不列颠哥伦比亚大学奥肯那根分校的科研团队开发出一款名为TrajReducer的创新人工智能系统，该系统可精准预测船舶航行方向与到达时间，为加拿大港口应对全球供应链挑战提供有力支持。这一成果由工程学院郑吕博士与博士生张成凯共同完成，相关研究已发表于《海洋工程》杂志。

郑吕博士指出，海运承载全球超80%的贸易量，但传统预测方法存在速度慢、误差率高的问题，约30%的船舶出发与到达时间数据存在缺失。TrajReducer通过分析数千艘船舶的航行模式，结合船型、速度、方向及天气等跨维度数据，构建智能预测框架。“它如同升级版GPS，不仅能记录历史轨迹，还能根据船舶特性与驾驶习惯预判目的地。”吕博士解释道。该系统通过比对当前航线与历史相似航次，即使在航行初期也能实现高精度预测，大幅降低计算资源消耗。

加拿大作为全球贸易枢纽，温哥华港、鲁珀特王子港等四大港口年处理货物量超亿吨。郑吕博士强调，提前数日掌握大型货轮动态，可优化泊位分配、设备调度及陆路运输衔接，显著提升运营效率。“微小的效率提升都能转化为可观的经济收益。”博士生张成凯补充道。TrajReducer的独特优势在于其自适应学习能力——随着全球航运模式因贸易协定、基建变化或气候因素调整，系统可通过持续学习优化预测模型，确保长期可靠性。

目前，该技术已引发海事领域广泛关注，其应用场景不仅限于港口管理，还可拓展至海上安全监控、环境风险评估及供应链韧性优化等领域。“这不仅是技术突破，更是构建可持续物流体系的关键一步。”张成凯表示。

更多信息： Chengkai Zhang 等，TrajReducer：一种基于跨维度索引器的船舶目的地预测归约器，《海洋工程》(2025 年)。