留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于AIS船舶数据的港口交通流量预测模型研究

李晋,  钟鸣,  李扬威

downloadPDF
文章导航 > 交通信息与安全  > 2018 >  36(3): 72-78
李晋, 钟鸣, 李扬威. 基于AIS船舶数据的港口交通流量预测模型研究[J]. 交通信息与安全, 2018, 36(3): 72-78. doi: 10.3963/j.issn.1674-4861.2018.03.010
引用本文: 李晋, 钟鸣, 李扬威. 基于AIS船舶数据的港口交通流量预测模型研究[J]. 交通信息与安全, 2018, 36(3): 72-78. doi: 10.3963/j.issn.1674-4861.2018.03.010
shu
LI Jin, ZHONG Ming, LI Yangwei. A Forecasting Model of Marine Traffic Flows at Ports Based on AIS Data[J]. Journal of Transport Information and Safety, 2018, 36(3): 72-78. doi: 10.3963/j.issn.1674-4861.2018.03.010
Citation: LI Jin, ZHONG Ming, LI Yangwei. A Forecasting Model of Marine Traffic Flows at Ports Based on AIS Data[J]. Journal of Transport Information and Safety, 2018, 36(3): 72-78. doi: 10.3963/j.issn.1674-4861.2018.03.010
shu

基于AIS船舶数据的港口交通流量预测模型研究

doi: 10.3963/j.issn.1674-4861.2018.03.010

  • 武汉理工大学能源与动力工程学院 武汉430063

  • 武汉理工大学智能交通系统研究中心 武汉430063;武汉理工大学国家水运安全工程技术中心 武汉430063;武汉理工大学水路公路交通安全控制与装备教育部工程研究中心 武汉430063

  • 中国交通通信信息中心 北京100011

基金项目: 

中央高校基本科研业务费专项资金项目

湖北省自然科学基金项目

详细信息

  • 中图分类号: U69

A Forecasting Model of Marine Traffic Flows at Ports Based on AIS Data

    摘要
  • 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.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  405
  • HTML全文浏览量:  72
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-06-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发