基于AIS船舶数据的港口交通流量预测模型研究

摘要：

针对当前船舶交通流量预测手段落后,精度不高的问题,利用宝船网A PI数据接口提取船舶A IS数据,依托该数据构建基因算法优化神经网络的船舶交通流量预测模型,K近邻回归预测模型、时间序列预测模型和灰色预测模型的组合预测模型.通过自编程序采集了天津港某时段的船舶交通流量数据,在剔除错误和不可用数据后,对船舶交通流量数据进行统计,分析得到了进出天津港的船舶航行特性.同时为了更直观的验证所提出的预测模型效果,与利用K近邻回归、时间序列和灰色预测模型3种方法预测的结果进行对比.组合模型进港预测的平均绝对误差、均方误差和平均相对误差分别是0.5595,1.0119和12.98％,出港分别是0.6726,1.3155和15.23％,以上指标均优于上述的传统3种模型.相比于组合模型,优化的BP神经网络模型预测结果更优,进港和出港预测的平均相对误差分别降低了3.23％ 和4.76％,结论证明,组合模型和优化的BP神经网络模型具有较高的预测精度.

关键词：船舶交通流量预测、AIS数据、基因算法、神经网络、非参数回归、组合模型

所属期刊栏目：36

分类号：U69(水路运输技术管理)

资助基金：湖北省自然科学基金项目2015CFB599;中央高校基本科研业务费专项资金项目2014-VII-036

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：72-78