基于隐马尔科夫模型的VLCC目的港预测

发布时间：2021-08-12 00:21

　　超大型油船（very large crude carrier,VLCC）目的港预测对海运原油流向预测以及货源地未来运力估计具有重要作用。针对VLCC的AIS目的港信息存在缺失、更新不及时、不准确等现象,提出一种基于隐马尔科夫模型的VLCC目的港预测方法。分析船舶AIS轨迹数据,得到油船历史停靠港口序列;根据VLCC轨迹提取习惯航路,以航路中的交叉点为依据设置观测线;利用船舶航行轨迹数据判断船舶是否经过观测线以及经过观测线的方向,对不同方向分别计算船舶在挂靠港间的转移概率矩阵和船舶挂靠港与观测线间的输出概率矩阵,建立VLCC目的港预测模型并进行预测。研究结果表明:在大多数情况下VLCC目的港预测的准确率可以达到70%以上;航线越固定、运行越规律的船舶,预测准确率越高;船舶越靠近目的港,预测越准确;重载状态下的船舶目的港预测更准确。 

【文章来源】：上海海事大学学报. 2020,41(04)北大核心

【文章页数】：8 页

【部分图文】：

隐状态转移概率示意图

假设某船有3个挂靠港,船舶挂靠港序列为(s1,s2,s3,s2,s1,s3,s1),为隐状态序列;航路观测线序列为(l1,l2,l6,l4,l3,l5,l4),为可观察状态序列。二者对应关系见图2,其中:横向箭头代表港口之间的转移关系,即隐状态之间的转移关系;纵向箭头代表港口与观测线之间的关系,即隐状态与可观察状态之间的关系。2 模型建立

利用隐马尔科夫模型对VLCC目的港进行预测,主要分为训练阶段和预测阶段两个部分,见图3。在训练阶段,先对AIS数据进行处理得到建模数据,然后对VLCC的历史AIS数据进行学习和挖掘,从中学习运动特征,构造预测模型。在预测阶段,基于训练阶段得到的模型,输入待查询船已有的轨迹数据,进行目的港分析和预测。2.1 船舶AIS数据处理

【参考文献】：
期刊论文
[1]航线配船与船队规划模型及算法实现[J]. 杨秋平,谢新连,苏晨.  中国航海. 2009(01)
[2]全球石油贸易大流向[J]. 张春贺.  国土资源情报. 2006(10)
[3]国际油船运输市场的走势分析[J]. 林贵锋,谢新连,肖跃军.  大连海事大学学报(社会科学版). 2005(01)



本文编号：3337189