朱凌 付震 崔華鑫
摘要 : 船舶交通流是指連續(xù)運(yùn)行的海上船舶等交通工具的總和,對(duì)其進(jìn)行定量描述的參數(shù)有船舶交通流方向、船舶交通流量、船舶交通流密度、船舶交通流寬度、船舶交通流速度等。本文主要對(duì)船舶交通流量及其預(yù)測(cè)方法進(jìn)行簡(jiǎn)單介紹.,并分析這幾種方法特性,以便對(duì)船舶交通流提出較為系統(tǒng)的預(yù)測(cè)方法,更好的為船舶交通規(guī)劃和調(diào)度管理提供依據(jù)。
關(guān)鍵詞: 船舶交通流量;影響因素;預(yù)測(cè)方法
1 船舶交通流量
船舶交通流量是船舶交通流的一個(gè)反映尺度,是指單位時(shí)間(年/月/日/小時(shí))內(nèi)通過(guò)水域中的某一地點(diǎn)的所有的船舶艘數(shù),船舶交通流量越大,該水域?qū)?yīng)地點(diǎn)的交通規(guī)模就越大,也就越繁忙,并且在一定程度上船舶交通流量的大小能反映其所在水域交通的是否有序與擁堵狀況.船舶交通量的調(diào)查研究是船舶交通規(guī)劃中的重要組成部分,只有掌握了實(shí)時(shí)的交通流量數(shù)據(jù)信息,才能更準(zhǔn)確地對(duì)未來(lái)的交通流量進(jìn)行預(yù)測(cè),為船舶交通規(guī)劃設(shè)計(jì)與調(diào)度管理提供實(shí)時(shí)的更準(zhǔn)確有效的依據(jù)。
船舶交通流量的統(tǒng)計(jì)通常按時(shí)均值、日均值、月均值、高峰時(shí)交通量、年最大小時(shí)交通量、年最大日交通量等,其中前三者分別表示時(shí)間段內(nèi)小時(shí)、日、月的平均交通流量,后三者分別表示全天各小時(shí)交通量中最大的1個(gè)小時(shí)的交通流量、1年內(nèi)各小時(shí)交通量中最大1個(gè)小時(shí)交通量、1年內(nèi)各日交通流量中最大的1個(gè)日交通量.后面所用數(shù)據(jù)均為日到達(dá)量統(tǒng)計(jì)。
2 船舶交通流量預(yù)測(cè)及其影響因素
船舶交通流量的預(yù)測(cè)具有提前的(預(yù)測(cè)性)、總是有誤差的(非實(shí)際觀測(cè)性)、在空間上可擴(kuò)張與縮小的(選擇性)等特點(diǎn),它是一種可測(cè)性增量的研究,是一種藝術(shù)性色彩很濃的研究,同時(shí),它的預(yù)測(cè)與水運(yùn)經(jīng)濟(jì)有關(guān),又不完全屬于經(jīng)濟(jì)預(yù)測(cè),它是一種有條件的微觀預(yù)測(cè)。船舶交通流量具有慣性原則、類推原則、相關(guān)性原則、概推斷原則等,它的預(yù)測(cè)一般有直覺法、因果法、外推法等基本方法。
船舶交通流量的大小與多方面的因素有關(guān),如社會(huì)經(jīng)濟(jì)發(fā)展水平、研究的交通流所處地域、當(dāng)?shù)氐奈锂a(chǎn)、貨運(yùn)市場(chǎng)等,其影響因素又有內(nèi)因與外因之分。內(nèi)因即船舶個(gè)體特征,包括船舶種類、船舶尺度、船舶噸級(jí)、船舶操縱性能等;外因包括港口腹地經(jīng)濟(jì)發(fā)展水平、港口泊位因素、航道條件、錨地條件、航行規(guī)定及管理要求、水域分布、自然條件、導(dǎo)助航設(shè)施等。此外,船舶交通流量還與船舶平均泊港時(shí)間、等待時(shí)間有關(guān)。經(jīng)濟(jì)發(fā)展水平又體現(xiàn)在多個(gè)方面,如 GDP、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)的發(fā)展,外貿(mào)進(jìn)出口額、全社會(huì)固定資產(chǎn)投資額、沿海港口建設(shè)投資等。港口泊位因素體現(xiàn)在港口服務(wù)水平、港口功能及布局(包括港口碼頭布置、航道布置及錨地設(shè)置)、碼頭泊位平均長(zhǎng)度等.貨物運(yùn)輸量體現(xiàn)在水路貨物運(yùn)輸量、水路貨物周轉(zhuǎn)量等。
