CN114037257A - 一种特种船舶竞争力分析方法及系统 - Google Patents

一种特种船舶竞争力分析方法及系统 Download PDF

Info

Publication number
CN114037257A
CN114037257A CN202111308477.2A CN202111308477A CN114037257A CN 114037257 A CN114037257 A CN 114037257A CN 202111308477 A CN202111308477 A CN 202111308477A CN 114037257 A CN114037257 A CN 114037257A
Authority
CN
China
Prior art keywords
data
ship
port
competitiveness
historical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111308477.2A
Other languages
English (en)
Other versions
CN114037257B (zh
Inventor
李鑫
涂宜冬
熊浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cosco Shipping Technology Co Ltd
Original Assignee
Cosco Shipping Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cosco Shipping Technology Co Ltd filed Critical Cosco Shipping Technology Co Ltd
Priority to CN202111308477.2A priority Critical patent/CN114037257B/zh
Publication of CN114037257A publication Critical patent/CN114037257A/zh
Application granted granted Critical
Publication of CN114037257B publication Critical patent/CN114037257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种特种船舶竞争力分析方法及系统，该方法先获取特种船舶数据源和船舶AIS数据，读取特种船舶数据源中的船舶运营主体数据，并将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中，然后以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，合并为船舶历史动态数据，存储到数据库中，最后分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到各个运营主体的竞争力数据，进而表征出特种船舶的竞争力，有效解决了现有船舶竞争力分析不准确、运营决策缺乏准确性和实时性的问题。

