(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111281346.X (22)申请日 2021.11.01 (71)申请人 上海汇航捷讯网络科技有限公司 地址 200122 上海市浦东 新区自由贸易试 验区张杨路828-838号26楼E、 F室 (72)发明人 谭诗弋　 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 30/27(2020.01) (54)发明名称 基于船舶AIS大数据的船舶进出港靠离泊时 间预测方法 (57)摘要 本发明公开了基于船舶AIS大数据的船舶进 出港靠离泊时间预测方法， 本方法通过AIS系统 获取各船舶的船名、 水上移动业务标识 （MMSI） 、 船舶空间位置、 船速、 船型、 时间戳等属性。 另外 除了AIS状态数据， 还用到船舶和港口的静态数 据， 包括船舶大小、 TEU量、 类型、 港口TEU量和港 口归属航线等属性； 根据历史的船舶进出港口时 间计算出一些统计性特征： 历史港口的吞吐量， 船只未来到达的天数， 还有船舶航行的平均速 度； 考虑到原始数据混乱的问题， 需要对其数据 进行清理， 从而为预测任务打好基础； 将预测任 务拆分成了两个部分： 港内时长预测和港间时长 预测； 同时训练深度神经网络和机器学习模型， 然后将分段的结果 求和得到最终的剩余时长 。 权利要求书1页 说明书3页 CN 114330640 A 2022.04.12 CN 114330640 A 1.基于船舶AIS大数据的船舶进出港靠离泊时间预测方法， 其特征在于： 具体的方法如 下： 步骤1： 通过AIS系统获取 各船舶的历史航行 数据信息； 步骤2： 利用AIS数据和港口泊位围栏计算历史进出港和靠离泊时间， 进而得到港口的 吞吐量， 作业速度， 行驶速度最大最小平均值统计数据； 步骤3： 利用相邻挂靠港为一对港口组合作为训练样本， 用距到达下一港口的剩余时长 作为模型label， 利用速度， 船型， 首尾港口的geohash， 时间年月日等特征训练港间时长预 测机器学习模型； 步骤4： 利用每个港口内的点作 为训练样本； 以离开该港口的剩余时长作为模型label， 利用港口的属 性， 该港口历史拥堵统计值， 时间年月日以及未来该港口到达船数量等特征 训练深度神经网络模型； 步骤5： 最终预测依次输出完整路径下每对港间和港内的预计时长， 将中间路段相加得 到最终到 达目的港的预测时间。 2.根据权利要求1所述的基于船舶AIS大数据的船舶进出港靠离泊时间预测方法， 其特 征在于： 所述步骤1中的历史航行数据信息包括船名、 水上移动业务标识 （MMSI） 、 船舶 空间 位置、 船速、 船型和时间戳属性； 获取港口和船舶的静态数据包括船大小、 TEU量、 港口所属 国家、 航线和TEU量。权　利　要　求　书 1/1 页 2 CN 114330640 A 2基于船舶AI S大数据的船舶进出港靠离泊时间预测方 法 技术领域 本发明涉及船舶进出港时间预测领域， 具体为基于船舶AIS大数据的船舶进出港 靠离泊时间预测方法。 背景技术 随着水上交通运输行业现代化、 智能化及一体化方向全面发展， AIS系统作为一种 新型的数字助航系统和设备， 能够记录船舶时空信息， 蕴含了大量的船舶航行的历史数据， 包括船名、 水上移动业务标识 （MMSI） 、 船舶空间位置、 船速、 船型、 时间戳等属性。 目前， 国内 外各港口及内河航道已广泛应用该AIS系统， 航业相关政府部门及企业已经积累了大量的 航海信息资源， 借助于先进的数据分析手段及方法， 对AIS航行数据进行深度挖掘， 可以从 中获取反映航道交通状态及船舶行为的有效信息， 从而为航运资源的管理与调配提供依 据， 极大程度地避免航道拥堵， 提高航 运效率。 类似于集装箱班轮， 其它固定班次的运输方式也有自己的 “船期表”， 飞机航班有 时刻表， 火车班 次同样有列车时刻表。 但由于运输方式的不同特点， 飞机和火车的ETA时间 都是精确到 分钟的， 集装箱班轮却 只能精确到天， 并且准班 率远低于另外两种运输方式。 此 外， 火车通常不会取消班 次， 或是减少挂靠站点， 飞机和班轮则既有可能取消 航次， 又有可 能临时修改挂靠港或是跳港。 因此， 集装箱班轮船期成为设计 国际物流解决方案中最不可 控的因素， 也是多式联运货主最难把控的运输风险点。 由于各种因素的限制， 船公司提供的船期表平均误差高达30 ‑40小时 （远洋+近洋 平均值） 。 影响船舶到港时间的原因非常 复杂， 天气、 塞港、 季节以及船公司的指 令等都可能 成为重要因素。 虽然有了卫星AIS技术可以追踪船舶航行轨迹和实时动态， 但由于AIS报文 中显示的ETA时间是由船员填写且管理不够规范， 准确性问题严重往往不可用， 而当前船舶 位置的显示对于只想了解未来准确ETA的货主而言帮助不大。 所以， 用人工智能A I来对船舶 进出港靠离泊时间进行预测是意义重大 的； 为此提供了基于船舶AIS大数据的船舶进出港 靠离泊时间预测方法。 发明内容 本发明的目的是针对现有技术的缺陷， 提供基于船舶AIS大数据的船舶进出港靠 离泊时间预测方法， 以解决上述背景技 术提出的问题。 为实现上述目的， 本发明提供如下技术方案： 基于船舶AIS大数据的船舶进出港靠 离泊时间预测方法， 具体的方法如下： 步骤1： 通过AIS系统获取 各船舶的历史航行 数据信息； 步骤2： 利用AIS数据和港口泊位围栏计算历史进出港和靠离泊时间， 进而得到港 口的吞吐量， 作业速度， 行驶速度最大最小平均值 等统计数据； 步骤3： 利用相邻挂靠港为一对港口组合作为训练样本， 用距到达下一港口的剩余 时长作为模型label， 利用速度， 船型， 首尾港口的geohash， 时间年月日等特征训练港间时说　明　书 1/3 页 3 CN 114330640 A 3