考虑港口异质性的拥堵传播预测与节点识别系统及方法

本发明属于港口间拥堵传播预测，尤其涉及一种考虑港口异质性的拥堵传播预测与节点识别系统及方法。

背景技术：

1、在全球航运网络运行过程中，港口的通航顺畅程度直接影响国际贸易物流效率以及供应链运行的稳定性。然而，受到地缘冲突或自然灾害的影响，港口容易出现船舶积压、锚地等待过长、作业周转缓慢等拥堵问题。

2、现有技术中，针对港口间拥堵动态传播刻画、港口节点异质性建模以及级联影响关键节点识别等方面仍存在不足：（1）大多方法仅基于网络效率、最大连通子图及中心性等传统静态拓扑指标来研究港口网络的结构特征，这往往难以刻画航运网络拥堵、恢复状态的动态演化过程。（2）现有航运网络拥堵传播研究大多基于同质化假设，多数模型通常假定网络内各港口具有相同的拥堵传播率与恢复率，尚未充分考虑不同港口因出入度、港口设施及规模等方面的差异而具有的异质性特征。（3）现有方法多侧重于港口拥堵状态预测或网络整体风险评估，缺少面向港口网络的级联影响关键节点识别机制。部分港口一旦发生拥堵，可能引发远超一般港口的传播影响，造成大范围港口拥堵和网络功能下降，此类港口并不必然等同于按照网络中心性或港口规模识别的传统枢纽港，现有技术尚难以对其进行系统识别和风险排序。

3、因此，亟需提供一种考虑港口异质性的拥堵传播预测与节点识别系统及方法，以解决现有技术难以同时刻画拥堵动态传播、港口异质性差异和港口级联影响识别不足的问题。

技术实现思路

1、为解决上述技术问题，本发明提出了一种考虑港口异质性的拥堵传播预测与节点识别系统及方法，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种考虑港口异质性的拥堵传播预测与节点识别系统及方法，包括：

3、核心港口网络构建模块，用于基于船舶ais数据，根据船舶连续挂靠关系和港口间航行频次构建有向加权港口网络，并从所述有向加权港口网络中筛选得到核心港口网络；

4、港口运行特征提取模块，用于根据所述船舶ais数据提取不同港口的运行特征；

5、港口日度拥堵状态识别模块，用于根据港口运行特征中的锚地等待时间和在港停留时间，结合港口的拥堵阈值，确定观测的港口日度拥堵状态序列；

6、节点异质性sir建模模块，用于根据所述运行特征和港口异质性特征构建港口异质恢复概率函数和港口异质拥堵转移概率函数，并根据所述恢复概率函数和所述拥堵转移概率函数建立节点异质性sir拥堵传播预测模型；

7、参数拟合模块，用于结合根据所述日度拥堵状态序列和所述sir拥堵传播预测模型输出的港口状态序列，对所述港口异质恢复概率函数和拥堵转移概率函数的参数进行拟合；

8、级联影响关键节点识别模块，用于利用拟合后的参数组合对所述核心港口网络进行逐节点初始拥堵仿真，根据仿真结果确定各港口节点的级联影响值并根据级联影响值的尾部离群结果获得级联影响关键港口节点。

9、可选的，所述核心港口网络构建模块根据船舶ais数据提取同一船舶在时间顺序上的连续挂靠港口序列，将港口作为网络节点，将前一港口指向后一港口的航行联系确定为有向边，根据船舶在两个港口之间的航行频次确定所述有向边的边权，构建有向加权港口网络；将所述有向加权港口网络转换为无向加权网络，对无向网络实施弱边筛选，剔除边权低于预设弱边阈值的边；采用团渗透算法识别筛选后的无向网络中的重叠港口社区，将进入至少一个重叠社区的港口界定为核心港口；在所述有向加权港口网络中，筛选出起点和终点均属于所述核心港口的有向边，构建核心港口网络。