Description

一种特种船舶竞争力分析方法及系统
技术领域
本发明涉及特种船舶竞争力分析技术领域，具体涉及一种特种船舶竞争力分析方法及系统。
背景技术
在当前航运场景中，特种船舶因为运输货物的特殊性，往往需要往返固定的港口。当特种船舶在航行过程中，对于目的港有特定的业务需求：目的港作为卸货港，如果有合适的货物等待运输，就有更大机率避免空船返回。
因为存在商业竞争，不同的运营主体往往不会透露各自的船舶运营数据，现有的技术方案无法帮助运营主体获取自己或其他主体的船舶竞争力，往往通过人工经验判断和执行运营决策，在准确性和实时性方面均有所欠缺。
发明内容
为解决现有对船舶竞争力分析过程中存在的准确性和实时性欠缺等问题，本发明提供了一种特种船舶竞争力分析方法，通过实时获取特种船舶数据源以及AIS数据，形成船舶历史动态数据，从历史港口、历史航线、平均港口停留时长、平均航行率、船舶下一港口预测等方面，生成准确、实时的船舶运营数据，提升了运营主体在决策方面的竞争力。本发明还涉及一种特种船舶竞争力分析系统。
本发明的技术方案如下：
一种特种船舶竞争力分析方法，其特征在于，包括以下步骤：
数据获取步骤：通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据；
船舶分组步骤：处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中；
船舶动态数据处理步骤：以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合；
竞争力分析步骤：分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
优选地，所述竞争力分析步骤中对船舶分组数据进行分析计算是将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据。
优选地，所述竞争力分析步骤中对船舶历史动态数据进行分析计算包括：
通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，进而统计得到每艘船舶的历史航线数据，形成各个运营主体的港口运营竞争力数据以及各个运营主体的航线规划竞争力数据；
通过统计船舶历史动态数据，得到船舶航段数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差，得到港口的总停留时长，将总停留时长除以港口数得到港口平均停留时长，并将港口平均停留时长除以船舶数得到运营主体每艘船舶的港口平均停留时长，进而得到各个运营主体的港口调度竞争力数据；
通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据。
优选地，所述竞争力分析步骤得到港口预测竞争力数据具体是：分析AIS数据中的实时动态数据，将当前处于靠泊状态的船舶，以靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据。
优选地，所述船舶动态数据处理步骤中，所述历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
优选地，所述数据获取步骤中，所述特种船舶数据源按照船舶类型分类包括纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮。
一种特种船舶竞争力分析系统，其特征在于，包括数据获取模块、船舶分组模块、船舶动态数据处理模块和竞争力分析模块，
所述数据获取模块，通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据；
所述船舶分组模块，处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中；
所述船舶动态数据处理模块，以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合；
所述竞争力分析模块，分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
优选地，所述竞争力分析模块包括船舶规模计算单元、历史港口统计单元、历史航线统计单元、港口停留时长计算单元、航行率计算单元和港口预测单元，
所述船舶规模计算单元将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据；
所述历史港口统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，形成各个运营主体的港口运营竞争力数据；
所述历史航线统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，进而统计得到每艘船舶的历史航线数据，形成各个运营主体的航线规划竞争力数据；
所述港口停留时长计算单元通过统计船舶历史动态数据，得到船舶航段数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差，得到港口的总停留时长，将总停留时长除以港口数得到港口平均停留时长，并将港口平均停留时长除以船舶数得到运营主体每艘船舶的港口平均停留时长，进而得到各个运营主体的港口调度竞争力数据；
所述航行率计算单元通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据。
所述港口预测单元分析AIS数据中的实时动态数据，将当前处于靠泊状态的船舶，以靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据。
优选地，所述历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
优选地，所述特种船舶数据源按照船舶类型分类包括纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮。
本发明的有益效果为：
本发明提供的一种特种船舶竞争力分析方法，首先通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据，处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，并将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中，然后以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合，最后分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。该方法通过实时获取特种船舶数据源以及AIS数据，形成船舶历史动态数据，从历史港口、历史航线、平均港口停留时长、平均航行率、船舶下一港口预测等方面分别进行分析计算，生成准确、实时的船舶运营数据，提升运营主体在决策方面的竞争力，有效解决了现有船舶竞争力分析不准确、运营决策缺乏准确性和实时性的问题。
