基于AIS数据的集装箱码头水域繁忙度分析

李琼洁， 赵 楠， 陈伟杰， 殷 明

(上海海事大学 a.交通运输学院； b.经济管理学院； c.上海国际航运研究中心， 上海 200082)

近两年，港口拥堵事件频繁发生，造成港口拥堵的原因包括内在和外在两方面的因素。其中:外部因素包括天气因素、事故因素等;内部因素包括基础设施问题、人员罢工问题等。港口的拥堵会间接影响物流效率，增加物流成本，对于集装箱运输系统而言，所产生的负面影响更大。因此，有必要对集装箱码头水域的繁忙度进行分析评估，总结其在时间和空间的分布规律特征，以优化码头资源配置，提升港口服务效率。TALLEY等[1]介绍码头多服务堵塞新概念，指出码头水域多节点服务繁忙能够传播到其他节点水域，引起整个码头水域堵塞。SAEED等[2]运用排队论方法对集装箱码头水域繁忙度进行分析，提出缓解码头水域繁忙的建议。文献[3]～文献[5]以航道服务水平和通过能力为指标建立仿真模型，分析航道水域繁忙情况。近些年，随着船舶自动识别系统(Automatic Identification System, AIS)技术的应用和发展，专家利用AIS数据分析船舶行为特征，进而判断研究水域的繁忙情况。ZHANG等[6]基于船舶AIS数据使用Hadoop和MapReduce的大数据技术对港口水域的船舶交通时空动态进行定量分析。LIU等[7]基于船舶AIS数据交通流特征，估算繁忙航道的通航能力，为繁忙航道中船舶调度提供支持。文献[8]和文献[9]基于AIS数据统计和预测船舶交通特征，为揭示繁忙水域船舶交通规律和提升航道通行能力提供技术支撑。此外，还有学者通过建立不同模型对航道繁忙状态进行识别研究，如：周俊华等[10]和刘予笑[11]对繁忙状态设计预警系统；张靖靖[12]和何正伟等[13]利用AIS数据进行航道繁忙程度判定识别。

目前，对于码头水域繁忙度的分析大多数聚焦于码头水域繁忙而造成的影响进行定性分析，继而结合经验给出优化建议。利用AIS数据进行繁忙度分析的研究主要集中于航道部分，尚未有对码头水域侧的装卸作业繁忙度进行分析的研究。考虑到集装箱运输对码头提供准时服务的要求比较高，因此，本文聚焦于对集装箱码头水域侧的繁忙度进行评估分析。集装箱船进港接受服务，可能产生拥堵的主要有船舶进港入港界后在航道的通航过程和进入港内侯泊作业过程2个过程，而这2个过程相对独立，因此，分别对这2个过程进行繁忙度的评估分析。

1 基本思路

侯泊作业系统的分析主要是分析集装箱船抵港后，前面等待作业船舶的数量情况，需联动考虑集装箱船泊位占用情况，以及在锚地等候作业的集装箱船舶情况，因此，对于侯泊作业系统的繁忙度分析仅需统计分析集装箱船舶数据。而对于航道的繁忙度分析，由于无论何种船型其进港航道基本是相同的，航道上不同货种的船舶是混行的。因此，航道通航繁忙度分析的数据是基于所有抵港船舶进行统计分析的，其基本思路见图1。

图1 基本思路

1)提取港口边界范围内所有船舶AIS数据，通过AIS船舶数据和船舶档案数据进行匹配，重点匹配船型、船舶类型、船舶呼号和船舶位置等信息。

2)根据海图数据信息提取码头、进出港航道、港内锚地和集装箱码头泊位边界，并根据经纬度信息对航道区域进行网格化分。

3)基于AIS识别船舶进入港界、航道、港内锚地和泊位事件，建立航道通航系统和码头侯泊作业系统的繁忙度分析指标。

2 数据和模型描述

2.1 AIS数据

AIS数据是由岸基AIS基站获取到的安装船载设备的船舶发出的船舶静态信息和船舶动态信息。

1)船舶静态信息包含水上移动通信业务标识码(Maritime Mobile Service Identify,MMSI)、船名、船型、国际海事组织(International Maritime Organization, IMO)编号、船长和船宽等。

2)船舶动态信息包含经度、纬度、航速、航向和时间戳等。

AIS数据信息存在周期性地广播，信息类型不同，更新频率也存在着差异。

为解决在统计过程中存在某艘船舶但在此瞬时时刻未发送AIS数据的问题，采用统计距指定时刻前后某一时间段内的AIS数据来代替瞬时时刻的AIS数据(见表1)。由表1可知：船舶动态信息最长3 min更新一次。因此,本文采用离指定时刻前后5 min的时间段数据来代替瞬时时刻数据，以保证不存在未发送AIS数据的船舶。

