超大型油船（very large crude carrier,VLCC）目的港預測對海運原油流向預測以及貨源地未來運力估計具有重要作用。針對VLCC的AIS目的港信息存在缺失、更新不及時、不準確等現(xiàn)象,提出一種基于隱馬爾科夫模型的VLCC目的港預測方法。分析船舶AIS軌跡數(shù)據(jù),得到油船歷史停靠港口序列;根據(jù)VLCC軌跡提取習慣航路,以航路中的交叉點為依據(jù)設置觀測線;利用船舶航行軌跡數(shù)據(jù)判斷船舶是否經(jīng)過觀測線以及經(jīng)過觀測線的方向,對不同方向分別計算船舶在掛靠港間的轉(zhuǎn)移概率矩陣和船舶掛靠港與觀測線間的輸出概率矩陣,建立VLCC目的港預測模型并進行預測。研究結果表明:在大多數(shù)情況下VLCC目的港預測的準確率可以達到70%以上;航線越固定、運行越規(guī)律的船舶,預測準確率越高;船舶越靠近目的港,預測越準確;重載狀態(tài)下的船舶目的港預測更準確。 

【文章來源】：上海海事大學學報. 2020,41(04)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

隱狀態(tài)轉(zhuǎn)移概率示意圖

假設某船有3個掛靠港,船舶掛靠港序列為(s1,s2,s3,s2,s1,s3,s1),為隱狀態(tài)序列;航路觀測線序列為(l1,l2,l6,l4,l3,l5,l4),為可觀察狀態(tài)序列。二者對應關系見圖2,其中:橫向箭頭代表港口之間的轉(zhuǎn)移關系,即隱狀態(tài)之間的轉(zhuǎn)移關系;縱向箭頭代表港口與觀測線之間的關系,即隱狀態(tài)與可觀察狀態(tài)之間的關系。2 模型建立

利用隱馬爾科夫模型對VLCC目的港進行預測,主要分為訓練階段和預測階段兩個部分,見圖3。在訓練階段,先對AIS數(shù)據(jù)進行處理得到建模數(shù)據(jù),然后對VLCC的歷史AIS數(shù)據(jù)進行學習和挖掘,從中學習運動特征,構造預測模型。在預測階段,基于訓練階段得到的模型,輸入待查詢船已有的軌跡數(shù)據(jù),進行目的港分析和預測。2.1 船舶AIS數(shù)據(jù)處理

【參考文獻】：
期刊論文
[1]航線配船與船隊規(guī)劃模型及算法實現(xiàn)[J]. 楊秋平,謝新連,蘇晨.  中國航海. 2009(01)
[2]全球石油貿(mào)易大流向[J]. 張春賀.  國土資源情報. 2006(10)
[3]國際油船運輸市場的走勢分析[J]. 林貴鋒,謝新連,肖躍軍.  大連海事大學學報(社會科學版). 2005(01)



本文編號：3337189