论文部分内容阅读
摘要：互联网的快速发展使信息交互的数据量呈爆炸式增长。大量数据背后隐藏着许多重要信息，数据挖掘可以从海量数据中提取有价值的模式、关联规则和规律，从而在决策时提供科学的支持。如今船岸信息化的发展日新月异，船舶调度产生的历史数据量不断攀升，因此现阶段最需要重视的问题是利用数据挖掘技术对相关船舶调度数据进行分析，将隐藏在数据内部的规律挖掘出来，因此本文主要对数据挖掘技术在远洋船舶调度中的应用进行探讨。
关键词：调度数据；挖掘技术；研究；应用
1 数据挖掘技术
今年“海上安全信息数字广播系统”的运行，标志着我国沿海船岸通信技术进一步提高，满足了沿海安全信息不断增长的数据量要求，但是要从大量数据中寻找较有价值的关联信息有很大难度。利用数据挖掘的方法就能发现隐藏在数据中的信息和知识，其解决了“数据海量、信息匮乏”的窘境。
数据挖掘是发现海量数据中隐藏的价值与知识，其中包括理论性知识和经验性知识，所不同的是传统的数据处理重在查询和统计分析，而数据挖掘是重在寻找其中的联系和模式。这些隐蔽的联系以及模式，不仅会帮助决策者进行明智的决策，而且可以帮助有关专家完善相关的知识体系。
2 远洋船舶调度的特点
数据挖掘技术已经在金融、医疗保健、轨道交通、零售业等领域得到长足的发展，但在海事领域的研究较少，因此本文对远洋船舶调度领域进行研究。由于船舶调度的自身特点，如在进行船舶的生产和经营过程中会遇到各种干扰因素，在复杂多变的运输环境中因主观和客观原因的干扰，使相关的数据信息模糊、多变，常规的数据库处理无法对数据进行特征提取、关联分析以及影响因子的分析。
远洋船舶航行的调度业务具有不确定性和复杂性，如航线的选择及调整主要依靠专业人员的航行经验来确定，而编排航次则通常由调度员按照船舶的具体情况进行制定和调换。在现阶段，执行远洋调度决策通常是选用具有资深调度经验的人员，基于经验知识的决策在本质上是不精确的，因此相关决策的快捷度和客观性会直接影响船舶的生产以及经营效率。
3 数据挖掘技术在远洋船舶调度设计中的应用
3.1 对远洋船舶装载量的分析
船运公司为了提高运输效率，通常会进行载重与效益的权衡，但只有基于装载货物种类及数量流动规律的历史数据，对其进行深层挖掘分析才能制定出科学的优化方案，可从两个方面进行考虑：一方面在船舶承重范围内尽可能多地装载货物，实现调度最少的船舶数量进行货物运输；另一方面增加运输的船舶数量，保证船舶装载量维持在安全运输及省油的载重范围内。对此提出以下优化措施：对港口货物的装卸量及运输效能进行关联分析，挖掘其关联规则可以对现有船舶的装载量及运力决策进行优化；针对托运人对货物到达时间及费用的特定要求，根据历史载货航行数据的决策树分类分析进行合理的航线选择及载重调度。
3.2 对航运过程中的耗油量分析
如今油价的不断攀升给各船运公司造成了巨大的成本压力，因此节能减排已成为船运企业的共同目标，远洋航行中进行经济航速的选择、航线优化可以在一定程度上减少耗油量。利用人工神经网络方法从航行数据特征中建立预测油耗的回归模型，对影响航运油耗的因素进行分析，调节影响因子实现低油耗。
3.3 针对港口作业效率的分析
为了保证效益就必须提高港口作业效率，如缩短在港时间、提高周转速度等。利用回归分析建立港口对货物装卸的及时度、泊位时间以及货物装卸的等待时间的回归模型，预测特定船舶的港口作业时间以合理地安排泊位，提高港口作业效率，实现经济效益和社会效益的最大化。船舶在港的相关保单是港口进行装卸效率评估时的主要依据，还应依据船舶和港口的外部信息以及度量指标等。
3.4 针对航线布局以及货物流向的分析
我国货运输航线多呈散射状分布，涉及多个海区。货物的流向规律是对相关货物种类以及属性的详细分类，分类后的货物再按照其流向、吨位以及时间要求重新编组，选择适合船舶的类型将相关货物运往世界各地。远洋运输中船舶编号以及航次号等重要内容均记录在运输报文内。作为船运公司的调度主管，既需要明白相关的基层船舶需要运输货物的种类以及数量，还应了解相关货物运输船舶的类型、装货港、卸货港以及时间等多维度的相关规律，如我国沿海每年年初有大量的煤炭需要运输，其中货物、港口、船舶以及时间这4个维度之间就存在一定的运输规律。通过对这些维度间的关联进行分析，就可以更加科学地布局航线、合理地安排时间，并有针对性地选择船舶类型。
3.5 对港口船舶运营链的分析
当今的港口已经和相关的行业形成了一体化的贸易共同体结构，如货物的装卸、仓储以及配送等。经过对某一时间段进港船舶的相关信息进行研究，利用相关的数据挖掘技术可以实现船舶的准确分布图，利用这一规律可以对今后港口的发展提供理论依据。针对港口船舶运营调度与其他相关行业配合度的分析，可帮助港口发展业务并完成相关的决策性工作，从而提高港口的业务水平。
4 结束语