10、可选的，所述港口运行特征提取模块基于船舶ais数据提取的船舶到港时间、靠泊时间和驶离港口的时间，分别确定锚地等待时间、靠泊作业时间与在港停留时间；根据各港口所有挂靠航次的锚地等待时间，计算锚地等待时间的算术平均值，作为该港口的平均锚地等待时间；根据各港口所有挂靠航次的靠泊作业时间，计算靠泊作业时间的算术平均值，作为该港口的平均靠泊作业时间；输出各港口的锚地等待时间、靠泊作业时间、在港停留时间、平均锚地等待时间以及平均靠泊作业时间，作为港口运行特征。

11、可选的，所述港口日度拥堵状态识别模块根据锚地等待时间与在港停留时间的比值，计算港口每次挂靠的相对拥堵强度；对同一港口在同一日期内的所有挂靠的相对拥堵强度取中位数，得到该港口的日度拥堵强度；将该港口历史日度拥堵强度分布的预设分位数作为该港口的拥堵阈值；判断该港口在目标日期的日度拥堵强度是否大于或等于所述拥堵阈值，若是则将该港口识别为拥堵状态，否则识别为非拥堵状态；根据各港口在各日期的拥堵状态识别结果构建累计感染历史变量，根据所述累计感染历史变量将各港口在各日期的状态转换为易拥堵状态、拥堵状态或恢复状态，输出观测的港口日度拥堵状态序列。

12、可选的，所述节点异质性sir建模模块根据港口日均到港船舶数、集装箱泊位总数和单个泊位日均作业效率确定泊位服务强度；对泊位服务强度进行标准化，对平均锚地等待时间进行对数变换及标准化，对标准化后的泊位服务强度和对数变换后的平均锚地等待时间进行加权组合，得到港口恢复能力指数；利用logistic函数将所述港口恢复能力指数映射为离散时间恢复概率，得到港口异质恢复概率函数；其中，所述泊位服务强度为将港口日均到港船舶数与港口估算泊位日均服务能力之比，所述港口估算泊位日均服务能力为集装箱泊位总数与单个泊位日均作业效率的乘积，所述单个泊位日均作业效率为单个泊位每日有效作业小时数与船舶平均靠泊作业时间之比；

13、所述节点异质性sir建模模块根据港口指向其他港口的航行频次确定加权出强度，根据港口进入的重叠社区数量确定社区嵌入强度，根据港口出港航次在不同目的港之间的分布确定出港流向分散度；对所述加权出强度、所述社区嵌入强度和所述出港流向分散度分别进行标准化处理，对标准化后的三个变量进行加权组合，得到港口拥堵外溢能力；将两港间平均航行时间与模型离散时间步长之比向上取整，得到港口间的拥堵传播时滞；将各入邻接港口在相应拥堵传播时滞之前的拥堵状态概率、拥堵外溢能力和归一化边权的乘积的加权和，确定为目标港口在当前时点所受的拥堵传播压力；将所述拥堵传播压力与待拟合的全局传播参数的乘积确定为拥堵转移概率，得到港口异质拥堵转移概率函数；

14、根据所述港口异质恢复概率函数和拥堵转移概率函数，建立港口易拥堵状态概率、拥堵状态概率和恢复状态概率的离散更新方程，形成节点异质性sir拥堵传播预测模型。

15、可选的，所述参数拟合模块将所述观测的港口日度拥堵状态序列转换为观测状态比例曲线，将所述sir拥堵传播预测模型输出的港口状态序列转换为预测状态比例曲线；分别计算易拥堵状态比例预测曲线与观测易拥堵状态比例曲线之间的第一均方根误差、拥堵状态比例预测曲线与观测拥堵状态比例曲线之间的第二均方根误差、恢复状态比例预测曲线与观测恢复状态比例曲线之间的第三均方根误差；对所述第一均方根误差、第二均方根误差和第三均方根误差进行加权求和，得到多状态加权联合误差；以所述多状态加权联合误差最小化为优化目标，采用两阶段优化方法对待拟合参数进行搜索，第一阶段使用差分进化算法在预设参数边界范围内进行全局搜索，得到候选参数向量；第二阶段以所述候选参数向量为初始点，采用l-bfgs-b算法在参数边界约束下进行局部精细优化，输出使多状态加权联合误差最小化的最终参数组合。

