当前位置: 首页> 学位论文 >详情
原文传递 基于船舶画像的船旗国安全检查选船方法研究
论文题名: 基于船舶画像的船旗国安全检查选船方法研究
关键词: 海事管理机关;船旗国安全检查;选船方法;船舶画像
摘要: 船旗国安全检查是海事管理机关对悬挂本国国旗船舶实施的航运风险防控方式。我国船旗国安全检查在识别低标准船舶上发挥了重要作用,提高了船舶安全检查的针对性。但随着船舶数量不断增加,且船舶的基础技术状况、维护保养状况得到较大提升,以船舶基础技术数据和历史安全检查结果为依据的选船标准忽略了船员能力素质、船舶动态航行行为等因素对船舶安全的影响,降低了判定船舶风险等级的准确性和全面性。本文针对上述问题,基于用户画像理论与技术,利用海事监管数据,构建了面向船旗国安全检查选船标准的船舶画像模型,并基于模型进一步优化了船旗国安全检查选船方法。本文的工作主要包括以下方面:
  (1)船舶风险画像建模。在对船舶风险因素和数据源分析的基础上,研究用户画像的概念、原理和构建方法,并将其应用到船旗国安全检查选船,设计了包括船舶画像的概念、构建流程和船舶画像标签生成技术的面向船旗国安全检查的船舶画像体系框架。基于该框架,利用频繁模式树算法挖掘影响船舶安全的主要风险因素,并结合海事动静态数据,将其归纳为船舶静态属性和船舶动态属性构建船舶风险标签体系。
  (2)船舶风险画像的表达与生成。船舶风险画像的生成是画像表达的前提。首先研究包括空间向量表示法、关键词表示法和本体表示法的船舶风险画像表达方法;其次通过清洗、正则表达化和聚合的方法对船舶数据进行抽取与预处理,对分布在不同数据表内的数据通过关键字段进行关联处理;然后设计计算方法对船舶风险画像标签体系中的标签分值进行计算,得到每艘船舶的标签分值,生成船舶风险画像模型。最后通过实验验证构建的船舶风险标签体系的有效性。
  (3)基于船舶风险画像的船旗国安全检查选船方法研究。基于船舶风险画像,设计基于统计分析的和基于机器学习的船旗国安全检查选船方法。在得到风险标签分值的基础上,结合熵值法对船舶风险标签进行权重分析,将船舶划分为高、中、低三个风险等级,综合船舶风险等级和船舶接受检查的时间间隔,将船舶划分为必检船、应检船和可检船三个检查优先级。实验表明运用该方法将船舶安全检查必检率提升了约8%。同时构建基于SVM-GBDT的选船模型,针对到港船舶数量较多,船舶风险标签数据值相似性较高的问题,采用支持向量机算法去除重复数据和相似数据,在保留数据主要信息的同时减少数据量,在此基础上,构建梯度提升决策树选船模型,确定到港船舶是否需要进行船旗国安全检查,并采用精确率、召回率等评价指标评估模型效果。
  (4)船旗国安全检查选船实验与验证。根据前述方法,选取深圳海事局辖区,以深圳海事局2019~2021年的海事业务数据为基础,设计融合面向船旗国安全检查的数据集市、船旗国安全检查选船模型和船舶风险画像表达与更新方法的船旗国安全检查选船系统,并以客船和液货船为例进行基于船舶画像的船旗国安全检查选船实验验证。
  本文提出了采用船舶画像技术将船舶标签化的选船方法,提高了低标准船舶在船旗国安全检查中的检查优先等级,优化了现行船旗国安全检查选船方法。并且设计了船旗国安全检查选船系统,可为海事管理机构提高船旗国安全检查的科学性、全面性和准确性提供参考。
作者: 范文红
专业: 交通信息工程及控制
导师: 张帆文;元桥
授予学位: 硕士
授予学位单位: 武汉理工大学
学位年度: 2022
检索历史
应用推荐