利用船舶跟踪数据预测内河航道驳船存在与数量：一种机器学习方法
机器学习
2025-07-14 v2
摘要
本研究提出了一种机器学习方法，利用自动识别系统（AIS）的跟踪数据预测内河航道上船舶运输的驳船数量。虽然AIS跟踪拖船和顶推船的位置，但它不监测这些船舶运输的驳船的存在或数量。了解沿河段、港口之间以及港口内运输的驳船数量和类型，对于估算国家水道上运输的货物量至关重要。这一见解对于航道管理和基础设施运营也很有价值，影响诸如针对性疏浚作业和数据驱动的资源分配等领域。使用位于关键河段的交通摄像头观测数据生成标记样本数据，并与AIS数据记录匹配。开发模型使用了164艘船舶的样本，每艘船舶最多有42艘驳船编队。该方法首先预测驳船存在，然后预测驳船数量。从AIS数据中提取的特征包括速度测量值、船舶特征、转向测量值和交互项。在预测驳船存在方面，AdaBoost模型实现了0.932的F1分数。在预测驳船数量方面，随机森林与AdaBoost集成模型相结合实现了0.886的F1分数。使用贝叶斯优化进行超参数调优。通过推进内河航道的预测建模，本研究为需要详细了解交通流量（包括货物流动、目的地以及进出港口的吨位）的交通规划者和组织提供了宝贵的见解。
引用
@article{arxiv.2501.00615,
title = {Predicting Barge Presence and Quantity on Inland Waterways using Vessel Tracking Data: A Machine Learning Approach},
author = {Geoffery Agorku and Sarah Hernandez and Maria Falquez and Subhadipto Poddar and Shihao Pang},
journal= {arXiv preprint arXiv:2501.00615},
year = {2025}
}