在港口集装箱集疏运系统中,预测集卡的到达时间,不仅有利于提高集装箱码头的服务水平和集卡调度的运行效率,而且可以在装卸集装箱期间动态优化装卸集装箱的顺序,减少翻倒箱操作。预知集卡的到达时间对于码头制定集装箱的堆场计划、提高机械设备的利用率,进而增加码头整体的作业效率也是十分重要的。本文利用港口集疏运平台中的多源数据集构建集卡行程时间预测模型,并将模型成功地应用于实际工程。首先,针对集卡车载GPS数据集,本文建立了基于K近邻回归算法的集卡行程时间预测模型,并考虑到交通状况可能的错位相似对预测算法进行了改进。其次,针对场站、码头进出闸数据集,根据港口周边交通状况确定状态向量,建立了集卡行程时间的卡尔曼滤波预测模型,并通过线性插值方法减少了数据间的跳变,进一步提高预测的精度。最后,将这两种数据源的预测模型进行融合,构建了自适应权重融合预测模型,该模型减少了对单一数据源的依赖,降低了最大绝对误差,提升了预测结果的鲁棒性与精确度。