3 船舶交通流量預(yù)測(cè)方法
船舶交通流量的預(yù)測(cè)方法為一般的統(tǒng)計(jì)預(yù)測(cè)方法,有定性與定量預(yù)測(cè)兩個(gè)方面,定性預(yù)測(cè)主要依靠經(jīng)驗(yàn)判斷,預(yù)測(cè)精度不高,實(shí)際研究中一般采用定量預(yù)測(cè)方法.定量預(yù)測(cè)方法主要有結(jié)合多種定性方法或多種定量方法或定性與定量方法的組合預(yù)測(cè)模型、多種智能方法融合的船舶交通流系統(tǒng)、基于 BP神經(jīng)網(wǎng)絡(luò)或廣義神經(jīng)網(wǎng)絡(luò)的船舶交通流預(yù)測(cè)、支持向量機(jī)算法的預(yù)測(cè)、灰色模型的自適應(yīng)交通流預(yù)測(cè)、基于誤差絕對(duì)值加權(quán)和最小預(yù)測(cè)組合法以及模糊法預(yù)測(cè)等。
3.1 回歸分析法
回歸分析法是根據(jù)事物的因果關(guān)系對(duì)變量的一種預(yù)測(cè)方法。因果關(guān)系普遍存在,在操作中,根據(jù)統(tǒng)計(jì)資料求得因果關(guān)系的相關(guān)系數(shù),相關(guān)系數(shù)越大,因果關(guān)系越密切。通過(guò)相關(guān)系數(shù)就可確定回歸方程,預(yù)測(cè)今后事物發(fā)展的趨勢(shì)。
在掌握大量觀察數(shù)據(jù)的基礎(chǔ)上,利用數(shù)理統(tǒng)計(jì)方法建立因變量與自變量之間的回歸關(guān)系函數(shù)表達(dá)式(稱回歸方程式)?;貧w分析法種類繁多,當(dāng)研究的因果關(guān)系只涉及因變量和一個(gè)自變量時(shí),叫做一元回歸分析:當(dāng)研究的因果關(guān)系涉及因變量和兩個(gè)或兩個(gè)以上自變量時(shí),叫做多元回歸分析。此外,回歸分析中,又依據(jù)描述自變量與因變量之間因果關(guān)系的函數(shù)表達(dá)式是線性的還是非線性的,分為線性回歸分析和非線性回歸分析。通常線性回歸分析法是最基本的分析方法,遇到非線性回歸問題可以借助數(shù)學(xué)手段化為線性回歸問題處理。按所含變量的屬性劃分,有數(shù)量回歸和非數(shù)量(虛變量)回歸。
回歸分析法預(yù)測(cè)變量的選取及數(shù)據(jù)的選取會(huì)極大地影響預(yù)測(cè)的準(zhǔn)確性,且對(duì)數(shù)據(jù)來(lái)源的正確可靠性要求很高,只有來(lái)源正確可靠的數(shù)據(jù)才能保證分析預(yù)測(cè)的可靠正確性。
3.2 組合預(yù)測(cè)模型
組合預(yù)測(cè)方法是將幾種定性方法或幾種定量分析方法或定性與定量方法結(jié)合起來(lái)共同來(lái)研究某個(gè)問題的預(yù)測(cè)方法,有等權(quán)組合與不等權(quán)組合兩種方式,它的主要優(yōu)點(diǎn)是綜合考慮了難以定量的政治、政策以及人為因素,再分別利用定性預(yù)測(cè)與一種或多種定量預(yù)測(cè)方法得到預(yù)測(cè)結(jié)果,最終整合為組合預(yù)測(cè)結(jié)果,從而提高了其實(shí)用性及可行性,且好的組合模型能提高其預(yù)測(cè)精度,但該模型計(jì)算量大,且必須經(jīng)過(guò)事先的多次組合驗(yàn)證才能確定模型,理論并不完善,并不能保證船舶交通流量特點(diǎn)符合其誤差要求。在此基礎(chǔ)上綜合多元線性回歸與灰色預(yù)測(cè)方法了建立了變權(quán)組合預(yù)測(cè)模型,“變權(quán)”使模型顯得更具科學(xué)合理性,但同時(shí)對(duì)于組合方法的選擇隨意性很大,篩選過(guò)程較粗略,對(duì)于單項(xiàng)模型的篩選同時(shí)會(huì)增加預(yù)測(cè)工作量。
3.3 支持向量機(jī)法
支持向量機(jī)(SVM)是 Corinna Cortes 和 Vapnik8 等于1995 年首先提出的,它在解決小樣本數(shù)據(jù)、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢(shì),并能夠推廣應(yīng)用到函數(shù)擬合等其他問題研究中。該方法能根據(jù)有限的樣本觀測(cè)信息在模型的復(fù)雜性與自學(xué)習(xí)能力之間尋求最佳的模型與數(shù)據(jù)關(guān)系,從而獲得更好的預(yù)測(cè)分析結(jié)果.其基本思想是將目標(biāo)問題歸結(jié)為一個(gè)凸規(guī)劃問題,再通過(guò)非線性變換(定義適當(dāng)?shù)暮撕瘮?shù))來(lái)進(jìn)行求解,適用于較短期預(yù)測(cè),對(duì)數(shù)據(jù)的真實(shí)性要求高、精度不高且有一定的不穩(wěn)定性。
3.4 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法
神經(jīng)網(wǎng)絡(luò)理論上可以逼近任意非線性系統(tǒng),適用于船舶交通流量的中期或短期預(yù)測(cè),存在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)難以確定、容易陷入局部極小點(diǎn)、收斂速度慢等問題;樣本對(duì)模型的預(yù)測(cè)效果有著關(guān)鍵性的影響,在小樣本情況下預(yù)測(cè)效果常常不夠理想,在樣本足夠多的狀況下,用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè),預(yù)測(cè)精度可以達(dá)到要求。神經(jīng)網(wǎng)絡(luò)有許多不同的類型,應(yīng)用較多的是BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)。
4 總結(jié)
這些預(yù)測(cè)船舶交通流量的定量方法可以較為準(zhǔn)確的預(yù)測(cè)船舶交通流量,將多種方法綜合應(yīng)用才能克服單一方法存在的局限性,才能更好的綜合各個(gè)方法的優(yōu)點(diǎn)。實(shí)現(xiàn)精確采集海上船舶交通流數(shù)據(jù),對(duì)于提高船舶交通規(guī)劃水平和實(shí)現(xiàn)港口船舶調(diào)度提供更好的理論依據(jù)。
參考文獻(xiàn)
[1]呂靖,方祥麟.船舶交通量的組合系統(tǒng)預(yù)測(cè)模型與方法[J].大連海事大學(xué)學(xué)報(bào),1996,22(2):33-35.
[2]劉敬賢,劉振東,周鋒.基于廣義回歸神經(jīng)網(wǎng)絡(luò)的船舶交通量預(yù)測(cè)模型[J].中國(guó)航海,2011,34(2):74-77.
[3]田燕華,陳錦標(biāo).基于BP 神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測(cè)研究[J].航海工程,2010,39(1):122-125.
[4]馮宏祥,肖英杰,孔凡邨.基于支持向量機(jī)的船舶交通流量預(yù)測(cè)模型[J].中國(guó)航海,2011,34(4):62-67.
[5]鄭友銀,徐志京.基于灰色自回歸模型的船舶流量預(yù)測(cè)方法[J].航海工程,2011,40(1):122-125.