1.1 研究背景及目的

我国拥有大小天然河流5800多条，总长达40多万公里，内河资源丰富，主要通航河流大部分分布在经济发达、人口稠密的地区，且都由西向东流入大海，极利于实行河海联运。截至2016年底，我国内河航道总里程数已达到12.71万公里，全国内河运输船舶数量14.72万艘，货物运输量35.72亿吨，货物周转量14091.68亿吨公里。长江、珠江、黑龙江、黄河、淮河、京杭大运河为我国内河水路运输的主要干线。长江全长6397公里，作为中国第一、世界第三大河，是中国的“黄金水道”。长江航线的延伸就是整个T型通道的贯通，所谓T型通道是指国内整个沿海地区，北至大连天津，南至广西海南，通过T型通道的长江航运辐射至云贵川，长江航运是贯通整个中国沿海至整个中国西部的大通道，其拥有巨大的运能资源和重要地位及作用。

纵观近代世界交通发展历程，内河航运的运输方式在经济和环境方面作用独特，具有非凡吸引力，内河航运服务经济社会发展的巨大优势凸显，随着经济的进一步繁荣，国家的发展战略目标客观上对水运发展提出了新的要求，内河运输量将不断增长，整个内河航运业将面临无限的发展机遇。另一方面，内河流域的船舶交通量在不断地增加，水上交通事故频发，造成了巨大的损失，这就对各水道或航道的规划设计和通航管理提出了更高的要求。船舶交通流量预测的研究就是为水道的规划、设计和船舶通航管理提供基础性依据。

1.2研究意义

船舶交通流量是帮助确定港口基本设施及建设投资规模的主要依据，在一定程度上反映交通流所在水域中船舶交通的繁忙程度和危险程度。交通船舶流量预测是将经济统计预测技术应用到水运工程的新兴学科，其研究更能丰富交通运输工程学科理论，并为其发展提供重要的理论研究价值，可为水道的规划、设计和船舶通航管理提供基础性依据，最大限度地发挥航道的通航能力，使港口资源得到优化配置。对于船舶交通流量在某水域未来某一时段内的发展趋势预测，以及预测方法是否合理可靠直接影响到航运工程项目的投资与收益。船舶交通流量的准确预测有助于提高海事管理效能，为水上交通管理部门制定安全保障措施及交通组织方案，为调度部门制定科学合理的调度管理方案等提供基础性依据，提高通航效率，保障通航安全，减少压港滞港带来的延误，评估水上交通安全状况及运输状态，对提高相关部门对水路交通航道的合理规划、航道基础设施建设和调度管理等都具有重要意义^[1][2]。

1.3国内外研究现状

我国水运航道通航标准低，目前对航道通过能力的研究还尚处于分散、自发的状态，还没有全面、系统的研究体系，无论是处理方法还是观测手段、档案资料等基础工作均非常欠缺。当前我国在航道规划与建设中，有关船舶交通流量的预测方法，绝大部分是参考公路交通相关研究经验和方法。

杨翔在大连海事大学吕靖和方祥麟教授提出的船舶交通流量组合预测模型（CSFM）基础上，分析了组合预测模型中的单项模型的确定和模型的固定权重的问题，提出了根据差分序列特性进行模型的筛选和基于模糊变权重的船舶交通流量组合预测方法，模型得到了很好的实践效果，预测精度也得到了提高^[1]。刘敬贤、张涛和刘文等人在船舶交通流组合预测方法研究中，在组合预测模型的基础上，基于船舶交通流的历史数据和港口的地形特征改进了变权组合预测模型，此模型很大程度上弥补了研究经验不足、预测精度低等问题^[3]。同年武汉理工大学的王东，运用工程系统理论分析了船舶交通流量的影响因素，进行了神经网络预测船舶交通流量的可行性分析，以深圳港年度的船舶交通流量为例，运用了BP神经网络预测模型，田燕华、陈锦标也就该方法以长江深水航道的船舶交通流量数据做出了研究，结果表明该模型对于交通流量的预测是可行有效的^[4][5]。黄智仟分别采用BP神经网络模型和遗传算法优化BP神经网络模型也对深圳港的船舶交通流量进行了预测，结果表明遗传算法能够有效避免BP神经网络的固有缺陷，应用遗传算法优化BP神经网络的船舶交通流量预测模型的精度更高，误差更小^[6]。冯宏祥、肖英杰等人应用了支持向量机分类与回归算法，建立了支持向量机的船舶交通流预测模型，在长江某点的船舶交通流量的短期预测中，应用该模型验证了此方法的可行性及有效性^[7]。郑友银和徐志京根据实际的船舶交通流量数据，结合灰色预测模型和自回归模型的特点，将灰色自回归理论运用到特定水域的船舶交通流量预测分析中，并给予仿真，结果验证了对于船舶交通流量预测的有效性且提高了预测精度，但细节预测效果不理想^[8]。霍久刚、田延飞等人提出了基于BP神经网络与残差分析的非线性时间序列预测船舶交通流量，提高了预测的准确性^[9]。刘玉霞在硕士论文中运用混合效应模型，根据船舶交通流量的相关因素及船舶个体特征，建立了基于样条回归的非参数混合效应模型，并进行了相关验证分析^[10]。李娜通过分析目前船舶流组合预测方法，提出了基于四阶段法的船舶交通量预测方法的概念和思路，对深圳铜鼓航道的状况实际分析，预测了航道的船舶交通量，说明了该预测方法的合理性和可行性^[11]。

国外水运发达国家一方面加强航道的整治，另一方面非常重视有关航道船舶交通量预测的理论与计算方法的研究。如德国等一些国家采用计算机模型、计算机模拟等方法，探讨和研究了航道的船舶交通量，也进行了模拟和仿真。Chengfeng Wang,James J.Corbett根据商业海洋船舶的实际运输情况，根据船舶排放、船舶交通和政策分析三个板块建立船舶交通和空气排放模型（CMV-TAEM），综合足够多的数据确定船舶活动和船舶属性的实现模型^[12]。Wei He,Cheng Zhongd等人针对短期船舶交通流量预测，提出了一种结合回归分析和卡尔曼滤波的改进卡尔曼模型，模型预测结果表明与现场观测结果有更好的一致性，该方法可以为船舶交通规划管理提供实时准确的依据^[13]。Hongxiang Feng，Fancun Kong等人基于船舶交通流数据和支持向量机理论，提出了短期船舶交通流预测的SVM回归模型，预测结果表明预测的平均绝对误差小于SPSS回归模型，验证了SVM回归模型在船舶流量预测上的可行性^[14]。白井 友子,久保 信明等人基于过去的AIS（自动识别系统）数据对船舶的导航路线进行了标准化，并将估算的路线与实际路线进行了比较，检验了是否可以应对船舶趋势的预测，实际上虽然存在一些问题，但认为它对于未来的系统建设是有效的^[15]。为了提高效率和大规模路网交通流预测的精度，Zhaosheng Yang, Duo Mei等人提出了一个基于遗传算法和支持向量机（GA-SVM）的云计算模型，利用并行遗传算法对支持向量机参数进行优化后，利用该优化的并行支持向量机模型对交通流进行预测，结果表明基于云计算的并行算法模型具有较高的预测精度，运行时间较短。^[16]

本文根据公路和水路的相似点，结合水路运输本身的特性，参考李娜提出的基于四阶段法的船舶交通量预测方法进行研究，将公路交通量四阶段预测法应用到船舶交通量预测中，建立适合船舶交通量预测的模型。