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,...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。展开更多
文摘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。