可扩展的数据库内机器学习用于预测港口到港口的路线
作者：Dennis Marten, Carsten Hilgenfeld, Andreas HeuerDennis Marten, Carsten Hilgenfeld, Andreas Heuer
摘要：正确预测后续的港口到港口的路线在海运物流中起着不可或缺的作用，因此对于许多进一步的任务，如准确预测估计的到达时间是至关重要的。在本文中，我们提出了一种可扩展的基于人工智能的方法来预测基于AIS历史数据的船舶即将到达的港口目的地。本文提出的方法主要是为了填补船舶AIS目的地条目无法解释的情况。我们描述了如何在马尔可夫模型的基础上建立一个稳定高效的数据库内人工智能解决方案，它适合于大规模并行预测任务，并具有很高的准确性。本研究是PRESEA项目（"基于实时的海上交通预测"）的一部分。
该论文已发表在《移动性和运输杂志》上。