《Ocean Engineering》：Integrating machine learning algorithms and game theory for optimized shipyard site selection in Istanbul
编辑推荐：
造船厂选址综合多因素分析，融合机器学习（随机森林、分类提升树）与博弈论 Nash 平衡优化权重，结合 GIS 空间分析确定水深、电力线等关键变量，划分出49.94%高适合区，验证模型可靠性并筛选出 AZ_18、AZ_25、AZ_24 三大最优区域。
Ayhan Do?an|Murat Ba?e?mez|Cevdet Co?kun Ayd?n
哈切特佩大学（Hacettepe University）巴什肯特工业区职业高等技术科学学院（Ba?kent OSB Vocational Higher School of Technical Sciences），计算机技术系，辛詹（Sincan），06909，安卡拉，土耳其
摘要
本研究通过整合大数据和动态优化方法，弥补了现有文献中的关键空白，以克服传统多标准决策（MCDM）方法在伊斯坦布尔造船厂选址问题上的局限性。研究使用了机器学习（ML）算法（包括随机森林（RF）、梯度提升（GB）、极端梯度提升（XGB）和分类提升（CB））来评估环境、物流、安全性和能源基础设施等关键因素。其中，随机森林（RF，F1分数0.98）和分类提升（CB，F1分数0.93）表现出最高的预测性能。基于纳什均衡（Nash Equilibrium）的博弈论（GT）方法对这些模型生成的权重进行了优化，以最小化偏差。基于GIS的空间分析确定了海深、输电线路、坡度和海拔高度作为决定性因素。适宜性分类结果显示：49.94%的区域非常适宜（等级4-5），18.68%的区域较为适宜（等级3），31.39%的区域适宜性较低（等级1-2）。图兹拉（Tuzla）和彭迪克（Pendik）现有的大型造船厂位于非常适宜的区域内，这验证了该模型的可靠性。伊斯坦布尔被划分为29个候选区域；初步的ML排序结果与基于决策图的排序结果通过GT方法进行了协调。最终确定AZ_18、AZ_25和AZ_24为未来造船厂发展的最适宜区域。
引言
海上运输是全球贸易的核心组成部分，其在货物运输中的份额持续增长。散货船、集装箱船和油轮占世界贸易总量的约95%（瑞士商品交易协会，2017年），这使得该行业在经济和战略层面都至关重要。与公路和航空运输相比，海上运输具有更高的运力和成本效益（?nder，1999年），因此在全球物流中不可或缺。此外，造船业在国防工业中也发挥着关键作用，造船厂的战略位置对军事生产和维护活动至关重要。对造船业的不断增加投资使其不仅成为一个商业领域，也成为国家经济和安全政策的重要组成部分（Caner和Aydin，2021年）。除了经济优势外，海上运输还显著推动了环境和技术进步。特别是集装箱运输，其低碳排放特性使其成为一种环保的物流解决方案，有助于实现可持续增长，并能在造船厂选址合理的情况下减少环境影响（Aliefendio?lu和Sa??r，2015年）。
造船厂选址是一个涉及经济效率和环境可持续性的关键决策过程，错误的决策可能导致财务损失和运营效率低下（Parkhan等人，2018年）。因此，使用科学分析方法是必不可少的。尽管现有法规为造船业投资制定了某些程序，但尚未建立全面的选址框架。国际海事组织（IMO，2025年）和经济合作与发展组织（OECD，2025年）等机构尚未制定标准化标准，这给投资者带来了不确定性。在土耳其的背景下，土耳其交通与基础设施部造船及沿海结构总局（Republic of Türkiye Ministry of Transport and Infrastructure）制定的标准面临诸多实际挑战，因此需要采用先进的数据分析和基于人工智能的建模技术。
造船厂选址是一个复杂的决策问题，需要同时评估众多因素。先进的数据分析方法使这一过程更加高效和系统化，尤其是机器学习（ML）模型在分析大型数据集以确定最佳位置方面表现出色。随机森林（RF）和分类提升（CB）算法因其在大数据集中的高准确性和处理分类数据的能力而发挥着关键作用。这些算法通过考虑环境、经济和物流因素来评估造船厂选址。
造船厂选址过程涉及复杂的多标准评估，不仅需要技术上的精确性，还需要方法论上的连贯性。在本研究中，博弈论（GT）并非用于模拟明确的利益相关者互动或基于收益的战略动态，而是作为一种定量融合机制，用于协调两种机器学习算法（RF和CB）的输出结果。受纳什均衡原理启发的GT框架有助于生成这些模型生成权重向量的平衡整合。通过这种基于均衡的优化过程，最终的标准权重反映了较低程度的模型特异性偏差，同时保持了决策的一致性和可解释性。GT在这里被作为一种决策层面的整合工具，而不是模拟个别利益相关者（地方政府、投资者或监管机构）的策略或效用，从而实现稳健、可复制和可扩展的空间决策支持。在没有直接利益相关者建模的情况下，GT作为数学协调方法已在最近的空间规划和多标准决策研究中得到有效应用（Ba?e?mez和Co?kun Ayd?n，2021年；Baskurt和Aydin，2018年；Guler和Yomralioglu，2020年）。