表1 AIS信息更新率

为解决用一段时间代替瞬时时刻产生的一艘船舶发送多条AIS数据的问题，选用此时间段内AIS数据中MMSI个数作为该瞬时时刻的船舶数量。

2.2 基础数据模型

2.2.1港口数据模型

利用海图数据信息确定港口、航道、锚地和泊位边界，提取各边界多边形数据。港口x的数据模型为

Px=(px,cx,ax,bx)

(1)

式(1)中：p为港界多边形数据；c为航道边界多边形数据；a为锚地边界多边形数据；b为泊位边界多边形数据。

2.2.2船舶数据模型

从AIS数据中提取用于数据分析的船舶静态信息和船舶动态信息，包括船舶MMSI码、船舶类型、船舶载重、船舶AIS数据发出时刻和船舶位置。船舶i的数据模型为

Si=(mi,ti,li,ki,di)

(2)

式(2)中：m为船舶MMSI码；t为船舶发出AIS数据的时刻；l为此刻船舶的位置；k为船舶类型；d为船舶载重。

2.3 界定船舶行为事件模型

集装箱码头水域包括港池、锚地、进出港航道和泊位。集装箱码头水域作业系统可抽象为船舶抵港、进入港外锚地、进港航行、进入港内锚地锚泊、靠泊、装卸作业、离泊、出港航行和离港等事件见图2。按照一定的顺序、条件被触发的事件，构成集装箱码头水域船舶行为全事件。从港内锚地和港外锚地的功能来看，港内锚地主要服务于即将等候装卸作业的船舶，而港外锚地的功能主要包括查验、避风和等待引航进港等，由于对繁忙度的分析主要从航道和港内侯泊作业2个过程进行分析，因此不对港外锚地进行研究。

图2 集装箱码头水域作业系统船舶行为事件

2.3.1船舶抵港事件模型

统计进入港界的船舶，船舶i抵达港口x的事件关系Ti为

Ti=(Si,px)={mx,tx,lx/Sx⊃pi}

(3)

式(3)中：Ti由船舶数据模型Si和港口数据模型px运算得出，其中“Sx中包含pi”表示“船舶i位置是否处于港口x的边界内”。

2.3.2船舶进入航道事件模型

统计驶入航道的船舶，船舶i进入航道的事件关系Ni为

Ni=(Si,cx)={mx,tx,lx/Sx⊃ci}

(4)

式(4)中：Ni由Si和港口数据模型中cx运算得出，其中“Sx中包含ci”表示“船舶i位置是否处于航道c的边界内”。

2.3.3船舶进入港内锚地事件模型

统计驶入港内锚地的船舶，船舶i进入锚地的事件关系Oi为

Oi=(Si,ax)={mx,tx,lx,kx,dx/Sx⊃ai}

(5)

式(5)中：Oi由Si和港口数据模型中ax运算得出，其中“Sx中包含ai”表示“船舶i位置是否处于锚地a的边界内”。

2.3.4船舶进入泊位事件模型

统计驶入泊位的船舶，船舶i进入泊位的事件关系Wi为

Wi=(Si,bx)={mx,tx,lx,kx,dx/Sx⊃bi}

(6)

式(6)中：Wi由Si和港口数据模型中bx运算得出，其中“Sx中包含bi”表示“船舶i位置是否处于泊位b的边界内”。

2.4 繁忙度计算模型

2.4.1航道通航繁忙度分析模型

为分析航道不同位置节点的繁忙度情况，结合航道区域的分布特征，使用合适的经纬度宽度值范围(以0.25′×0.25′为最小网格宽度值[14]，一般可选取1°×1°、0.1°×0.1°和0.01°×0.01°等标准网格宽度值。[15-17])对航道水域进行网格划分，并对航道网格进行编号。在对不同港口的集装箱码头水域进行繁忙度研究时，航道网格尺寸需根据不同航道区域地理情况进行设定。

船舶密度是由统计水域中瞬时时刻船舶数量除以水域面积得到的。根据定义航道网格j在瞬时时刻t的船舶密度为

(7)

式(7)中：Kj，t为网格j在瞬时时刻t的船舶密度；nj，t为网格j在瞬时时刻t的船舶数量；Sj为网格j的面积；瞬时时刻t为该时刻前后5 min的时间段。

船舶平均速度是统计水域中瞬时时刻所有船舶速度的平均值。根据定义航道网格j在瞬时时刻t的船舶平均速度为

(8)

