[发明专利]一种基于实际航运业务和数据挖掘的运力预测方法

说明书

本发明公开了一种基于实际航运业务和数据挖掘的运力预测方法，首先从实际航运行业数据中提取出船舶实验数据，并基于时间一致性检测以及预设船舶航行规律过滤和清除船舶实验数据中包含的异常数据，接着将邻近航次合并为一条有效船舶历史航次；接下来对基础数据和处理后的航线数据进行特征选择，获得有效实验数据集；然后根据航线和船型，计算有效实验数据集中不同船型和航线的航次周转期，根据船舶标识，计算有效实验数据集中不同船舶的船舶周转期；最后根据有效实验数据集、不同船型和航线的航次周转期以及不同船舶的船舶周转期，对可用运力进行预测。本发明可以得到高质量的实验数据，并实时预测航次时长，进而预测市场可用运力。

技术领域

本发明涉及数据挖掘技术领域，具体涉及一种基于实际航运业务和数据挖掘的运力预测方法。

背景技术

大数据具有数据体量大、类型多、处理速度快、数据真实性强和价值密度低等特点。对大数据进行分析，挖掘大数据所蕴涵的价值，应用前景广阔。目前大数据技术已经融入各行各业，在评价、预测方面发挥了重要作用。大数据能帮助政府实现市场经济调控、公共卫生安全防范、灾难预警、社会舆论监督；可以帮助航空公司节省运营成本；帮助企业提升营销的针对性，降低物流和库存的成本等。

船舶行业是个传统的行业，与互联网和大数据技术结合相对滞后一些。但船舶行业绝对是一个全球性且规模庞大的行业，联系着设计、制造和货物运输，联系着贸易市场和人们的生活，数据来源广泛，蕴涵着许多潜在价值的知识与信息，需要去挖掘和发现。因此多个大数据在船舶行业的应用都在启动。欧洲已经发表了“MUNIN(Maritime UnmannedNavigation thoughIntelligence Network)”项目，旨在发展新一代控制系统与通信技术，显示并控制在港和离港的船舶，这无疑推动了信息化船舶与信息化航运的发展。2014年7月，日本船舶技术研究协会着手船舶“大数据路标”工作，通过搜集多艘船舶的航行及其相关数据形成大数据，计划为船舶的节能航行、船型开发、装备远程维护等项目所使用。何山和马云涌提出了未来航运信息化的发展的趋势，论述了航运业对大数据技术的迫切需求，同时也为船舶行业大数据应用提供了启示。此外，在航运业的低谷期，人们也在积极探索大数据时代给航运业的转型发展所带来的积极影响。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

通过收集和对营运船舶监测获取的数据进行统计分析以及价值挖掘，可以获得很多有价值的数据信息。然而根据考察当前中国沿海航运的实际情况，目前虽然已有一些公司提供实时查询船舶动态，能够为船东、货主、船舶代理、货运代理、船员及其家属，提供船舶实时动态，能给船舶安全航行管理、港口调度计划、物流带来一定的遍历，但是由于无法全面且准确获取可用运力数据，从而无法对运力进行有效预测，目前只能从各个消息网片面的获取市场上可用运力的信息进行船货供需预估。

由此可知，现有技术中存在运力预测中实验数据质量低以及预测效果不佳的技术问题。

发明内容

有鉴于此，本发明提供了一种基于实际航运业务和数据挖掘的运力预测方法，用以解决或者至少部分解决现有技术中存在的运力预测中实验数据质量低以及预测效果不佳的技术问题。

为了解决上述技术问题，本发明提供了一种基于实际航运业务和数据挖掘的运力预测方法，包括：

步骤S1：从实际航运行业数据中提取出船舶实验数据，并基于时间一致性检测以及预设船舶航行规律过滤和清除船舶实验数据中包含的异常数据，获得处理后的船舶实验数据，其中，处理后的船舶实验数据包括基础数据和历史航线数据，基础数据包括船型、船舶标识，历史航线数据包括航次；

步骤S2：根据航线数据中航线的时间连续性和预设规则，将邻近航次合并为一条有效船舶历史航次，获得处理后的航线数据；

步骤S3：对基础数据和处理后的航线数据进行特征选择，获得有效实验数据集；