Use of a multiple regression model to determine the parameters of vessel traffic flow in port areas

• Autorzy: Nowy A. , Gucma L.

Identyfikatory

DOI

10.12716/1001.14.02.23

• Języki publikacji: EN

Abstrakty

EN

The paper presents the method of determining ships traffic stream parameters by means of regression method. The aim of the studies was to determine the correlation between the ship's parameters and the parameters of the fairway. Developing the presented model with information on the position of the vessel's antenna and information on the accuracy of position determination will allow creating a model for predicting the parameters of waterways.

Słowa kluczowe

EN

maritime traffic engineering; vessel traffic flow; port areas; multiple regression model; fairway; fairway parameters; Automatic Identification System (AIS); AIS Data

• Wydawca: Faculty of Navigation, Gdynia Maritime University
• Czasopismo: TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
• Rocznik: 2020
• Tom: Vol. 14, no. 2
• Strony: 443--449
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Nowy A.

• Maritime University of Szczecin, Szczecin, Poland 

autor

Gucma L.

• Maritime University of Szczecin, Szczecin, Poland

Bibliografia

• [1] Gucma  L.  (2005),  Modelowanie  czynników  ryzyka  zderzenia  jednostek  pływających  z  konstrukcjami  portowymi i pełnomorskimi. Wydawnictwo Naukowe  Akademii Morskiej w Szczecinie.  
• [2] Li, Wei‐ Feng; Mei, Bin; Shi, Guo‐You (2018): Automatic  recognition  of  marine  traffic  flow  regions  based  on  Kernel  Density  Estimation.  Journal  of  Marine  Science  and Technology 26, pp. 84–91. 
• [3] Stanisz  A.  (2007),  Przystępny  kurs  statystyki.  Statsoft  Polska, Kraków 2007 r. 
• [4] Yip, T.L. (2013), A marine traffic flow model. TransNav,  the  International  Journal  on  Marine  Navigation  and  Safety of Sea Transportation 7, 1, pp. 109–113. 
• [5] Zhang, Ze‐guo; Yin, Jian‐chuan; Wang, Ni‐ni; Hui, Zigang (2018): Vessel traffic flow analysis and prediction  by an improved PSO‐BP mechanism based on AIS data.  in:  Evolving  Systems  (2018).  https://doi.org/10.1007/s12530‐018‐9243‐y.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020)