近日，由中国交通通信信息中心、中国港口协会与大连市数据局联合主办的第四届“数智港航”数据创新应用大赛决赛在大连圆满落幕。由数字中国研究院高嘉良副教授带领的“佛跳墙配大红袍”科研团队（成员包括：林振熠、陈丽珠、寿世航、林伟、孙宽）表现卓越，凭借三项突出成果，一举荣获一等奖、二等奖和三等奖各一项。

作为我国港航数据领域的全国性权威赛事，本届大赛以“共建港航数据新生态，培育港航发展新动能”为主题，广泛汇聚了来自全国的顶尖科研团队与行业专家，共同推动港航数字化转型升级。在智能算法竞赛单元中，高嘉良副教授团队基于主办方提供的多源异构数据集——包括船舶图片数据、技术档案数据及AIS轨迹数据，构建出一套具备行业前瞻性的AI算法体系，成功实现了高精度的船舶身份识别、船舶交易估值和船型自动分类，展现出出色的技术创新与实践能力。

此次获奖不仅充分体现了我院在港航数字化领域的深厚科研积累与技术优势，也为智慧港口建设提供了可借鉴、可推广的先进技术范式，进一步强化了我院在相关交叉应用领域的学术影响力与产业贡献力。

赛事一作品（一等奖）：

基于MambaVision混合架构的船舶图像细粒度识别方法

基于船舶图片自动识别场景，为解决光照变化、视角差异、目标遮挡及类别相似度高等挑战，实现船舶图片高效精确的识别，本研究提出并实现了“基于MambaVision混合架构的船舶图像细粒度识别方法”。采用多样化数据增强与规范化处理显著提升模型泛化能力；通过对比ManbaVision混合架构及多种视觉模型架构优化识别精度；集成多模型结果以发挥各模型优势，增强预测稳定性；并通过增量学习探索模型扩展性，满足海事应用中船舶类别动态增加的需求。通过一系列创新性的设计与实验，本研究在保障识别精度的同时，进一步提升了模型的适应性与鲁棒性，为智能航运提供具备工程实践价值的技术框架。

赛事二作品（二等奖）：

应对信息缺失与数据稀疏的船舶交易价格预测方法

针对“档案数据实现船舶估值”问题，本研究构建了一套系统化的船舶价格预测方法。首先，在特征工程方面，对原始船舶技术参数及交易信息进行了类别化处理，并设计衍生特征，包括船舶运营效率、动力密度及成本相关比率等，以增强模型表征能力。针对数据异常问题，采用残差分析剔除拟合误差较大的样本，结合聚类分析识别潜在异常群体，并通过启发式规则剔除明显不合理记录，以提升数据质量与模型鲁棒性。在建模阶段，以LightGBM为核心，尝试自动化调参优化模型性能，并对多轮训练结果实施集成预测，以进一步提高稳健性与精度。在整个过程中，通过迭代优化特征设计与异常值处理方案，并结合模型解释与验证分析调整参数组合，最终形成高效、稳健的数据驱动预测框架，为船舶价格量化评估提供了可靠方法基础。

赛事三作品（三等奖）：

融合时序卷积网络与全局注意力机制的AIS轨迹分类方法

针对全球船舶AIS轨迹分类任务中存在的数据质量差、时序复杂度高与空间尺度大等挑战，提出了一种融合多阶段预处理、时空特征编码与时序卷积注意力的分类框架。该框架系统集成了轨迹清洗、插值、分割等预处理操作，结合Space2Vec地理编码器增强空间语义表示，并引入基于扩张时序卷积网络（TCN）与全局注意力机制（GA）的TCN-GA模型，以高效捕捉多尺度航行模式。该方法在船舶轨迹分类任务中实现了89%的预测精度，显著优于传统序列建模与图像编码方法，算法鲁棒性高，可泛化性强，在精度、效率和可解释性方面表现优异，具备较强的工程适用性。为海事监管中的船舶行为识别与轨迹分析提供了可靠技术支撑。