【技术实现步骤摘要】
本专利技术涉及港口规划，具体涉及一种基于大数据的港口规划方法及系统。
技术介绍
1、海运在全球货物运输中发挥着重要作用，港口作为海运的重要枢纽，其服务效率关乎整个供应链体系能否高效运转，自2023年经济复苏以来，部分港口出现严重拥堵和延期滞留问题，集装箱运价大幅上涨，引起各方对港口船舶服务效率的高度关注，在世界一流港口评价工作中，由于对船舶服务效率缺乏统一的评定指标，且数据统计口径存在差异，难以横向对比各港口的船舶服务效率。
2、目前港口服务效率数据主要来源于港口企业、船公司、研究咨询机构的统计，但是这些数据统计时间滞后、统计口径不一致，难以对各个港口的服务效率进行横向比较，选取可以同时反映全球港口船舶服务效率的数据，并提出有效的测算方法，成为行业内普遍关注的问题。
3、现有的港口规划决策方法主要基于ais数据进行港口船舶服务效率测算，可以实时估算港口区域的船舶流量、泊位使用和分配情况、装卸效率、吞吐量以及船舶碰撞风险等六个关键绩效指标，但是对于大量的历史ais数据分析以及船舶通航规划与港口投资优化的关系还存在以下问题：
4、(1)在ais数据提取过程中，由于历史数据量大，数据噪声剔除比较麻烦，获取的船舶交通流特征精度相对较低，导致船舶通航预测精度相对较低；
5、(2)目前对于船舶行为的定义和分类多是局限于船舶航行行为，利用船舶运动特征区别船舶行为模式，没有从港口船舶运动过程的角度进行考虑，目前虽然可以在航道建设的实施阶段有效提高工程效率，却无法在前期规划设计阶段提供船舶等待时间、
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的港口规划方法及系统，以解决现有技术中对于现有技术中船舶通航预测精度相对较低，以及无法在港口前期规划设计阶段提供船舶等待时间、船舶待泊数量、港口服务水平等信息，不能为港口航道设计方案优化提供相应决策的技术问题。
2、为解决上述技术问题，本专利技术具体提供下述技术方案：
3、本专利技术的第一个方面，提供了一种基于大数据的港口规划方法，包括以下步骤：
4、连续获取港口ais数据作为港口船舶行为特征数据，将所述船舶行为特征数据根据船舶到达港口的时间顺序建立基于船舶交通量的时间序列模型，获取船舶动态数据表；
5、分析所述船舶动态数据表的船舶到港时间间隔，统计船舶占用泊位的时间规律，获取船舶进港通航的时间间隔，对所述时间间隔采用泊松分布分析港口船舶的概率密度，将所述港口船舶的概率密度通过识别字段输入后台服务器调用数据筛选函数完成港口特定空间特征的提取，获取港口作业区水域数据；
6、通过对所述港口作业区水域数据进行主成分回归分析，获取港口作业区船舶行为特征值，对所述船舶行为特征值采用灰数微分函数基于船舶时间序列获取所述船舶行为特征值的灰色量，通过所述灰色量按照时间序列的变化构建港口吞吐量预测模型，获取港口吞吐量需求预测值；
7、对所述港口吞吐量需求预测值采用改进遗传算法建立港口规划投资优化模型，依据所述港口规划投资优化模型优化值获取适应港口实际需求的港口规划决策。
8、作为本专利技术的一种优选方案，对所船舶行为特征数据根据到达港口的时间提取时间序列，获取船舶在港口区域的交通量，根据所述交通量构建基于船舶交通量的时间序列模型，包括：
9、将所述船舶行为特征数据按船舶类型、到达时间及目的地进行分类建立ais动态数据表结构，将所述ais动态数据表结构按照mmsi标识对所述船舶行为特征数据进行数据匹配，获取同时拥有动静属性的ais数据表；
10、对所述ais数据表利用计数器分组统计每天不同时段内船舶到港数量，分析所述船舶到港数量在港口同一作业区前后两只船舶时间间隔的分布规律，获取船舶到港时间间隔；
11、在所述时间间隔内根据船舶到港时间建立基于所述船舶行为特征数据的时间序列，对所述时间序列采用自动关联函数acf获取等间隔船舶到港的相关性；
12、根据所述船舶到港的相关性建立基于船舶交通量的时间序列模型，所述时间序列模型采用sarima时间序列结构获取非平稳性时间序列，根据所述非平稳性时间序列获取船舶动态数据表；