本发明还涉及一种特种船舶竞争力分析系统，该系统与上述的特种船舶竞争力分析方法相对应，可理解为是一种实现上述特种船舶竞争力分析方法的系统，包括数据获取模块、船舶分组模块、船舶动态数据处理模块和竞争力分析模块，各模块相互协同工作，通过实时获取特种船舶数据源以及AIS数据，形成船舶历史动态数据，从历史港口、历史航线、平均港口停留时长、平均航行率、船舶下一港口预测等方面，生成准确、实时的船舶运营数据，提升了运营主体在决策方面的竞争力。
附图说明
图1是本发明特种船舶竞争力分析方法的流程图。
图2是本发明特种船舶竞争力分析系统的优选结构框图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种特种船舶竞争力分析方法，该方法的流程图如图1所示，依次包括以下步骤：
数据获取步骤：通过网络传输的方式，从外部系统获取特种船舶数据源，并按照船舶类型进行分类，可分为纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮等类型，并通过第三方服务商持续采集船舶自动识别系统(AutomaticIdentification System，简称AIS)数据。优选地，船舶AIS数据包括静态数据和实时动态数据，静态数据包括船舶移动业务识别码MMSI、船名和呼号等船舶基本信息，实时动态数据包括船舶经纬度位置信息、航行状态、时间戳、对地航向、对地航速、吃水、出发港、目的港、出发时间和预抵时间。
船舶分组步骤：处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，以运营主体为名称将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中。
船舶动态数据处理步骤：以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合。优选地，船舶历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
竞争力分析步骤：分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
具体地，通过将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据，通过船舶规模竞争力数据可以表征出各个运营主体特种船舶的竞争力。以运营主体A和运营主体B为例，运营主体A的船舶数量为m，载重为∑Di，运营主体B的船舶数量为n，载重为∑Dj。
运营主体A的船舶规模竞争力数据WA按照下式进行计算：
Figure BDA0003340991210000051
运营主体B的船舶规模竞争力数据WB按照下式进行计算：
Figure BDA0003340991210000052
上式中，i＝1，2，3...m，j＝1，2，3...n，D为船舶载重吨。
综上所述，若运营主体A的船舶规模竞争力数据WA大于运营主体B的船舶规模竞争力数据WB，则认为运营主体A的特种船舶竞争力大于运营主体B，可以理解的是，也可将多个(两个或两个以上)运营主体的船舶规模竞争力数据同时进行对比，能够快速、准确的比较出各个运营主体特种船舶的竞争力。
通过统计船舶历史动态数据中的出发港和目的港，汇总得到每艘船舶的历史港口数据，形成各个运营主体的港口运营竞争力数据，再通过统计历史港口数据，得到每艘船舶的历史航线数据，形成各个运营主体的航线规划竞争力数据；
通过统计船舶历史动态数据，得到船舶每个航段(出发港-目的港)的数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差得到港口的总停留时长(从抵达港口到驶离港口的时长)。例如，某船舶从靠泊至某港口到从该港口出发前往下一港口，通过公式可以得到该船在该港口的总停留时长Twait：
Twait＝Tend-Tstart (3)
上式中，Tend为靠泊时间，Tstart为出发时间。
将m艘船舶在n个港口的总停留时长除以港口数n，得到港口平均停留时长，计算公式如下：
Figure BDA0003340991210000061
上式中，i＝1，2，3...n，Twait为单船的单港停留时长，Tavg为单船的平均港口停留时长，运营主体的港口平均停留时长
Figure BDA0003340991210000062
比较各个运营公司的Tavg2值，可以得到各个运营主体港口调度竞争力数据；
通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据。
对于当前处于靠泊状态的船舶，以当前靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据，当预测某一运营主体的大多数船舶都前往同一目的港时，则判断该运营主体的船舶在港口的竞争力较小；反之，当预测某一运营主体的大多数船舶都前往不同目的港时，则判断该运营主体的船舶在港口的竞争力较大。
本发明还涉及了一种特种船舶竞争力分析系统，该系统与上述特种船舶竞争力分析方法相对应，可理解为是实现上述方法的系统，如图2所示的优选结构框图，该系统包括数据获取模块、船舶分组模块、船舶动态数据处理模块和竞争力分析模块，具体地，
数据获取模块，通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据；
船舶分组模块，处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中；
船舶动态数据处理模块，以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合；
所述竞争力分析模块，分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
优选地，竞争力分析模块包括船舶规模计算单元、历史港口统计单元、历史航线统计单元、港口停留时长计算单元、航行率计算单元和港口预测单元，
船舶规模计算单元将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据；
历史港口统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，形成各个运营主体的港口运营竞争力数据；
历史航线统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，进而统计得到每艘船舶的历史航线数据，形成各个运营主体的航线规划竞争力数据；
港口停留时长计算单元通过统计船舶历史动态数据，得到船舶航段数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差，得到港口的总停留时长，将总停留时长除以港口数得到港口平均停留时长，并将港口平均停留时长除以船舶数得到运营主体每艘船舶的港口平均停留时长，进而得到各个运营主体的港口调度竞争力数据；
航行率计算单元通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据。
港口预测单元分析AIS数据中的实时动态数据，将当前处于靠泊状态的船舶，以靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据。
