收益：
- 能够理解行程的四个阶段，并在评估、航线备选和空中航线场景中安全地使用人工智能
- 能够实施人工智能生成的航线，这在 ECDIS 中始终是不允许的，必须受到 UKC 的控制，并考虑到天气预报的不确定性。
- 能够理解，在没有港口窗口、吃水和预计到达时间等所有限制的情况下，“最佳”航线将会产生误导，并且最终批准权在于船长。
在海上从一点到另一点的“直线”很少是最佳路线。风、波浪、洋流、浅滩、分道通航方案（TSS）、冰川、海盗区和港口窗口（港口接受船舶的时间窗口）都会影响航线。导航优化就是在这些约束下规划一条安全、经济、及时的通行。人工智能是这项工作的有力助手；但批准该计划并负责海上安全的人是航海官和船长。
在本单元中，您将学习如何在通道规划和天气路线（根据天气/海洋预报设置路线）中安全地使用人工智能；您将了解在哪里停止并求助于电子海图显示与信息系统 (ECDIS) 和官方来源。
巡航计划和人工智能的四个阶段
国际标准导航计划由四个阶段组成：评估（评估——收集所有信息）、规划（规划——绘制路线）、执行（执行——执行航线）、监控（监控——跟踪与计划的偏差）。人工智能在第一阶段尤其突出：收集信息和生成场景。
- 评估：人工智能将过渡区的已知风险（瓶颈、TSS、季节性天气模式、海盗区）提炼成清单。但这份清单只是草案；它得到了官方航海出版物（航行方向、航海者须知）的确认。
- 规划：人工智能生成多种路线选择以及每种路线的时间/燃料/空气暴露估计。将航线输入 ECDIS、检查禁区和 UKC（亚脊柱空间）是人类的工作。
- 执行/监控：AI根据新的预测说“你可以考虑调整你的路线如下”；船长同意或拒绝。
注意：AI生成的航线是草稿，并非官方ENC（电子航海图）上绘制的验证航线。如果未通过 ECDIS 中的禁航字段和 UKC 检查，则不会执行任何航线。
空中路由：增益在哪里，陷阱在哪里
空中航线的目的是根据波浪和风力预报改变航线，以提高安全性并节省燃料/时间。在波涛汹涌的大海中，船会减慢（增加阻力）、倾斜，货物和船只都会受到压力。 AI 快速比较多种预测场景，并提供诸如“这条路线将最高有效波高（Hs - 波浪统计高度）保持在 3.1 m，而不是 4.5 m”等预测。
陷阱是这样的：天气预报是不确定的，并且随着时间的推移变得越来越不可靠。虽然 24 小时预测相当可靠，但 120 小时预测误差较大。人工智能有时可以将这种不确定性表示为“精确数字”。因此：
- 比较多个预报源（不同气象模型）；如果它们都指向同一个方向，信任就会增加。
- 以长期推荐为“方向”，而非“精准点”；使用新的预报更新路线。
- 根据天气的不确定性扩大安全边际：不要为了获得安全边际而接近风暴锋面。
三个迷你箱子
案例 1 — 14 小时增益，已验证。对于穿越北大西洋，YZ建议绕低压中心以南航行：距离长14小时，但海面平静得多，由于阻力较小，可提前14小时抵达，并节省22吨燃油。船长用两种不同的天气模型进行确认，在ECDIS中绘制航线，看到不存在UKC问题并实施。收获是真实的。
案例 2——诱人但危险的捷径。在轮渡路线上，YZ 建议通过狭窄的岛间航道走 40 分钟的捷径。当官员检查 ECDIS 时，他发现当时航道的潮流已达到 5 节，UKC 处于危险状态。快捷方式被拒绝。 AI正确计算了距离，但风险计算不完整。
案例 3 — 端口窗口逃逸。集装箱船遵循AI的建议“减速，节省燃油”，但AI没有给出港口窗口限制。船舶到达潮窗外港口，因吃水而无法进港，并遭受昂贵的锚地等待。教训：如果您不给优化提供所有约束（ETA 承诺、港口窗口、潮汐），“最佳”就会产生误导。
四个可复制模板
1）行程评估清单：
