ImPORTance：基于机器学习的全球港口重要性及网络动态分析以提高运营效率
机器学习
2025-05-23 v3
摘要
港口在全球经济中发挥着关键作用，研究人员一直致力于理解它们的重要性。本文旨在通过分析由船舶运动形成的连接网络来探讨重要港口共享的常见特征。为完成此任务，我们采用自下而上的网络构建方法，结合三年全球范围的 AIS (自动识别系统) 数据，构建表示不同港口之间连接的港口网络。通过这种表示，我们利用机器学习来评估各种港口特征的相对重要性。我们的模型检查了此类特征，揭示了地理特征和港口深度是港口对港口网络重要性的指标。因此，本研究采用数据驱动的方法并利用机器学习，提供了对港口重要性Contributing factors的全面理解。我们的工作旨在为港口开发、资源分配和基础设施规划等行业决策过程提供信息。
引用
@article{arxiv.2407.09571,
title = {ImPORTance: Machine Learning-Driven Analysis of Global Port Significance and Network Dynamics for Improved Operational Efficiency},
author = {Emanuele Carlini and Domenico Di Gangi and Vinicius Monteiro de Lira and Hanna Kavalionak and Amilcar Soares and Gabriel Spadon},
journal= {arXiv preprint arXiv:2407.09571},
year = {2025}
}