A machine learning driven decision support system for evaluating port performance: development and validation

doi:10.1080/12460125.2026.2682227

A machine learning driven decision support system for evaluating port performance: development and validation

2026-06-05

0

OA

AI

DOI：10.1080/12460125.2026.2682227

原文链接

原文求助

摘要

En 中文

对港口大数据分析能力(BDAC)与运营及可持续绩效关联性的研究有限。为回应此问题，本研究开发并验证了一个决策支持系统(DSS)，该系统整合了专家判断、模糊集理论、无监督机器学习(ML)、决策树和贝叶斯网络分析。数据通过40个主要港口的158名受访者完成的李克特量表问卷收集。采用改进的相似度聚合方法对响应进行聚合，并应用K-Means聚类将港口划分为绩效组。随后开发决策树以识别绩效集群和关键改进领域，而贝叶斯网络用于探究BDAC、港口运营绩效和港口可持续绩效之间的关系。结果表明，BDAC更强的港口通常实现更好的运营和可持续绩效，尽管其他情境因素也可能发挥重要作用。

Keyword:

Big data analytics capability

port operations

port management

decision-making

A machine learning driven decision support system for evaluating port performance: development and validation

摘要

期刊

机构