自“21世纪海上丝绸之路”战略构想提出以来,国内各大港口又一次迎来了难得的发展机遇。截止2017年底,全球范围内集装箱年吞吐量排名前十的港口中国已占据7席,而且排名位于首位的是中国上海港。与此同时,信息技术的突飞猛进直接推动港口生产向数据化、智能化发展。2017年,全球最大自动化集装箱码头——上海洋山港四期自动化码头开港试运行,预示着码头生产调度将发生革命性变化,由传统的人工调度向智能化转变。这就要求我们以“融合、智慧、变革”的思维重新审视港口生产调度问题。船舶预到港时间是码头制定生产调度计划的重要依据,目前所采用的是船期表提供的预到港时间。实际当中船舶受到故障、自然条件等因素的影响导致船舶到港时间出现不确定性,造成码头人力、机械资源等待、其他船舶靠泊无法按正常计划靠泊,导致大量资源浪费,额外增加港方和船方的作业成本。为此,亟需利用新的信息提高船舶预到港时间的准确性。AIS(Automatic Identification System,简称AIS系统)系统中包含船舶静态信息(包括船型、船名、船舶主尺度、呼号、国际海事组织代码、海上移动通信服务识别码等)、动态信息(包括位置、航向、航速等)和航次信息(包括出发港、目的港、吃水、载重吨等),以上信息可以为预测船舶到港时间提供可靠依据。为此,本文以提高集装箱码头作业效率为目标,将AIS数据作为研究基础预测船舶到港时间,降低船舶到港时间的不确定性,以期为智慧港口建设提供支持。首先,系统分析现阶段对于船舶到港时间预测、AIS数据应用研究现状,并进行分类总结。然后,构建基于AIS数据的船舶到港时间预测模型,主要包括AIS数据预处理、船舶典型运动轨迹获取、船舶到港时间预测三个步骤,其中船舶典型运动轨迹获取又包括原始轨迹划分压缩、核心轨迹子段提取、船舶典型运动轨迹控制点获取、船舶典型运动轨迹控制点获取结果评价四个子步骤,这四个子步骤是船舶到港时间预测模型的关键和难点。原始AIS数据无法直接使用,需要进行预处理,这一步主要包括数据筛选以及错误数据剔除;经过AIS数据预处理,得到船舶原始航行轨迹,其中的数据量是十分庞大的,原始轨迹划分压缩的目的在于将原始光滑的轨迹划分压缩成若干子段,降低原始轨迹中数据量,提高后续步骤的运算效率,同时又能很好的保持轨迹的原始特征;采用改进的DBSCAN算法提取划分后轨迹子段中的核心轨迹子段;扫描核心轨迹子段,得到若干控制点,通过对控制点获取结果进行评价得到一组最佳的控制点形成船舶典型运动轨迹,结合船舶典型运动轨迹和船舶航速预测船舶到港时间。最后,以南北方两个港口为例,采用本文提出的到港时间预测模型预测船舶到港时间,结果表明此方法可以得到更为准确的船舶预到港时间。