13、其中，所述sarima时间序列结构通过船舶到港时间的自动关联函数acf获取相关性，以所述相关性建立检验统计量获取非平稳性时间序列ql：
14、
15、其中，m表示船舶到港时间的时间序列，n表示船舶到港数量，i(i≤n)表示第i个船舶到港，p2(i)表示第i个船舶的残差序列的自相关函数，是时间观测序列的自相关函数，χ2(n)表示所有船舶的自相关函数。
16、作为本专利技术的一种优选方案，根据所述船舶动态数据表获取船舶到港时间间隔，统计船舶占用泊位的时间规律，获取船舶进港通航在同一时间间隔内的港口船舶交通组织模型，包括：
17、提取所述船舶动态数据表内船舶到达港口的起点时间，根据所述起点时间对到港船舶进行序列排队；
18、根据船舶类型判断船舶在港口区域占用泊位的时间，分析所述占用泊位时间获取不同类型船舶在港口的调度时间；
19、对所述调度时间内的船舶判断是否接受到调度指令，若接收到调度指令，则在调度时间内选择时间节点进行船舶调度，所述船舶调度指令根据对应船舶的实际航速以及港口区域航行方向进行确定；若未接收到调度指令，在对应船舶继续等待；
20、统计所述接收到调度指令的船舶在调度时间内的达到时间节点，获取所述调度时间内的通航船舶数量，通过所述通航船舶数量在港口区域规划船舶交通组织模型。
21、作为本专利技术的一种优选方案，根据所述船舶交通组织模型获取所有通航船舶在港口区域的通航时间间隔，对所述通航时间间隔采用泊松分布分析港口船舶的概率密度，包括：
22、将所述船舶交通组织模型中的所有船舶的通航时间作为船舶进港的单位时间，统计船舶通航数量，分析所述船舶通航时间间隔获取船舶到港规律，采用泊松分布函数分析港口船舶的概率密度qj，表达式为：
23、
24、其中，t表示船舶进港的单位时间，qj表示时间点t内船舶到达数量为j的概率，λ表示时间点t内船舶到达数量的平均值。
25、作为本专利技术的一种优选方案，对所述港口船舶的概率密度调用anylogic软件进行仿真，获取港口区域船舶的航行分布特征，将所述航行分布特征通过识别字段输入后台服务器调用数据筛选函数完成港口特定空间特征的提取，获取港口作业区水域数据。
26、作为本专利技术的一种优选方案，对所述船舶行为特征值采用灰数微分函数基于船舶时间序列获取所述船舶行为特征值的灰色量，通过所述灰色量按照时间序列的变化构建港口吞吐量预测模型，包括：
27、采集所述船舶行为特征值作为样本数据，将所述船舶行为特征值表示为(xij)m*n矩阵,m表示所述船舶行为特征值的行数，本文档来自技高网...
【技术保护点】
1.一种基于大数据的港口规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的港口规划方法，其特征在于，
3.根据权利要求2所述的一种基于大数据的港口规划方法，其特征在于，
4.根据权利要求3所述的一种基于大数据的港口规划方法，其特征在于，
5.根据权利要求3所述的一种基于大数据的港口规划方法，其特征在于，
6.根据权利要求5所述的一种基于大数据的港口规划方法，其特征在于，
7.根据权利要求6所述的一种基于大数据的港口规划方法，其特征在于，
8.根据权利要求7所述的一种基于大数据的港口规划方法，其特征在于，
9.根据权利要求8所述的一种基于大数据的港口规划方法，其特征在于，
10.一种根据权利要求1-9任一项所述的基于大数据的港口规划决策方法的分析系统，其特征在于，包括：
【技术特征摘要】
1.一种基于大数据的港口规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的港口规划方法，其特征在于，
3.根据权利要求2所述的一种基于大数据的港口规划方法，其特征在于，
4.根据权利要求3所述的一种基于大数据的港口规划方法，其特征在于，
5.根据权利要求3所述的一种基于大数据的港口规划方法，其特征在于，
6.根据权利...
【专利技术属性】
技术研发人员：齐越，姚海元，贾鹏鹏，沈忱，方森松，房卓，陈飞，金哲飞，董焱赫，
申请(专利权)人：交通运输部规划研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。