综述：人工智能在港口应用的系统性综述——基于网络分析方法

（编辑推荐）本文通过系统性综述和网络分析，揭示了人工智能（AI）在港口数字化转型中的关键作用与现存缺口。研究指出计算机视觉（CV）、人工神经网络（ANN）在波浪预测中的缺失，以及深度强化学习（DRL）在码头起重机优化中的低利用率，为港口智能化升级提供了技术整合与协作倡议的明确路径。

　　

Abstract

人工智能（AI）正推动港口这一传统行业的数字化转型，但智能技术的整合仍待深入探索。基于Scopus和Web of Science文献的系统性综述，结合网络分析方法，揭示了AI在港口各操作模块中的应用广度与复杂性。研究发现三大缺口：波浪预测中缺乏CV与ANN技术；码头起重机与路线管理中的DRL应用不足；船舶管理中ANN与大数据分析的潜力亟待开发。研究提出以技术整合、预测分析和协作倡议为核心的优化策略，助力港口迈向高效、安全与可持续的自动化未来。

Introduction

作为全球贸易的核心枢纽，港口每年处理超10万艘船舶及90%的国际贸易量。世界贸易发展会议强调，数字化是提升港口效率的关键，尤其需加速发展中国家对AI的投资。从专家系统到深度学习（DL），AI技术已渗透港口运营的多个环节——上海港通过AI优化装卸流程并构建数字孪生；鹿特丹港与新加坡PSA则利用AI提升物流管理效能。然而，2022年后AI与港口融合的新进展尚未被充分研究。本文旨在填补这一空白，通过系统性综述与网络分析，探讨AI对港口运营的影响、技术应用现状、数据类型及未来趋势。

Research methods

研究严格遵循PRISMA指南，采用27项清单与四阶段流程图确保文献筛选的严谨性。通过引入网络分析，构建了AI与港口运营的交互图谱，为研究领域提供全景视角。

Research results

描述性与内容分析揭示了出版物特征及核心发现。网络分析识别出港口运营中的三个独立社群，各社群在AI应用上呈现显著差异：

• 社群0：低密度与平均连通性反映决策效率不足，需加强危机响应能力；
• 社群1：聚焦码头起重机优化，但DRL技术应用明显滞后；
• 社群2：船舶管理领域ANN与大数据分析的潜力未被充分挖掘。

Discussion of findings

研究凸显CV在波浪预测中的缺席，以及DRL在动态调度中的低普及率。数字孪生与物联网（IoT）的协同或将成为突破点，而发展中国家港口需优先解决基础设施与数据标准化问题。

Conclusions

AI正重塑港口运营范式，但技术落地仍需克服碎片化挑战。未来研究应聚焦多技术融合（如DL与区块链）、跨港口协作机制，以及AI在减排与安全预警中的创新应用。

Declaration of competing interest

作者声明无利益冲突。

（注：全文严格基于原文缩编，未新增观点；技术术语如PRISMA、DL等均按原文格式标注；网络分析社群编号保留原文表述。）