优选地，历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
优选地，特种船舶数据源按照船舶类型分类包括纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮。
本发明提供了客观、科学的特种船舶竞争力分析方法及系统，通过实时获取特种船舶数据源以及AIS数据，形成船舶历史动态数据，并从历史港口、历史航线、平均港口停留时长、平均航行率、船舶下一港口预测等方面分别进行分析计算，生成准确、实时的船舶运营数据，提升运营主体在决策方面的竞争力，有效解决了现有船舶竞争力分析不准确、运营决策缺乏准确性和实时性的问题。
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.一种特种船舶竞争力分析方法，其特征在于，包括以下步骤：
数据获取步骤：通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据；
船舶分组步骤：处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中；
船舶动态数据处理步骤：以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合；
竞争力分析步骤：分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
2.根据权利要求1所述的特种船舶竞争力分析方法，其特征在于，所述竞争力分析步骤中对船舶分组数据进行分析计算是将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据。
3.根据权利要求1所述的特种船舶竞争力分析方法，其特征在于，所述竞争力分析步骤中对船舶历史动态数据进行分析计算包括：
通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，进而统计得到每艘船舶的历史航线数据，形成各个运营主体的港口运营竞争力数据以及各个运营主体的航线规划竞争力数据；
通过统计船舶历史动态数据，得到船舶航段数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差，得到港口的总停留时长，将总停留时长除以港口数得到港口平均停留时长，并将港口平均停留时长除以船舶数得到运营主体每艘船舶的港口平均停留时长，进而得到各个运营主体的港口调度竞争力数据；
通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据。
4.根据权利要求1所述的特种船舶竞争力分析方法，其特征在于，所述竞争力分析步骤得到港口预测竞争力数据具体是：分析AIS数据中的实时动态数据，将当前处于靠泊状态的船舶，以靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据。
5.根据权利要求1至4之一所述的特种船舶竞争力分析方法，其特征在于，所述船舶动态数据处理步骤中，所述历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
6.根据权利要求1所述的特种船舶竞争力分析方法，其特征在于，所述数据获取步骤中，所述特种船舶数据源按照船舶类型分类包括纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮。
7.一种特种船舶竞争力分析系统，其特征在于，包括数据获取模块、船舶分组模块、船舶动态数据处理模块和竞争力分析模块，
所述数据获取模块，通过网络传输的方式从外部系统获取特种船舶数据源和船舶AIS数据；
所述船舶分组模块，处理特种船舶数据源，读取特种船舶数据源中的船舶运营主体数据，将相同运营主体的船舶分为一组，得到船舶分组数据，存储到数据库中；
所述船舶动态数据处理模块，以定时任务的方式，不断获取船舶AIS数据中的实时动态数据，并将所述实时动态数据进行分组和整理，存储到数据库中，得到船舶历史动态数据，所述船舶历史动态数据为一定时间段内实时动态数据的集合；
所述竞争力分析模块，分别对数据库中的船舶分组数据和船舶历史动态数据进行分析计算，得到船舶数量载重累加数据、历史港口数据、历史航线数据、平均港口停留时长、平均航行率，进而得到各个运营主体的若干竞争力数据以及港口预测竞争力数据，综合表征出特种船舶的竞争力。
8.根据权利要求7所述的特种船舶竞争力分析系统，其特征在于，所述竞争力分析模块包括船舶规模计算单元、历史港口统计单元、历史航线统计单元、港口停留时长计算单元、航行率计算单元和港口预测单元，
所述船舶规模计算单元将各个船舶分组数据中的船舶数量和载重进行累加计算，得到各个运营主体的船舶规模竞争力数据；
所述历史港口统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，形成各个运营主体的港口运营竞争力数据；
所述历史航线统计单元通过统计船舶历史动态数据中的出发港和目的港，得到每艘船舶的历史港口数据，进而统计得到每艘船舶的历史航线数据，形成各个运营主体的航线规划竞争力数据；
所述港口停留时长计算单元通过统计船舶历史动态数据，得到船舶航段数据，根据航段数据计算得到相邻航段的时间差，并通过计算相邻航段的时间差，得到港口的总停留时长，将总停留时长除以港口数得到港口平均停留时长，并将港口平均停留时长除以船舶数得到运营主体每艘船舶的港口平均停留时长，进而得到各个运营主体的港口调度竞争力数据；
所述航行率计算单元通过统计船舶历史动态数据，得到每艘船舶在各航段的航行时长和总时长，根据航行时长和总时长计算得到各个运营主体的船舶平均航行率，进而得到各个运营主体航行管理的竞争力数据；
所述港口预测单元分析AIS数据中的实时动态数据，将当前处于靠泊状态的船舶，以靠泊港口为出发港，匹配当前船舶或当前船舶所在运营主体的所有船舶，得到对应的目的港集合，按照目的港出现同一运营主体船舶的次数进行排序，得到下一港口预测数据，形成港口预测竞争力数据。
9.根据权利要求8所述的特种船舶竞争力分析系统，其特征在于，所述历史动态数据包括同一船舶在不同时间点的动态数据，以及不同船舶在相同时间点的动态数据。
10.根据权利要求7所述的特种船舶竞争力分析系统，其特征在于，所述特种船舶数据源按照船舶类型分类包括纸浆船、半潜船、沥青船、木材船、多用途船、超大型矿砂船和超大型油轮。
CN202111308477.2A 2021-11-05 2021-11-05 一种特种船舶竞争力分析方法及系统 Active CN114037257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111308477.2A CN114037257B (zh) 2021-11-05 2021-11-05 一种特种船舶竞争力分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111308477.2A CN114037257B (zh) 2021-11-05 2021-11-05 一种特种船舶竞争力分析方法及系统

