analytics.py

"""Όλη η μη-UI λογική: καιρός, φυσική (ζόρι), οικονομικά, σκορ ανωμαλίας."""
import numpy as np
import requests

# =========================================================================
# ΚΑΙΡΟΣ (πραγματικά δεδομένα — Open-Meteo, δωρεάν, χωρίς key)
# =========================================================================
def get_weather(lat, lon):
    """Σημειακός καιρός για το panel ανάλυσης."""
    out = {}
    try:
        r = requests.get("https://marine-api.open-meteo.com/v1/marine",
                         params={"latitude": lat, "longitude": lon,
                                 "current": "wave_height,wave_period,wave_direction,"
                                            "sea_surface_temperature,ocean_current_velocity"},
                         timeout=10).json().get("current", {})
        out.update(wave_height=r.get("wave_height"), wave_period=r.get("wave_period"),
                   wave_direction=r.get("wave_direction"),
                   sst=r.get("sea_surface_temperature"),
                   current=r.get("ocean_current_velocity"))
    except Exception:
        pass
    try:
        r = requests.get("https://api.open-meteo.com/v1/forecast",
                         params={"latitude": lat, "longitude": lon,
                                 "current": "wind_speed_10m,wind_direction_10m,wind_gusts_10m",
                                 "wind_speed_unit": "kn"},
                         timeout=10).json().get("current", {})
        out.update(wind_speed=r.get("wind_speed_10m"),
                   wind_direction=r.get("wind_direction_10m"),
                   wind_gusts=r.get("wind_gusts_10m"))
    except Exception:
        pass
    return out


def get_marine_grid(lats, lons):
    """Φέρνει wave_height & ocean_current_velocity για ΠΛΕΓΜΑ σημείων.
    Επιστρέφει (wave[H,W], current[H,W]) με NaN στη στεριά (όπου δεν υπάρχουν marine data).
    Κάνει batching γιατί το API δέχεται πολλά σημεία ανά κλήση."""
    H, W = len(lats), len(lons)
    LAT = np.repeat(lats, W)              # row-major
    LON = np.tile(lons, H)
    wave = np.full(H * W, np.nan)
    curr = np.full(H * W, np.nan)
    CHUNK = 120
    for i in range(0, H * W, CHUNK):
        la = LAT[i:i + CHUNK]; lo = LON[i:i + CHUNK]
        try:
            data = requests.get(
                "https://marine-api.open-meteo.com/v1/marine",
                params={"latitude": ",".join(f"{x:.4f}" for x in la),
                        "longitude": ",".join(f"{x:.4f}" for x in lo),
                        "current": "wave_height,ocean_current_velocity"},
                timeout=20).json()
            if isinstance(data, dict):
                data = [data]
            for j, d in enumerate(data):
                cur = d.get("current", {})
                wave[i + j] = cur.get("wave_height", np.nan)
                curr[i + j] = cur.get("ocean_current_velocity", np.nan)
        except Exception:
            pass  # αφήνει NaN -> θα θεωρηθεί αδιάβατο
    return wave.reshape(H, W), curr.reshape(H, W)


def get_point_waves(lat_list, lon_list):
    """wave_height για ζεύγη σημείων (όχι πλέγμα). NaN σε στεριά/αποτυχία.
    Κάνει batching γιατί το API δέχεται πολλά σημεία ανά κλήση."""
    n = len(lat_list)
    out = np.full(n, np.nan)
    CHUNK = 100
    for i in range(0, n, CHUNK):
        la = lat_list[i:i + CHUNK]; lo = lon_list[i:i + CHUNK]
        try:
            data = requests.get(
                "https://marine-api.open-meteo.com/v1/marine",
                params={"latitude": ",".join(f"{x:.3f}" for x in la),
                        "longitude": ",".join(f"{x:.3f}" for x in lo),
                        "current": "wave_height"},
                timeout=20).json()
            if isinstance(data, dict):
                data = [data]
            for j, d in enumerate(data):
                out[i + j] = d.get("current", {}).get("wave_height", np.nan)
        except Exception:
            pass
    return out


def geocode_port(name):
    """Προσπαθεί να βρει συντεταγμένες λιμανιού από όνομα. Επιστρέφει (lat, lon) ή None."""
    if not name:
        return None
    try:
        r = requests.get("https://geocoding-api.open-meteo.com/v1/search",
                         params={"name": name, "count": 1}, timeout=10).json()
        res = r.get("results")
        if res:
            return res[0]["latitude"], res[0]["longitude"]
    except Exception:
        pass
    return None


