基于机器学习的集装箱船舶运行轨迹与到港时间预测

作者：Roger Lloret-Batlle; 林森; 郭杰群^*

来源：物流技术, 2023, 42(08): 99-106.

• 机器学习
• 集装箱船舶
• 运行轨迹
• ETA预测
• AIS

随着全球贸易总量的增加，港口运营效率的重要性日益凸显。准确预测海运集装箱船舶的预计到达时间（Estimated Time of Arrival,ETA）可有效提升物流效率。然而，在实践中，大多数海运存在转运和中途停留；同时航行路线也面临各种因素的影响，这使得船舶ETA充满着不确定性与复杂性。误差较大的船舶ETA不仅阻碍了码头其他利益相关者的有效规划和执行，也导致抵达码头的货物类型和数量存在巨大的波动，增加了多式联运风险。基于机器学习方法，结合AIS历史数据和其他已知因素建立人工神经网络模型，对于长距离海运中集装箱船舶的运行轨迹和ETA进行预测。结果表明，所建立的模型能够有效预测船舶的运行轨迹和ETA。