1、重大研究方向布局

2020年度，结合我院智能航运研究开发工作的实际需要，拟利用实验平台开展以下研究。

¨ 船舶交通流的动态演化研究

基于大数据训练堆栈自编码深度学习网络(SAE)模型，用于学习在不同的网络状态情况下，未来短时交通流状态。在进行自编码器的特征提取训练之后，将训练的自编码器堆叠，然后输入采用各个航段，各个时刻的航运特征和数据信息，在输出端采用15，20，40分钟之后各个航段的交通流实时状态数据，采用梯度下降法对SAE进行整体训练，直至SAE的预测输出与训练给定的输出端交通流高度吻合，则此时所训练的SAE模型，能够准确的描述在交通网络处于某种状态时，在短时未来，交通流将如何演化，这对交通流的预测分析和航运调度都有重要的价值。

¨ 基于SAE的短时船舶交通流预测

在已经训练好的SAE深度神经网络模型基础之上，对航运大数据系统所提供的实时交通流数据进行实时的整理，输入到SAE网络模型中，根据不同的短时预测需求，例如15，20，40等不同时间段，选择不同的训练好的SAE模型，预测短时交通流，作为动态可达时间图计算和优化调度的基础。

2、重要学术活动

2020年度，本实验平台拟与大连海事大学、武汉理工大学等研究单位，结合长江、澜沧江等重要内河航道，开展监测能力和监测方法的学术交流。