基于AIS船舶数据的港口交通流量预测模型研究

• 作者: 李扬威 李晋 钟鸣
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 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
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 72-78
• 页数: 7页
• 分类号: U69
• 字数: 5298字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2018.03.010

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟鸣	武汉理工大学智能交通系统研究中心	11	31	4.0	5.0
10	李晋	武汉理工大学能源与动力工程学院	1	6	1.0	1.0
11	李扬威		1	6	1.0	1.0