Prediction of vessels arrival time using machine learning techniques
Date Issued
May 2022
Author(s)
Abstract
Στη σύγχρονη εποχή λόγω της παγκοσμιοποίησης, αύξησης των διεθνών συναλλαγών και αγορών μέσω διαδικτύου σημειώθηκε τεράστια αύξηση στο εμπόριο την τελευταία δεκαετία όπου το 80% των εμπορευμάτων διακινούνται μέσω πλοίων. Επομένως οι αρχές λιμένων χρειάζονται να έχουν στην διάθεση τους έναν αξιόπιστο αναμενόμενο χρόνο άφιξης των πλοίων (ΕΤΑ) στη διάθεση τους για την ομαλή διαχείριση των λιμανιών και του χώρου στην αποβάθρα ο οποίος είναι διαθέσιμος για τα εμπορεύματα των πλοίων. Στα πλαίσια αυτής της εργασίας δυστυχώς παρατηρήθηκε ότι 9.30% των ΕΤΑ που δίνονται από τον ναυτιλιακό πράκτορα δεν είναι έγκυρα, δηλαδή δηλώνουν ότι το πλοίο είχε φτάσει στον προορισμό του ενώ στην πραγματικά το πλοίο ακόμη πορευόταν και βρισκόταν στα αρχικά στάδια της διαδρομής του. Το γεγονός ότι σχεδόν η μία από τις δέκα προβλέψεις των ΕΤΑ που δίνονται από τους ναυτιλιακούς πράκτορες δεν είναι έγκυρη δυσκολεύει σε τεράστιο βαθμό το έργο των αρχών λιμένων λαμβάνοντας υπόψη τη ραγδαία αύξηση στο παγκόσμιο εμπόριο αποφέροντας αρνητικές συνέπιες στην παγκόσμια οικονομία.
Η παρούσα εργασία αφορά την υλοποίηση ενός αξιόπιστου μοντέλου πρόβλεψης των ΕΤΑ των πλοίων βάση των αλγορίθμων μηχανικής μάθησης Random Forest, Gradient Boosting και Extreme Gradient Boosting. Τα δεδομένα εισόδου των μοντέλων αυτής της εργασίας αποτελούνται από δεδομένα AIS τα οποία αφορούν την θέση, κινητικότητα και πληροφορίες σχετικά με το πλοίο όπως γεωγραφικό μήκος, γεωγραφικό πλάτος, ταχύτητα πλοίου, μήκος πλοίου, κατηγόρια πλοίου κτλ. Καθώς επίσης και δεδομένα από αφορούν την διαδρομή την οποία εκτελεί το πλοίο όπως προορισμός και το ΕΤΑ του ναυτιλιακού πράκτορα.
Με την ολοκλήρωση της υλοποίησης των μοντέλων αυτής της εργασίας οι προβλέψεις των μοντέλων θα συγκριθούν με τον πραγματικό χρόνο άφιξης των πλοίων και επιπλέον με τις προβλέψεις των ναυτιλιακών πρακτόρων. Ο σκοπός των δύο πιο πάνω συγκρίσεων είναι να μελετηθεί ο βαθμός εγκυρότητας και αξιοπιστίας των προβλέψεων των μοντέλων αλλά επίσης και να μελετηθεί εάν οι προβλέψεις που εκτελούνται από τα μοντέλα αυτής της εργασίας είναι καλύτερες και πιο αξιόπιστες από αυτές των ναυτιλιακών πρακτόρων.
Η παρούσα εργασία αφορά την υλοποίηση ενός αξιόπιστου μοντέλου πρόβλεψης των ΕΤΑ των πλοίων βάση των αλγορίθμων μηχανικής μάθησης Random Forest, Gradient Boosting και Extreme Gradient Boosting. Τα δεδομένα εισόδου των μοντέλων αυτής της εργασίας αποτελούνται από δεδομένα AIS τα οποία αφορούν την θέση, κινητικότητα και πληροφορίες σχετικά με το πλοίο όπως γεωγραφικό μήκος, γεωγραφικό πλάτος, ταχύτητα πλοίου, μήκος πλοίου, κατηγόρια πλοίου κτλ. Καθώς επίσης και δεδομένα από αφορούν την διαδρομή την οποία εκτελεί το πλοίο όπως προορισμός και το ΕΤΑ του ναυτιλιακού πράκτορα.
Με την ολοκλήρωση της υλοποίησης των μοντέλων αυτής της εργασίας οι προβλέψεις των μοντέλων θα συγκριθούν με τον πραγματικό χρόνο άφιξης των πλοίων και επιπλέον με τις προβλέψεις των ναυτιλιακών πρακτόρων. Ο σκοπός των δύο πιο πάνω συγκρίσεων είναι να μελετηθεί ο βαθμός εγκυρότητας και αξιοπιστίας των προβλέψεων των μοντέλων αλλά επίσης και να μελετηθεί εάν οι προβλέψεις που εκτελούνται από τα μοντέλα αυτής της εργασίας είναι καλύτερες και πιο αξιόπιστες από αυτές των ναυτιλιακών πρακτόρων.
File(s)![Thumbnail Image]()
Name
Τζιούντ Μπράιαν Ραμέζ Περίληψη.pdf
Size
164.01 KB
Format
Adobe PDF
Checksum (MD5)
c93ab928d535a5bd1ab8e4df39e4bddb