由于船岸通信技术以及数据存储技术的进步，航运企业中的船舶调度数据量不断攀升，应利用丰富的数据资源大力发展数据挖掘技术在海事领域中的应用，掌握远洋航行数据的特征及其内部规律，利用挖掘的知识和规律开发研究智能化运输，使远洋航运事业步入一个崭新的发展阶段。
关键词：调度数据；挖掘技术；研究；应用
1 数据挖掘技术
今年“海上安全信息数字广播系统”的运行，标志着我国沿海船岸通信技术进一步提高，满足了沿海安全信息不断增长的数据量要求，但是要从大量数据中寻找较有价值的关联信息有很大难度。利用数据挖掘的方法就能发现隐藏在数据中的信息和知识，其解决了“数据海量、信息匮乏”的窘境。
数据挖掘是发现海量数据中隐藏的价值与知识，其中包括理论性知识和经验性知识，所不同的是传统的数据处理重在查询和统计分析，而数据挖掘是重在寻找其中的联系和模式。这些隐蔽的联系以及模式，不仅会帮助决策者进行明智的决策，而且可以帮助有关专家完善相关的知识体系。
2 远洋船舶调度的特点
数据挖掘技术已经在金融、医疗保健、轨道交通、零售业等领域得到长足的发展，但在海事领域的研究较少，因此本文对远洋船舶调度领域进行研究。由于船舶调度的自身特点，如在进行船舶的生产和经营过程中会遇到各种干扰因素，在复杂多变的运输环境中因主观和客观原因的干扰，使相关的数据信息模糊、多变，常规的数据库处理无法对数据进行特征提取、关联分析以及影响因子的分析。
远洋船舶航行的调度业务具有不确定性和复杂性，如航线的选择及调整主要依靠专业人员的航行经验来确定，而编排航次则通常由调度员按照船舶的具体情况进行制定和调换。在现阶段，执行远洋调度决策通常是选用具有资深调度经验的人员，基于经验知识的决策在本质上是不精确的，因此相关决策的快捷度和客观性会直接影响船舶的生产以及经营效率。
3 数据挖掘技术在远洋船舶调度设计中的应用
3.1 对远洋船舶装载量的分析
船运公司为了提高运输效率，通常会进行载重与效益的权衡，但只有基于装载货物种类及数量流动规律的历史数据，对其进行深层挖掘分析才能制定出科学的优化方案，可从两个方面进行考虑：一方面在船舶承重范围内尽可能多地装载货物，实现调度最少的船舶数量进行货物运输；另一方面增加运输的船舶数量，保证船舶装载量维持在安全运输及省油的载重范围内。对此提出以下优化措施：对港口货物的装卸量及运输效能进行关联分析，挖掘其关联规则可以对现有船舶的装载量及运力决策进行优化；针对托运人对货物到达时间及费用的特定要求，根据历史载货航行数据的决策树分类分析进行合理的航线选择及载重调度。
3.2 对航运过程中的耗油量分析
如今油价的不断攀升给各船运公司造成了巨大的成本压力，因此节能减排已成为船运企业的共同目标，远洋航行中进行经济航速的选择、航线优化可以在一定程度上减少耗油量。利用人工神经网络方法从航行数据特征中建立预测油耗的回归模型，对影响航运油耗的因素进行分析，调节影响因子实现低油耗。
3.3 针对港口作业效率的分析
为了保证效益就必须提高港口作业效率，如缩短在港时间、提高周转速度等。利用回归分析建立港口对货物装卸的及时度、泊位时间以及货物装卸的等待时间的回归模型，预测特定船舶的港口作业时间以合理地安排泊位，提高港口作业效率，实现经济效益和社会效益的最大化。船舶在港的相关保单是港口进行装卸效率评估时的主要依据，还应依据船舶和港口的外部信息以及度量指标等。
3.4 针对航线布局以及货物流向的分析
我国货运输航线多呈散射状分布，涉及多个海区。货物的流向规律是对相关货物种类以及属性的详细分类，分类后的货物再按照其流向、吨位以及时间要求重新编组，选择适合船舶的类型将相关货物运往世界各地。远洋运输中船舶编号以及航次号等重要内容均记录在运输报文内。作为船运公司的调度主管，既需要明白相关的基层船舶需要运输货物的种类以及数量，还应了解相关货物运输船舶的类型、装货港、卸货港以及时间等多维度的相关规律，如我国沿海每年年初有大量的煤炭需要运输，其中货物、港口、船舶以及时间这4个维度之间就存在一定的运输规律。通过对这些维度间的关联进行分析，就可以更加科学地布局航线、合理地安排时间，并有针对性地选择船舶类型。
3.5 对港口船舶运营链的分析
当今的港口已经和相关的行业形成了一体化的贸易共同体结构，如货物的装卸、仓储以及配送等。经过对某一时间段进港船舶的相关信息进行研究，利用相关的数据挖掘技术可以实现船舶的准确分布图，利用这一规律可以对今后港口的发展提供理论依据。针对港口船舶运营调度与其他相关行业配合度的分析，可帮助港口发展业务并完成相关的决策性工作，从而提高港口的业务水平。
4 结束语
由于船岸通信技术以及数据存储技术的进步，航运企业中的船舶调度数据量不断攀升，应利用丰富的数据资源大力发展数据挖掘技术在海事领域中的应用，掌握远洋航行数据的特征及其内部规律，利用挖掘的知识和规律开发研究智能化运输，使远洋航运事业步入一个崭新的发展阶段。