# =========================================================================
# ΦΥΣΙΚΗ — εκτίμηση ζορίσματος (ΟΧΙ μέτρηση)
# =========================================================================
WEATHER_DRAG_K = 0.03

def _safe_type(t):
    """Μετατρέπει τον τύπο πλοίου σε int με ασφάλεια. None αν λείπει/NaN."""
    if t is None:
        return None
    try:
        if isinstance(t, float) and np.isnan(t):
            return None
        return int(t)
    except (ValueError, TypeError):
        return None

def estimate_cb(t):
    t = _safe_type(t)
    if not t:
        return 0.68
    return {6: 0.62, 7: 0.75, 8: 0.82}.get(t // 10, 0.68)

def estimate_displacement(L, B, T, cb):
    if not (L and B and T):
        return None
    return L * B * T * cb * 1.025

def estimate_power_calm(disp_t, speed_kn, admiralty_c):
    if not disp_t or not speed_kn or speed_kn <= 0:
        return None
    return (disp_t ** (2 / 3)) * (speed_kn ** 3) / admiralty_c

def estimate_resistance(power_kw, speed_kn):
    if not power_kw or not speed_kn or speed_kn <= 0:
        return None
    return power_kw * 1000 / (speed_kn * 0.514444) / 1000

def weather_factor(wave_h):
    return 1.0 if wave_h is None else 1.0 + WEATHER_DRAG_K * (wave_h ** 2)


# =========================================================================
# ΟΙΚΟΝΟΜΙΚΑ — εκτίμηση (ΟΧΙ ο πραγματικός ναύλος του πλοίου)
# =========================================================================
DWT_COEFF = 0.80
CO2_PER_FUEL = 3.114  # τόνοι CO2 ανά τόνο VLSFO

DEFAULT_RATE = {
    "Capesize": 18000, "Panamax": 12000, "Supramax": 11000, "Handysize": 10000,
    "VLCC": 40000, "Suezmax": 35000, "Aframax": 30000,
    "Products/Small tanker": 18000, "Tanker": 25000, "Bulk (άγνωστο)": 12000,
    "Άλλο": 12000,
}

def estimate_dwt(disp_t):
    return disp_t * DWT_COEFF if disp_t else None

def vessel_class(dwt, ship_type):
    st = _safe_type(ship_type)
    if st and st // 10 == 8:
        if not dwt:
            return "Tanker"
        if dwt >= 200000: return "VLCC"
        if dwt >= 120000: return "Suezmax"
        if dwt >= 80000:  return "Aframax"
        return "Products/Small tanker"
    if st and st // 10 == 7:
        if not dwt:
            return "Bulk (άγνωστο)"
        if dwt >= 100000: return "Capesize"
        if dwt >= 65000:  return "Panamax"
        if dwt >= 40000:  return "Supramax"
        return "Handysize"
    return "Άλλο"

def fuel_per_day(power_kw, sfoc):
    return power_kw * sfoc * 24 / 1e6 if power_kw else None

def co2_per_day(fuel_t):
    return fuel_t * CO2_PER_FUEL if fuel_t else None

def laden_status(draught, L):
    if not draught or not L:
        return "άγνωστο"
    t_design = L / 14.0
    return "έμφορτο (laden)" if draught >= 0.85 * t_design else "πιθανώς έρμα (ballast)"


# =========================================================================
# ΑΝΩΜΑΛΙΑ — μπλε (ομαλό) -> κόκκινο (στραβά), από τα συσσωρευμένα δεδομένα
# =========================================================================
def fleet_baseline(log):
    moving = log[log["speed_kn"] > 1] if len(log) else log
    return {
        "speed_std": (moving["speed_kn"].std() if len(moving) else 1.0) or 1.0,
        "speed_mean": (moving["speed_kn"].mean() if len(moving) else 8.0) or 8.0,
        "n": len(log),
    }

def behaviour_score(track, base):
    pts = track.sort_values("timestamp")
    speeds = pts["speed_kn"].dropna()
    score, reasons = 0.0, []
    base_std = base.get("speed_std") or 1.0
    if len(speeds) >= 2:
        if speeds.std() > 2.5 * base_std:
            score += 0.35; reasons.append("ασταθής ταχύτητα")
        if speeds.max() > 5 and speeds.min() < 0.5 and (speeds.max() - speeds.min()) > 5:
            score += 0.30; reasons.append("απότομη ακινητοποίηση")
    if len(pts) >= 3:
        cc = pts["course"].dropna().values
        if len(cc) >= 2:
            d = np.abs(np.diff(cc)); d = np.minimum(d, 360 - d)
            if d.mean() > 30:
                score += 0.25; reasons.append("ελιγμοί/ζιγκ-ζαγκ")
    if len(speeds) and speeds.iloc[-1] < 0.3:
        score += 0.10; reasons.append("σταματημένο")
    return min(score, 1.0), reasons

def color_for(s):
    return [int(40 + s * 180), max(int(120 - s * 100), 20), max(int(255 - s * 230), 20)]