您的角色：邮轮规划顾问。转换：[出发港] ->[目的地港]，船舶类型 [x]，吃水 [y]。给我列出一份评估清单：瓶颈/TSS、季节性天气风险、盗版/限制区、可能的 UKC 点、所需的导航广播。在每件商品上注明“有待官方消息来源确认”。不确定的地方做个标记。
2）路线备选比较：
我会给你 72 小时的风浪预报。船舶运行速度 [x] 节。生成 3 条备选路线草案；每个：估计持续时间、估计燃料、最高 Hs 暴露和最危险区域。约束：端口窗口[日期/时间]。我会确认浅滩和潮汐；记下“ECDIS 中的确认”。
3) 跟踪时重新路由：
附上我当前的位置[纬度/经度]和计划的路线。根据新的24小时预报，我前面有一个Hs[x]米的区域。建议我 2 个选项来将路线转移到安全的一侧；写下每个的额外时间/燃料成本。我将做出最终决定并由 UKC 确认。
4）船长简报摘要：
将这份航行计划草案转化为向船长提供的 10 行简报：路线摘要、3 个最关键的风险、天气窗口、决策点。夸张;将不清楚的地方写为“不清楚/需要确认”。
弱提示/强提示
弱提示：
找到最短路线，节省燃油。
没有限制，没有空气，没有安全。 “最短”通常是最危险或最慢的路线。
强力提示：
您的角色：航空路线顾问。船舶：180 m散货，13节航行，吃水10.5 m。路线：鹿特丹 -> 纽约，3 月 12 日出发。随附 96 小时波浪/风预报。任务：2条安全、经济的路线建议；每条路线的时间、燃油、最高 H 值以及最危险的 6 小时。限制： Hs 高度不得超过 5 m；港口窗口 3 月 20 日 06:00-18:00。标记所有深度/UKC 和 no-gotehid；说明天气预报的不确定性程度。
船舶、约束、安全阈值和不确定性需求使得输出可在海上使用。
路由决策：谁验证什么
输入
人工智能的贡献
人工验证
天气/海浪预报
场景对比
多型号确认
替代路线
时间/燃料估计
在 ECDIS 中绘图
浅层/UKC
“需要确认”警告
潮汐+深度计算
禁区
候选人评分
官方 ENC 控制
端口窗口
预计到达账户
代理+潮汐确认
TSS/流量
一般提醒
使用雷达/AIS 进行实时观察
常见错误
- 未在 ECDIS 中验证就执行航线。 AI路线畅通无阻； UKC和官方地图上的禁行管制是必须的。
- 假设长期预测是确定的。 96 小时以上的预测误差范围很大；将建议作为“方向”，更新它。
- 缺少约束。如果没有给出港口窗口、吃水、预计到达时间承诺，“最佳”就会产生误导。
- 依赖单一天气模型。如果不同的模型出现分歧，不确定性就很高；扩大利润。
- 将利润置于安全之上。不要进入暴风雨或狭窄的水流航道，以最大限度地节省燃料。
综上所述
导航优化是在约束条件下平衡安全-经济-准时三位一体。人工智能在评估清单、路线选择和空中航线场景方面节省了大量时间。但该航线始终无法通过，UKC 在 ECDIS 中进行了检查；考虑到天气预报的不确定性；如果没有向人工智能提供所有约束（港口窗口、吃水、预计到达时间），“最佳”就会产生误导。由船长批准航线并负责海上安全。
应用任务
选择通票（例如伊兹密尔 - 巴塞罗那）。让AI用“路线备选比较”模板草拟两条路线；给出所有约束（吃水、港口窗口、波浪阈值）。然后将输出倒入控制图中：每个数字的来源、它将验证哪个事实检查工具，以及人工智能说“需要确认”的点。
清单
- [ ] 我用AI创建了评估列表，但通过官方导航广播确认了它。
- [ ] 我在 ECDIS 中绘制了备选航线并进行了 UKC 和禁行检查。
- [ ] 我将天气预报与至少两个模型进行了比较，并考虑了不确定性。
- [ ] 我在优化中包含了所有约束（吃水、港口窗口、预计到达时间）。
- [ ] 作为船长/领航员，我批准了最终的航线。