Return

The accuracy of ETA reported by ships is vital for maritime authorities, port operators, pilotage, and tug companies to schedule their resources. However, in reality, the deviation between ETA and actual-time-of-arrival (ATA) can be considerable. For instance, the average deviation for ships that visited Port of Hong Kong in 2021 is as large as 13.8 hours.

船舶通常需要在抵港前至少36小时向港口汇报预计到港时间（ETA），以方便港口对引航、拖轮、泊位、桥吊司机、集卡司机、龙门吊司机等资源进行调度。然而，由于种种不确定因素的影响， ETA往往和实际到港时间（ATA）有较大偏离。例如：香港港2021年到港船舶汇报的ETA和ATA平均误差为13.8小时。这样大的偏差给港口资源调度带来很大难度，影响港口作业效率，进而影响船舶按时离港。

We utilize public ship arrival data to construct a random forest based artificial intelligent method for predicting ETA (called AIETA). Testing results show that the average deviation between AIETA and ATA is 11.0 hours, 20% smaller than that between ETA and ATA.

香港理工大学研究团队利用2021年香港港靠港公开数据，包括船舶靠港数据（船舶呼号、汇报ETA的时刻、ETA、ATA）、船舶特征数据（船型、总吨、船宽、船长）、其他数据（船舶的ATA是周几），建立基于随机森林的人工智能方法，可更准确的预测船舶预计到港时间（我们称之为“基于人工智能的预计到港时间”——AIETA）。通过2021年真实数据进行验证，AIETA和ATA平均误差为11.0小时，比ETA和ATA平均误差缩短20%，从而在优化港口资源调度、提升港口作业效率、确保船舶按时离港方面具有重要的应用前景。

In case of enquiries or feedback, please contact Professor Shuaian (Hans) Wang at hans.wang@polyu.edu.hk