陈冬 袁媛

摘 要：针对航运大数据应用中船舶吨级数据难以获取的情况，本文提出了一种基于K最近邻（K-Nearest Neighbor，KNN）算法的船舶吨级判别模型。该模型考虑了船舶类型、船长、型宽、型深等参数的影响，以常年在江苏沿江、沿海运行的船舶为例，选取1万余条船舶数据进行训练和验证。结果表明，该模型在船舶吨级判别上具有较好的准确性，能够应用于实际航运数据分析。

关键词：船舶特征;判别模型;K近邻

中图分类号：U674.13         文献标识码：A            文章编号：1006—7973（2021）05-0104-02

1概述

船舶属性数据是非常重要的基础数据，包括船舶身份（IMO、MMSI、船名）、船舶类型、船舶尺度（船舶长度、船舶型宽、船舶型深、满载吃水）、船舶吨级（船舶总吨、船舶净吨、船舶载重吨）等内容。在航运大数据应用中，船舶属性信息与船舶动态信息相结合，能够为航运各领域发展决策提供支撑，如将船舶属性信息中的船舶吨级与船舶AIS数据相结合，能够估算港口在某段时间内的吞吐量。但在航运数据的实际应用过程中，由于航运数据开放共享格局尚未形成，研究人员较难获得全部船舶属性数据，尤其是船舶属性数据中的船舶吨级信息，如AIS数据的船舶静态信息仅仅包括船舶身份、船舶长度、船舶型深、船舶类型等内容，缺少船舶吨级等内容，使航运大数据的应用缺少关键基础数据支撑。

传统的船舶吨级推算主要是利用船舶长度通过曲线估计来计算船舶吨位。传统方法需针对不同的船型选择不同的曲线（二次曲线、立方曲线、S曲线、幂函数等）进行拟合，建模过程繁杂，使用较为不便[1]。……