(9)

2.4.2侯泊作业繁忙度分析模型

港内锚地和泊位是进港船舶在港内水域作业的区域。港内锚地是船舶到港后排队等待靠泊的场所，锚地中集装箱船舶排队变化情况在一定程度上反映集装箱码头泊位空闲和繁忙情况。因此,集装箱码头水域的港内锚地和泊位是集装箱船舶靠泊作业的联动区域，构建瞬时时刻t集装箱船舶在港内锚地和集装箱泊位的数量分布模型，即

Ni,t=(Nai,t,Nbi,t,Ni-Nai,t-Nbi,t)

(10)

式(10)中：Nai,t为瞬时时刻t集装箱船舶i在锚地的分布数量；Nbi,t为瞬时时刻t集装箱船舶i在泊位的分布数量；Ni为泊位可停靠集装箱船舶i的总数，Ni-Nai,t-Nbi,t为泊位满载时锚地内剩余集装箱船舶i的数量；i取1、2、3和4，分别表示0～4 000 TEU、4 000～8 000 TEU、8 000～12 000 TEU和12 000 TEU以上的集装箱船舶。

2.5 繁忙度指标编程计算

2.5.1航道通航繁忙度编程计算

读取航道边界内所有船舶AIS数据，将瞬时时刻t前后5 min作为一次时间节点，按照每间隔30 min抽取一次时间节点进行筛选。按照式(7)、式(8)和式(9)计算航道通航繁忙度指标，记录一次时间节点船舶MMSI编号、位置信息和所属航道网格信息，采用同一船舶相邻位置差和时间差之比得到船舶速度；将得到的船舶MMSI编号去重，记录个数作为一次时间节点航道网格内船舶数量。编程逻辑见图3。

图3 编程逻辑

2.5.2靠泊作业繁忙度编程计算

读取港内锚地和泊位边界内的集装箱船舶AIS数据，将瞬时时刻t前后5 min作为一次时间节点，对每间隔30 min抽取一次时间节点进行筛选。按照式(10)计算锚地和泊位靠泊作业繁忙度指标，记录一次时间节点集装箱船舶MMSI编号、位置信息与所属锚地和泊位，去除MMSI重复值，记录个数作为一次时间节点锚地和泊位集装箱船舶数量。

3 案例分析

新加坡港是集装箱船抵港艘次最多的港口，其中平均每年有1.8万艘集装箱船舶停靠该港，其集装箱码头水域是世界上最繁忙的水域。因此，本文选取新加坡集装箱码头水域作为研究对象，对其2018年1月份的船舶AIS数据进行挖掘，按照每30 min间隔抓取一次数据，将得到的结果统计分析。

3.1 新加坡港研究水域确定

3.1.1边界数据获取

从新加坡海事和港口管理局获取新加坡港口边界、锚地边界信息和集装箱码头泊位信息，共4个集装箱码头，含有52个泊位。

3.1.2新加坡港航道网格划分

从新加坡海事和港口管理局获取新加坡港航道边界范围。为便于研究，航道网格划定以航道轴线为基准，选取0.1°×0.1°的标准经纬度宽度值进行划分，将其划分为98个网格，按照从左到右、从上到下的顺序依次编号，见图4。

图4 新加坡港航道水域网格划分图

3.2 新加坡集装箱码头水域繁忙度分析

3.2.1航道通航繁忙度分析

基于2018年1月份新加坡港航道水域获取得到1 488条船舶数据信息绘制航道船舶数量频数分布直方图和正态分布拟合曲线，见图5。

图5 航道船舶数量分布特征

从试验结果中选取2018年1月份每天0时、3时、6时、9时、12时、15时、18时和21时的航道船舶数量进行统计分析，见图6。通过频率分布直方图和正态拟合结果发现新加坡集装箱码头船舶进出航道呈现一定的时间特性，主要表现为凌晨及早上较为繁忙。其中:0时、3时和9时航道繁忙度较高，航道船舶数量在800艘以上的概率分别为83.9%、93.5%和93.5%；12时、15时航道繁忙度较低，航道船舶数量在800艘以上的概率分别为35.5%和29.0%。受夜间环境因素限制，大部分船舶选择白天靠泊作业，因此，船舶在凌晨(0—3时)及早上(6—9时)开始陆续进出港口，至早上9时进出港高峰期逐渐结束。

为详细研究新加坡港航道水域不同位置船舶通航繁忙情况，从2018年1月份的试验结果数据中，任意抽选出3组不同日期不同时刻的数据分别见图7、图8和图9。用数字和网格颜色代表区分各航道网格的船舶数量和船舶速度，并对船舶艘次为0的航道网格速度标记为0 n mile/h。由图7～图9可知：航道网格14、15、16、25、26、30、31和航道网格75～93内船舶密度较高，这些航道繁忙区域一部分位于航道出入口，是船舶进出港的必经之道；另一部分临近港内水域，受锚地、泊位船舶停靠以及大量拖船活动影响密度较高。航道网格速度在新加坡海峡的航道基本处于6 n mile/h以上，而临近新加坡港内水域的航道网格速度基本在6 n mile/h以下。因此，综合航道网格内船舶数量和速度分析，临近新加坡港内水域的航道更为繁忙。

图7 2018年1月5日18时航道网格船舶数量和速度分布特征

图8 2018年1月15日21时航道网格船舶数量和速度分布特征

图9 2018年1月27日10时航道网格船舶数量和速度分布特征

3.2.2侯泊作业水域繁忙度分析

以抓取到的集装箱船舶数据信息为基础，绘制频数分布直方图并进行正态拟合，见图10～图11。由图10～图11可知：港内锚地集装箱船停靠数量在0～6艘的概率为95.0%，泊位集装箱船停靠数量在21艘以上的概率为93.9%。泊位船舶停靠数量服从μ=25.5艘，标准差σ=4.87的正态分布。

图10 港内锚地集装箱船舶停靠数量分布特征

图11 泊位集装箱船舶数量分布特征

为进一步反映1 d范围内港内锚地和泊位集装箱船舶数量的变化情况，从试验结果中抓取2018年1月每天6个时间点的船舶数据，绘制概率密度曲线见图12和图13。由图12可知：3时船舶数量在5艘以上的频率更高，15时船舶数量在3艘以下的频率更高。由此可知，在1 d范围内，港内锚地在3时更容易出现繁忙，在15时则繁忙度较低。由图13可知:泊位1 d范围内集装箱船舶数量变化较为稳定，其中3时船舶数量在25～30艘的概率略高于其他时间点。新加坡集装箱码头受泊位容量限制，泊位全天都处于繁忙工作状态。

图12 2018年1月1 d范围内港内锚地集装箱船数量分布概率图

图13 2018年1月1 d范围内泊位集装箱船数量分布概率图

为更加详细的研究不同船型的集装箱船舶在瓶颈区域的停靠分布情况，抽取试验结果中2018年1月每周中1 d的数据，为固定研究变量的唯一性，选取每天的10时—12时(见表2)。将集装箱船型分为0～4 000 TEU、4 000～8 000 TEU、8 000～12 000 TEU及12 000 TEU等4种类型。由表2可知：港内锚地和泊位内停靠最多的集装箱船舶船型主要集中在0～4 000 TEU，且主要停靠在巴西班让集装箱码头，因为巴西班让集装箱码头自动化程度高，码头工作效率和容量相对较高，船舶能够高效率地运转。

表2 不同日期同一时间段内港内锚地和泊位各类型集装箱船停靠实况表

4 结束语

本文基于船舶AIS数据，构建集装箱码头水域内航道通航繁忙度及港内锚地和泊位靠泊作业繁忙度评估模型，分析集装箱码头水域船舶通行和作业区域的繁忙分布规律。以新加坡集装箱码头水域为例来验证分析，对挖掘到的船舶AIS数据结果进行统计分析，结果发现：航道凌晨0—3时和早上6—9时更为繁忙；航道繁忙瓶颈位置主要临近新加坡港内水域部分。泊位全天基本都在繁忙工作，其中靠泊作业的集装箱船型多集中在0～4 000 TEU之间，且主要分布在巴西班让集装箱码头泊位。

新加坡港作为我国“海上丝绸之路”的重要枢纽港口，在我国航运企业的航线网络布局中占据重要位置，其码头水域的繁忙拥挤程度直接影响航线网络整体效率。掌握新加坡码头水域繁忙分布规律对提升我国“海上丝绸之路”航线运行效率有较大帮助。研究结果对我国航运企业带来的管理启示：

1)所运营的船舶在临近新加坡港内水域航道时应适当减速航行，提高船舶在此区域的通航安全性。

2)航运企业应尽量避开新加坡港0—3时和6—9时的进出港高峰期，实现错峰进港，提高船舶进港效率。