National Transport Library Research Database

FP14_2026 AI-förstärkt digital tvilling för fartygstrafik för optimal marin planering och stöd till vinternavigation i norra Östersjön (FP14_2026 AI-augmented ship traffic digital twin for optimal marine planning and assisting winter navigation in Northen Baltic)

Sponsors, duration, budget: Trafikverket ; 2026-01-01 -- 2027-12-31 ; 2 588 000 kronorRegistration number:
  • Trafikverket
Summary: Med ökande aktiviteter och hamnutbyggnader för att möta industriella behov förväntas fartygstrafiken i norra Sverige tredubblas. Osäkra isförhållanden med en betydande ökning av vinternavigering, begränsade isbrytare och isklassade fartyg kan dock äventyra tillförlitlig vinterdrift, vilket leder till försenade lastleveranser, ansträngd infrastruktur och ökade risker i en redan krävande miljö. För att hantera dessa utmaningar kommer detta projekt att utveckla ett digitalt tvillingsystem (DT) som integrerar AIS-fartygstrafikdata, iskartor, hamndrift, riskbedömning, AI-förbättrade fartygsprestandamodeller och vinternavigeringserfarenheter i Östersjön. Kapaciteten hos den digitala tvillingen kommer att demonstreras för följande tillämpningar: 1) optimal samverkan mellan isbrytare med minskad risk och mer effektiv användning av isbrytarresurser; 2) tillförlitligt beslutsstöd för framtida planering och drift under vindkrafts-/fartygsstörningar och extrema ishändelser etc., genom scenariobaserade simuleringar.Summary: With increasing activities and port expansions to meet industrial needs, ship traffic in northern Sweden is expected to increase threefold. However, uncertain ice conditions with a significant rise in winter navigation, limited icebreakers and ice-class ships may jeopardize reliable winter operations, leading to delayed cargo deliveries, strained infrastructure and increased risks in an already demanding environment. To address these challenges, this project will develop a digital twin (DT) system that integrates AIS ship traffic data, ice charts, port operations, risk assessment, AI enhanced ship performance models and winter navigation experiences in the Baltic. The capability of the DT will be demonstrated for the applications of 1) optimal icebreaker collaboration with reduced risk and more efficient use of icebreaker resources; 2) reliable decision support of future planning and operation under wind farm/shipping interference, and extreme ice events, etc., by scenario-based simulations.
Item type: