陳冬 袁媛

摘 要：針對航運大數(shù)據(jù)應(yīng)用中船舶噸級數(shù)據(jù)難以獲取的情況，本文提出了一種基于K最近鄰（K-Nearest Neighbor，KNN）算法的船舶噸級判別模型。該模型考慮了船舶類型、船長、型寬、型深等參數(shù)的影響，以常年在江蘇沿江、沿海運行的船舶為例，選取1萬余條船舶數(shù)據(jù)進行訓(xùn)練和驗證。結(jié)果表明，該模型在船舶噸級判別上具有較好的準(zhǔn)確性，能夠應(yīng)用于實際航運數(shù)據(jù)分析。

關(guān)鍵詞：船舶特征;判別模型;K近鄰

中圖分類號：U674.13? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? 文章編號：1006—7973（2021）05-0104-02

1概述

船舶屬性數(shù)據(jù)是非常重要的基礎(chǔ)數(shù)據(jù)，包括船舶身份（IMO、MMSI、船名）、船舶類型、船舶尺度（船舶長度、船舶型寬、船舶型深、滿載吃水）、船舶噸級（船舶總噸、船舶凈噸、船舶載重噸）等內(nèi)容。在航運大數(shù)據(jù)應(yīng)用中，船舶屬性信息與船舶動態(tài)信息相結(jié)合，能夠為航運各領(lǐng)域發(fā)展決策提供支撐，如將船舶屬性信息中的船舶噸級與船舶AIS數(shù)據(jù)相結(jié)合，能夠估算港口在某段時間內(nèi)的吞吐量。但在航運數(shù)據(jù)的實際應(yīng)用過程中，由于航運數(shù)據(jù)開放共享格局尚未形成，研究人員較難獲得全部船舶屬性數(shù)據(jù)，尤其是船舶屬性數(shù)據(jù)中的船舶噸級信息，如AIS數(shù)據(jù)的船舶靜態(tài)信息僅僅包括船舶身份、船舶長度、船舶型深、船舶類型等內(nèi)容，缺少船舶噸級等內(nèi)容，使航運大數(shù)據(jù)的應(yīng)用缺少關(guān)鍵基礎(chǔ)數(shù)據(jù)支撐。

傳統(tǒng)的船舶噸級推算主要是利用船舶長度通過曲線估計來計算船舶噸位。傳統(tǒng)方法需針對不同的船型選擇不同的曲線（二次曲線、立方曲線、S曲線、冪函數(shù)等）進行擬合，建模過程繁雜，使用較為不便[1]。針對船舶噸級信息難以獲得以及傳統(tǒng)估算方法使用不便的問題，本文探索了大數(shù)據(jù)機器學(xué)習(xí)方法，提出了基于KNN算法的船舶噸級判別模型。

2 KNN算法

2.1 KNN算法原理

KNN（K-Nearest Neighbor）算法即K最鄰近法，是機器學(xué)習(xí)算法中最常用的分類算法之一，KNN算法主要應(yīng)用領(lǐng)域是對未知事物的判別，即判別位置事物屬于哪一類[2-3]。

算法模型首先對給定的一個訓(xùn)練數(shù)據(jù)集T進行訓(xùn)練。其中，xi為實例的特征向量，yi為實例的類別。

輸出過程中，根據(jù)給定的距離度量，在訓(xùn)練集T中找出與x最鄰近的k個點，涵蓋這k個點的x的鄰域為Nk（x）;在Nk（x）中根據(jù)分類規(guī)則決定x的類別y。

KNN算法模型由距離度量、k值的選擇和分類決策規(guī)則決定。

2.2 KNN算法實現(xiàn)流程與評價指標(biāo)

相比傳統(tǒng)的依據(jù)船舶長度的曲線估計方法，本次基于KNN的船舶噸級判別模型選取了更多的特征向量并采用不同組合進行建模，模型1選取“船舶總長、型寬、船舶類型”為特征向量，模型2選取“船舶總長、型寬、型深、船舶類型”為特征向量。算法的實現(xiàn)流程如圖1所示。

為驗證模型的可靠性，模型采用決定系數(shù)（R2）作為精度評價指標(biāo)，R2代表目標(biāo)向量的變化中有多少能通過模型進行解釋，具體計算公式為：

式中，是樣本i的真實值，是樣本的預(yù)測值，是目標(biāo)向量的平均值， R2得分越接近1，代表模型的性能越好。

3 船舶噸級判別模型

3.1 基礎(chǔ)數(shù)據(jù)

本文數(shù)據(jù)采用常年在江蘇沿江、沿海運行的約1.5萬艘船舶屬性數(shù)據(jù)，數(shù)據(jù)內(nèi)容包括船名、MMSI號、IMO號、總長、型寬、型深、總噸、凈噸、載重噸、船籍港、經(jīng)營人等信息，具體數(shù)據(jù)示例如表1。

沿江、沿海運行的船舶種類較多，主要船舶種類包括散貨船、石油化學(xué)品船、雜貨船等。本次根據(jù)海港總體設(shè)計規(guī)范，以船舶載重噸計算了散貨船、雜貨船、石油化學(xué)品船、集裝箱船等貨運船舶的船舶噸級。船舶主要類型及等級分布如圖2所示。

3.2 特征數(shù)據(jù)處理

船舶屬性數(shù)據(jù)處理步驟包括：

（1）數(shù)據(jù)清理。對船舶類型、載重噸等關(guān)鍵屬性缺失以及船舶類型樣本較少的船舶數(shù)據(jù)進行刪除處理，最終得到9490條船舶的屬性信息。

（2）數(shù)據(jù)特征量化。特征向量中的船舶類型和目標(biāo)向量中的船舶噸級為非數(shù)值類型，需將其量化為數(shù)值，以實現(xiàn)距離計算。

（3）數(shù)據(jù)抽樣。訓(xùn)練集與測試集按照9：1的比例進行數(shù)據(jù)抽樣，最終得到8541條訓(xùn)練樣本和949條測試樣本。

3.3 模型參數(shù)標(biāo)定

KNN模型的預(yù)測效果依賴于不同鄰近數(shù)K值的選定，K值太大容易引起欠擬合，太小則容易過擬合。本文通過交叉驗證確定最優(yōu)k值，從圖3可以看出，K=3時，交叉驗證得分R2最高，為0.96，因此取K=3標(biāo)定本次船舶噸級判別模型。

3.4 模型預(yù)測結(jié)果分析

用上述建立的KNN船舶噸級判別模型對測試集進行測試，從圖4對測試集的測試結(jié)果可以看出，兩種模型的預(yù)測值與真實值基本吻合，模型決定系數(shù)R2均大于0.9，準(zhǔn)確性較好，其中選用“船舶總長、型寬、船舶類型”作為特征向量的模型1具有更好的測試效果。

4分析與結(jié)論

KNN方法較為適合類域交叉的待分樣本集的類別判別，本文基于KNN算法，以船舶總長、型寬、型深、船舶類型為特征向量，創(chuàng)新性地提出了船舶噸級判別模型，計算的結(jié)果與實際情況基本吻合，具有較好的準(zhǔn)確性;同時，相比于傳統(tǒng)方法，本次提出的算法適用于不同尺度及類型的船舶噸級判別，應(yīng)用更為便捷，能夠更好地為航運大數(shù)據(jù)研究提供基礎(chǔ)數(shù)據(jù)支撐。

參考文獻(xiàn)：

[1]朱連江.內(nèi)河船舶交通量換算系數(shù)研究[D].大連：大連海事大學(xué)，2019.

[2]周志華.機器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[3]霍豪，沈金星.基于KNN算法的公交到站時間預(yù)測[J].交通運輸工程與信息學(xué)報，2020，12（18）：76-102.