16、可选的，所述级联影响关键节点识别模块遍历核心港口网络中的每一个港口节点，将当前遍历到的港口节点设定为初始拥堵节点，将其余港口节点设定为易拥堵状态；基于拟合后的参数组合和所述节点异质性sir拥堵传播预测模型，对每一初始拥堵节点对应的拥堵传播过程进行预设时长的离散时点仿真，得到各港口节点在不同时点的拥堵状态概率序列；根据所述拥堵状态概率序列，计算每一初始拥堵节点对应的拥堵波及范围、拥堵峰值强度、累计拥堵规模和传播持续时间；对所述拥堵波及范围、拥堵峰值强度、累计拥堵规模和传播持续时间进行标准化处理，对标准化后的四个指标进行加权求和，得到各港口节点的级联影响值；根据所有港口节点的级联影响值构建节点影响分布，判断各港口节点的级联影响值是否满足尾部离群条件，将满足尾部离群条件的港口节点识别为级联影响关键节点。

17、可选的，所述拥堵波及范围为仿真过程中拥堵状态概率超过预设阈值的港口节点数量与港口节点总数的比值；所述拥堵峰值强度为仿真周期内网络拥堵港口占比的最大值；所述累计拥堵规模为仿真周期内所有港口节点在各时点拥堵状态概率的总和；所述传播持续时间为网络拥堵比例从超过预设阈值到低于所述阈值的连续时间步数。

18、可选的，所述尾部离群条件包括以下至少一种：港口节点的级联影响值大于级联影响值分布的预设分位数阈值；港口节点的级联影响值与所有港口节点级联影响值的均值之差超过预设倍数的标准差。

19、本发明还提供了一种基于上述系统的考虑港口异质性的拥堵传播预测与节点识别方法，包括：

20、根据船舶ais数据构建核心港口网络；

21、根据所述船舶ais数据提取港口运行特征；

22、根据所述港口运行特征中的锚地等待时间和在港停留时间，确定观测的港口日度拥堵状态序列；

23、根据所述港口运行特征和港口异质性特征构建港口异质恢复概率函数和拥堵转移概率函数，并据此建立节点异质性sir拥堵传播预测模型；

24、结合所述观测的港口日度易拥堵、拥堵及恢复状态序列和所述sir拥堵传播预测模型输出的港口状态序列，对所述港口异质恢复概率函数和拥堵转移概率函数的参数进行拟合；

25、利用拟合后的参数组合对所述核心港口网络进行逐节点初始拥堵仿真，计算各港口节点的级联影响值，并根据所述级联影响值识别发生拥堵时可能对港口网络整体运行状态产生显著级联影响的关键港口节点。

26、与现有技术相比，本发明具有如下优点和技术效果：

27、本发明引入港口加权出强度、集装箱泊位总数、日均到港船舶数等港口异质性特征以及平均锚地等待时间、平均靠泊作业时间等港口运行特征对港口异质恢复概率和拥堵转移概率进行建模。传统模型通常采用统一的拥堵传播参数和恢复参数，容易忽略不同港口在航线连接、港口设施和作业效率方面的差异，低估枢纽港的拥堵外溢风险、高估低效率港口的恢复能力，进而导致拥堵范围、持续时间和关键节点识别出现偏差。本发明能够更准确地刻画不同港口的拥堵转移与恢复能力，提高港口网络拥堵仿真和风险识别结果的准确性。

28、本发明使用拟合的参数组合对港口网络进行逐节点初始拥堵仿真，计算不同港口的级联影响值，从而识别在影响分布中呈现尾部离群特征的级联影响关键节点，为港口拥堵动态预警、关键港口防控、航线调度优化和港口网络韧性提升提供量化依据。