地理信息系统（GIS）在造船厂选址等多维决策过程中发挥着关键作用，它以数据驱动的方式系统化了空间分析。通过GIS可视化水深、海岸地质、物流可达性和基础设施以及环境保护等因素，提高了决策的透明度和清晰度。这种方法减少了因选址不当导致的运营效率低下问题，有助于做出更可持续和优化的选址决策。此外，GIS的动态数据处理能力使得可以分析不同情景，为未来的不确定性制定主动解决方案（Caner和Aydin，2021年）。
本研究中的博弈论（GT）作为一种数学框架，用于协调造船厂选址过程中不同机器学习模型的输出结果。基于纳什均衡原理的GT方法通过最小化模型生成的标准权重之间的差异，实现了权重的平衡分配。GT不仅没有模拟利益相关者的具体策略行为，还确保了最终决策模型能够反映两种贡献算法的优势，从而增强了模型的稳健性和可解释性。这种整合方式促进了结果的一致性和可解释性，支持符合环境和基础设施约束的长期运营效率和空间规划目标。
本研究提出了一种整合机器学习（ML）算法和博弈论（GT）模型的方法，以确定伊斯坦布尔新造船厂的最适宜位置。首先使用RF和CB算法确定最佳位置，然后通过GT方法优化结果并达到平衡。因此，技术分析与模型层面的优化策略相结合，建立了可持续且稳健的决策支持框架。
通过整合基于ML和GT的决策支持系统，所提出的方法提供了一种更有效且基于科学的方法。将ML算法与GT结合用于战略均衡，为造船厂选址过程增添了新的维度。尽管本研究专注于伊斯坦布尔，但所提出的方法可以应用于类似的工业和物流决策过程，为未来的研究奠定了基础。除了完善造船厂选址标准外，该研究还通过展示科学方法在决策过程中的更有效应用，显著丰富了相关文献。
文献综述
造船厂选址是一个直接影响造船和维护过程效率的关键决策。传统方法依赖专家判断和有限的标准集，而机器学习（ML）技术使这一过程更加系统化和数据驱动。通过整合先进算法、大数据分析、GIS和优化技术，可以更快更可靠地确定最佳选址。
研究区域
伊斯坦布尔（北纬41.0082°，东经28.9784°）位于土耳其西北部，是具有战略重要性的都市，对海上和商业领域都至关重要。该市地处马尔马拉海（Sea of Marmara）、黑海（Black Sea）和博斯普鲁斯海峡（Bosphorus Strait）的关键海上航线沿线，拥有该国一些最大的港口和造船区。作为连接欧洲和亚洲大陆的枢纽，伊斯坦布尔处于全球贸易的十字路口，成为物流和工业活动的中心。
应用阶段
在应用阶段，首先定义了研究区域和数据集，然后将相关数据整合到基于机器学习的分析过程中。采用了用于处理和评估大规模空间数据的数据科学技术。在此阶段，使用随机森林（RF）和分类提升（CB）算法来识别最适合造船厂发展的位置，同时考虑了各种环境、物流和经济因素。
结果
本节展示了在伊斯坦布尔进行的造船厂选址分析的结果。这些结果基于空间评估、适宜性地图以及空间数据与标准权重的整合得出的决策支持方法。
方法论贡献
本研究提出了一种创新的方法，整合了机器学习（ML）算法和博弈论（GT）模型，以优化伊斯坦布尔的造船厂选址过程。现有文献中关于造船厂选址的研究大多依赖于AHP、PROMETHEE和基于GIS的空间分析等方法（Akyuz等人，2019年；Takenaka等人，2019年）。然而，这些方法通常采用静态评估标准，从而限制了大数据和动态优化的应用。
结论
本研究提出了一种创新方法，将机器学习（ML）算法与博弈论（GT）方法相结合，以优化伊斯坦布尔的造船厂选址过程。尽管现有的造船厂选址研究大多依赖于AHP、PROMETHEE和基于GIS的空间分析等传统多标准决策（MCDM）方法，但这些方法通常采用静态评估标准，未能充分利用大数据和动态优化技术。相比之下，本研究开发了一种更为全面的方法。
CRediT作者贡献声明
Ayhan Do?an：撰写——原始草稿、可视化、验证、软件开发、方法论设计、调查、形式分析、数据整理、概念构建。Murat Ba?e?mez：撰写——审稿与编辑、撰写——原始草稿、可视化、验证、软件开发、方法论设计、调查、形式分析、数据整理、概念构建。Cevdet Co?kun Ayd?n：撰写——审稿与编辑。
利益冲突声明
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
