Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Improved Rotated Local Binary Pattern Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Big Data Analytics Provides Actionable Insights into Ship Emissions

verfasst von : Frank Cremer, Muktha Muralee

Erschienen in: Data Management, Analytics and Innovation

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Atmospheric emissions such as NOx from ship engines have a drastic impact on the environment. Controlling them is crucial for maintaining a sustainable growth for any logistics company. The Port of Rotterdam (The Netherlands) is using big data analytics to gain actionable insights into these emissions. Our case study deals with the implementation of the emission calculations and reporting implemented in Hadoop. In the analytical setup we introduce the method for estimating emissions based on recorded ship position data and information about its engines. We present a flexible approach that stores intermediate results allowing different levels of aggregation. These results are visualized in a Geographical Information System (GIS). We present some selected results followed by conclusions and recommendations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimized Capacity Scheduler for MapReduce Applications in Cloud Environments
Nächstes Kapitel Optimizing Deep Convolutional Neural Network for Facial Expression Recognitions
Fußnoten
1
This model is common practice for aerial emission estimation and in use by government bodies such as RIVM.
 
Literatur
1.
Denier van der Gon, H., & Hulskotte, J. (2012). Methodologies for estimating shipping emissions in The Netherlands. The Netherlands Research Program on Particulate Matter, Report 500099012, ISSN: 1875-2322 (print), ISSN: 1875-2314 (on line).
2.
Chen, D., Wang, X., Li, X., Lang, J., Zhou, Y., Guo, X., & Zhao, Y. (2017). High-spatiotemporal-resolution ship emission inventory of China based on AIS data in 2014. Science of the Total Environment, December 2017.
3.
Cullinane, K., Tseng, P.-H., & Wilmsmeier, G. (2016). Estimation of container ship emissions at berth in Taiwan. International Journal of Sustainable Transportation, 10.
4.
Duyzer, J., Zandveld, P., & Lohman, W. (2015). Doelmatigheidsonderzoek AERIUS Calculator (betaversie 8) en Monitor (versie 2014). TNO Rapport 2015 R10211.
5.
Dean, J., & Ghemawat, S. (2004). MapReduce: Simplified data processing on large clusters. In OSDI’04: Sixth Symposium on Operating System Design and Implementation, San Francisco, CA, December, 2004.
6.
Shaw, S., Vermeulen, A. F., Gupta, A., & Kjerrumgaard, D. (2016). Practical Hive—A guide to Hadoop’s data warehouse system. Berkeley: Apress.
Metadaten
Titel
Big Data Analytics Provides Actionable Insights into Ship Emissions
verfasst von
Frank Cremer
Muktha Muralee
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Data Management, Analytics and Innovation

Print ISBN: 978-981-13-1401-8

Electronic ISBN: 978-981-13-1402-5

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-1402-5_13

Neuer Inhalt

    Bildnachweise