基于KNN算法的船舶噸級判別研究

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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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.