已經跟呼吸一樣重要的網路和手機論文書籍站
國立高雄科技大學 電訊工程系 翁健二所指導 虞智杰的 船舶自動辨識系統資料自動除錯研究 （2021），提出航 港 局-海事中心關鍵因素是什麼，來自於船舶自動辨識系統、大數據分析。
而第二篇論文國立臺灣海洋大學 資訊工程學系 許為元所指導 林志謙的 利用漁具軌跡推估臺灣沿近海漁獲分佈之演算法 （2020），提出因為有 漁船航跡、漁獲分布、漁船航程紀錄器、船舶自動辨識系統、資料聚合的重點而找出了 航 港 局-海事中心的解答。
船舶自動辨識系統資料自動除錯研究
為了解決航 港 局-海事中心 的問題，作者虞智杰 這樣論述：
臺灣位處於亞洲東部、四面臨海，居於東亞與南亞交會處，東面太平洋，西面臺灣海峽與歐亞大陸相隔，南面巴士海峽與菲律賓對望，北臨東海，地理位置極其優秀，從古至今海上貿易熱絡以及附近海域漁業等天然資源豐富，造就臺灣周邊海域船舶活動十分密集頻繁。為了因應日趨繁忙海上交通，國際海事組織（International Maritime Organization, IMO）在船舶結構、設備與性能等方面訂定統一國際規範，旨在保障海上船舶航行安全，在船舶設備方面IMO制定「海上人命安全國際公約（International Convention for the Safety of Life at Sea， SOLA
S）」，強制規定所有客船以及總噸位達300噸以上之貨船皆須搭載船舶自動辨識系統（Automatic Identification System， AIS）。AIS系統會向AIS站臺等設備傳遞電子訊號，電子訊號包含動態資訊（船舶船速、船舶航向、經緯度等資料）以及靜態資訊（航程訊息、船長、船寬等資料）。AIS訊號在海上傳遞並回傳至岸邊站臺過程中，可能因為訊號受到干擾或是接收效率不佳等狀況，致使解碼後AIS資料與船舶AIS系統發送該筆AIS訊號當下之船舶狀態，有著不小的誤差與錯誤產生。因此，本論文將運用海上船舶所搭載船舶自動辨識系統回傳之AIS資料，首先剔除AIS資料欄位參數不符合國際標準規定之錯誤
AIS資料，後透過MATLAB（Matrix Laboratory）對AIS資料之動態資訊進行分析，將船速、航向、船艏方向、經緯度等數據圖形化方便後續之參數分析判別，運用大量數據（Big Data）分析並歸納出不同船舶行為特徵之下船舶行為模式，透過資料演算法找出異常船舶行為模式並將之排除，最後將AIS資料儲存至資料庫並顯示在本論文開發之動態船舶資訊系統，提供即時與歷史海上船舶圖資。
利用漁具軌跡推估臺灣沿近海漁獲分佈之演算法
為了解決航 港 局-海事中心 的問題，作者林志謙 這樣論述：
隨著漁業商業化，非法、無管制、未報告之漁業行為以及過度捕撈成為世界上許多地區的一個主要問題。目前已經有很多研究透過監測漁船的活動來防止這種情況的發生，且多以觀察漁船的漁具類型來掌握漁船的捕魚活動，並嘗試估計漁船的漁撈努力量。此外，透過漁船作業之分布，進而推得魚類在自然環境中的分布並預測其族群規模，有助於確保生態的可持續性並防止資源枯竭。儘管如此，正確地辨認魚群和牠們所在的區域仍是本研究所要面臨的挑戰。傳統的研究著重於透過漁船的軌跡來近似其作業區域，但對於被動型漁具而言，漁船軌跡之分布不一定等於其捕獲資源之範圍。本研究提出一種通過觀察漁船漁具軌跡的新方法，這個假設建立於一些漁船鋪設大面積捕撈的
漁具，如：流刺網、延繩釣和圍網等，其覆蓋區域會比船隻航行的區域大上許多。本研究觀察漁船的AIS訊號，並區別漁船用AIS或漁具用AIS。然後，我們將漁船的訊號與其漁具的訊號結合在一起，並建立該船隻的作業區域。這種將捕撈作業的傳統線性近似轉化為二維覆蓋的做法，使人們對捕撈作業實際利用多少海洋面積有新的認知。本研究蒐集2019年6月至2019年12月期間共58艘樣本漁船，並對漁船漁具的資料進行分析。而初步結果表明，與傳統的漁船軌跡法相比，使用這種方法可以更好地瞭解漁船作業的空間範圍。這種新的估計方法顯示，被捕撈海洋的實際覆蓋率是線性估計法的40多倍，未來對漁業管理和永續性估計在地理分布和生物指數方面
都可更加精確。