Publications (2)

Publication Number Publication Date
CN114037257A true CN114037257A (zh) 2022-02-11
CN114037257B CN114037257B (zh) 2023-10-31

Family

ID=80136478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111308477.2A Active CN114037257B (zh) 2021-11-05 2021-11-05 一种特种船舶竞争力分析方法及系统

Country Status (1)

Country Link
CN (1) CN114037257B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115545433A (zh) * 2022-09-22 2022-12-30 中远海运科技股份有限公司 一种船舶航段进度计算方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190057324A1 (en) * 2017-08-18 2019-02-21 International Business Machines Corporation Predicting un-capacitated freight demand on a multi-hop shipping route
CN110503252A (zh) * 2019-08-11 2019-11-26 安徽神海港航数据服务有限公司 基于运力需求分布的航运调度系统和方法
CN110852792A (zh) * 2019-10-28 2020-02-28 海南太美航空股份有限公司 一种基于大数据分析的航线价值评估方法及相关产品
CN112785030A (zh) * 2020-11-26 2021-05-11 中远海运科技股份有限公司 船舶行为识别系统、方法和平台
CN113361804A (zh) * 2021-06-28 2021-09-07 同济大学 缓冲堆场作业与码头间集卡运输协同调度系统及其方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190057324A1 (en) * 2017-08-18 2019-02-21 International Business Machines Corporation Predicting un-capacitated freight demand on a multi-hop shipping route
CN110503252A (zh) * 2019-08-11 2019-11-26 安徽神海港航数据服务有限公司 基于运力需求分布的航运调度系统和方法
CN110852792A (zh) * 2019-10-28 2020-02-28 海南太美航空股份有限公司 一种基于大数据分析的航线价值评估方法及相关产品
CN112785030A (zh) * 2020-11-26 2021-05-11 中远海运科技股份有限公司 船舶行为识别系统、方法和平台
CN113361804A (zh) * 2021-06-28 2021-09-07 同济大学 缓冲堆场作业与码头间集卡运输协同调度系统及其方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115545433A (zh) * 2022-09-22 2022-12-30 中远海运科技股份有限公司 一种船舶航段进度计算方法与系统

Also Published As

Publication number Publication date
CN114037257B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN111091226B (zh) 一种基于实际航运业务和数据挖掘的运力预测方法
CN110750571B (zh) 港口泊位数据挖掘方法、装置、设备和储存介质
Pani et al. A data mining approach to forecast late arrivals in a transhipment container terminal
CN101620694A (zh) 物流运输决策支持系统及方法、运输管理系统
CN111583722B (zh) 一种基于ais数据的船舶航行特征及偏好分析方法
Pjevcevic et al. Data envelopment analysis of AGV fleet sizing at a port container terminal
CN117522050A (zh) 一种基于大数据的港口规划方法及系统
Štepec et al. Machine learning based system for vessel turnaround time prediction
CN114037257B (zh) 一种特种船舶竞争力分析方法及系统
Arifin et al. Development of ship allocation models using marine logistics data and its application to bulk carrier demand forecasting and basic planning support
CN117115562B (zh) 一种基于深度学习的进站铁路货运列车车厢计数方法
CN115511174A (zh) 一种船舶风险预测方法和系统
CN113112211A (zh) 一种跨境电子商务平台销售商品物流运输分析管理方法及云分析管理平台
CN117634926A (zh) 基于大数据分析的综合港口运营预测方法及系统
CN114462839A (zh) 港口运行效率实时分析方法及系统
CN114330640A (zh) 基于船舶ais大数据的船舶进出港靠离泊时间预测方法
CN118211034A (zh) 一种基于knn回归模型的多维度民航客流量预测方法
CN116596435A (zh) 一种全球船舶货量统计分析方法及系统
CN117273202A (zh) 港口泊位分配优化方法、系统及存储介质
CN115456258A (zh) 竞争对手船舶运力预测方法、计算机可读介质
CN113807579B (zh) 一种基于机器学习的航班抵港延误时间预测方法
CN115798209A (zh) 一种公交实时空驶调度方法和系统
Martínez-Pardo et al. The role of the degree of use of the facilities in the port choice process: the Spanish dockside cranes case
CN117875825B (zh) 一种运输循环线路匹配货源的方法
CN113408049A (zh) 一种基于ais数据的船舶水污染预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant