基于环境风险的船舶速度决策逆向控制约束优化：来自北极航运的证据
机器学习
2026-05-27 v1 应用统计
摘要
理解决策者如何在运营效率与环境与生态风险之间进行权衡，是船舶导航的关键。我们将船舶速度建模为约束优化框架中的控制变量，其中船舶运营商在平衡多个竞争性目标（包括通行效率、冰层相关导航风险和鲸类相关生态风险）时进行决策。 underlying risk 参数基于美国北极地区（2010-2019）超过 1400 万条自动识别系统（AIS）观测数据，结合环境协变量和空间显式鲸类密度估计。该框架包含非线性风险目标、船舶异构性和正则化，以确保结果的稳定性和可解释性。推导出的权衡揭示了不同船舶组和导航状态下的决策模式。诸如 Tug Tow 和 Cargo 的船舶类型在运营速度与环境与生态考虑之间进行平衡。相比之下，包括 Fishing、Passenger 和 Unspecified 船舶的多个船舶组受冰层风险强烈影响，而 Pleasure Craft 和 Tankers 则对鲸类风险更敏感。在导航状态类别中观察到类似的异构性。占主导地位的状态（如使用发动机航行中）显示出明确的权衡，而其他状态（如搁浅和未定义）则受冰层约束强烈影响。包括受限机动性和从事捕捞的状态显示出对鲸类风险更高的敏感性，尽管存在显著不确定性。敏感性分析表明，增加鲸类风险权重对模型隐含的最优速度影响有限，而增加冰层风险则导致更一致的减速。
引用
@article{arxiv.2605.27269,
title = {Transfer Learning using 66 Diseases for Disease Forecasting Applications},
author = {Lauren J Beesley and Alexander C Murph and Dave Osthus and Lauren A Castro},
journal= {arXiv preprint arXiv:2605.27269},
year = {2026}
}