# =========================================================================
# EU ETS — κόστος ρύπων ανά ταξίδι (ΕΚΤΙΜΗΣΗ από δημόσιο σήμα)
# =========================================================================
import math

# Χώρες EU + EEA (Ισλανδία/Νορβηγία/Λίχτενσταϊν) — όπου ισχύει το EU ETS ναυτιλίας
EU_EEA = {"AT", "BE", "BG", "HR", "CY", "CZ", "DK", "EE", "FI", "FR", "DE", "GR",
          "HU", "IE", "IT", "LV", "LT", "LU", "MT", "NL", "PL", "PT", "RO", "SK",
          "SI", "ES", "SE", "IS", "NO", "LI"}

EUA_DEFAULT = 78.0  # €/τόνο CO2 (τρέχουσα τιμή ~77-80, Ιούν 2026)

# Κατανάλωση καυσίμου σε έμφορτη ταχύτητα υπηρεσίας (t/ημέρα), μέσος όρος κλάδου
FUEL_BY_CLASS = {
    "VLCC": 80, "Suezmax": 62, "Aframax": 50, "Products/Small tanker": 28,
    "Tanker": 45, "Capesize": 55, "Panamax": 38, "Supramax": 30,
    "Handysize": 24, "Bulk (άγνωστο)": 35, "Άλλο": 38,
}
# Τυπική ταχύτητα υπηρεσίας (kn) — όταν το πλοίο είναι σταματημένο/αργό
SERVICE_SPEED = {
    "VLCC": 14.0, "Suezmax": 13.5, "Aframax": 12.5, "Products/Small tanker": 12.0,
    "Tanker": 12.5, "Capesize": 12.0, "Panamax": 12.5, "Supramax": 12.5,
    "Handysize": 12.0, "Bulk (άγνωστο)": 12.0, "Άλλο": 12.0,
}

# Σταδιακή εφαρμογή EU ETS: ποσοστό εκπομπών που μετράει ανά έτος
PHASE_IN = {2024: 0.40, 2025: 0.70}  # 2026 και μετά = 100%


def geocode_port_full(name):
    """Όνομα λιμανιού -> dict(lat, lon, country_code, name) ή None."""
    if not name:
        return None
    try:
        r = requests.get("https://geocoding-api.open-meteo.com/v1/search",
                         params={"name": name, "count": 1}, timeout=10).json()
        res = r.get("results")
        if res:
            x = res[0]
            return {"lat": x["latitude"], "lon": x["longitude"],
                    "country_code": x.get("country_code"), "name": x.get("name")}
    except Exception:
        pass
    return None


def is_eu(country_code):
    return (country_code or "").upper() in EU_EEA


def haversine_nm(lat1, lon1, lat2, lon2):
    """Απόσταση μεγίστου κύκλου σε ναυτικά μίλια."""
    R = 3440.065
    p1, p2 = math.radians(lat1), math.radians(lat2)
    dp = math.radians(lat2 - lat1)
    dl = math.radians(lon2 - lon1)
    a = math.sin(dp / 2) ** 2 + math.cos(p1) * math.cos(p2) * math.sin(dl / 2) ** 2
    return 2 * R * math.asin(math.sqrt(a))


def phase_in_factor(year):
    return PHASE_IN.get(int(year), 1.0)


def ets_coverage(n_eu_ports):
    """0 λιμάνια ΕΕ -> 0%, 1 -> 50%, 2 -> 100%."""
    return {0: 0.0, 1: 0.5, 2: 1.0}.get(int(n_eu_ports), 0.0)


def ets_estimate(dist_nm, speed_kn, fuel_t_day, n_eu_ports, eua, year):
    """Επιστρέφει dict με ημέρες, καύσιμο, CO2, κάλυψη, κόστος. None αν λείπουν δεδομένα."""
    if not (dist_nm and speed_kn and fuel_t_day):
        return None
    days = dist_nm / (speed_kn * 24)
    fuel = days * fuel_t_day
    co2 = fuel * CO2_PER_FUEL
    cov = ets_coverage(n_eu_ports)
    yf = phase_in_factor(year)
    covered = co2 * cov * yf
    cost = covered * eua
    return {"days": days, "fuel": fuel, "co2": co2, "coverage": cov,
            "phase": yf, "covered": covered, "cost": cost}