的实验流程。我们首先描述数据集、模型输入、燃料消耗目标和模型类别。然后规定数据划分规则、五种部署场景、训练-验证-测试比例以及重复采样设计。最后，我们定义了用于模型选择的方案A和方案B，并描述了如何对选定模型在留出的部署测试子集上进行评估。本研究中使用的关键符号如下。部署场景下的性能表现 为评估基于AI的VEE模型在监管使用中的可靠性，我们在第3.1节所述的高频中远海运数据集上对四种模型架构（XGBoost、1D-CNN、S-DNN和S-PINN）进行了基准测试。我们遵循第3.2节定义的部署场景（即S0–S5），其中每个Sx定义了模型开发子集和留出的部署测试子集。在S1–S5中，我们定义了16个部署任务：S1–S3各涵盖三种单船型任务（散货船、集装箱船和液体货物）。燃料消耗推理误差对IMO CII评级的影响 IMO CII是IMO国际航运温室气体措施下的主要运营规则之一。根据2021年通过的《MARPOL公约附则VI》修正案，CII要求于2022年11月生效，并自2023年1月1日起适用于5000总吨及以上的船舶（IMO, 2021）。这些船舶必须报告年度CO2排放量和运输工作量（以航行距离与所载货物的乘积衡量），并获得从A到E的运营评级。面向海事政策和规划的可信AI部署 在S1–S5场景中，在混合历史记录上测得的模型精度并不总能推广到本数据集中对应的面向部署的测试。CII案例研究进一步说明了这一问题如何影响所分析集装箱船群体的年度评级。在此基础上，本节讨论了这些结果对数据收集、模型评估以及在海事气候政策中使用基于模型的估计值的影响。结论 船舶燃料消耗推理正越来越多地用于支持海事合规分析、排放核算和规划工作。基准结果表明，评估结果取决于海事使用场景和误差度量指标。在S1–S5基准中，四种基于AI的建模机制的比较显示了任务特定的性能模式，模型排名因船型、场景和度量指标而异。跨类型迁移设置（S4）产生了最大的……致谢 本研究得到了新加坡教育部（资助编号SSRC2024-SSHRTG-008和RG75/23）以及新加坡A*STAR（资助编号R24I6IR135）的支持。作者贡献声明 Xun Yang：论文撰写—审阅与编辑、论文撰写—初稿撰写、可视化、验证、软件、方法论、概念构思。Ran Yan：论文撰写—审阅与编辑、论文撰写—初稿撰写、指导、方法论、概念构思。 Xun Yang | Ran Yan 南洋理工大学土木与环境工程学院，新加坡