基于多源數據融合的江蘇省水運出行服務分析

周君

交通水運行業作為整個交通運輸行業的一個重要組成部分，在交通運輸發展中起到的積極作用越來越顯著。本次研究利用AIS數據、VITS數據、船閘數據、港口數據等進行數據融合，分析江蘇省內、省外船舶OD及水運貨運OD特征，建立江蘇省的船舶、企業、港口、船閘、船舶行駛OD等基礎數據庫，為整個航道網絡水運貨運量運輸組織提供參考依據。

一、引言

各種交通數據之間各有特色，之間又有著千絲萬縷的聯系，在大量數據匯聚的“交通互聯網”包含著人、車、路、城市之間聯系，而這種最基礎的交通聯系，即回答“人往何處”的問題，回到乘客OD出行的問題。OD出行需要精確的描述乘客出行的出發地、目的地、交通方式、出行路徑、路網狀況等，需要對大量的乘客進行個性化分析；然而單一的數據源很難兼顧精度與廣度，也就影響了需求分析精度和交通項目決策的科學性。為了彌補單一數據源精度廣度不能兼顧的缺陷，本項目將對多源大數據進行融合分析，實現更多的分析需求，使分析達到更高的精度；通過不同數據匯聚，構建完整的“交通互聯網”，抽象出完整的交通OD信息，供交通規劃、決策和管理者使用。

二、多源數據簡介

目前交通系統中存有大量交通數據，通常包括靜態數據與動態數據。按采集時間不同，獲得動態數據能描述斷面歷史與實時的交通狀態特征。按采集地點變化，獲得的交通數據能描述整個路網交通流空間分布特征。按采集方式差異，人工調查數據能直接解析調查區域交通出行特征與規律，但數據量有限且主觀性強、更新周期長；車檢設備數據能提供檢測地點的交通流特征，但精確性與布設密度有關；浮動車GPS數據能提供行駛路段區間的運行參數特征或單個車輛的實時運行特征，但穩定性、連續性差；手機信令、公交IC卡數據，獲取方便、內容完整、更新連續，能提供交通出行的精細化過程，但巨量數據分析與處理過程繁瑣。因而，不同的交通數據在時間、空間、側重點及用途上都表現出差異性，能以不同程度描述目標路段交通流運行特征。綜合分析、處理多源交通數據就能得到全面、可靠與互補的交通信息。

三、水運OD獲取及研究

（一）水運數據的獲取

近幾年，隨著各類行業內的需求涌現出許多業務應用系統，從交通運輸水運行業管理部門到各省交通運輸廳、港行管理局、航務管理局，業務數據以數量級的增長趨勢日益明顯。為更好地從各類水運數據中提取數據，實現交通水運信息化，提高交通水運行業的科學管理和組織服務水平，同時提高水路運輸的效率、安全性、整體效益，切實解決制約水運行業發展中的瓶頸問題，需要獲取水運航道數據；港口、碼頭、船閘等水運基礎設施數據；江蘇省內河航道船舶VITS數據；港口吞吐量包括分裝（卸）貨港分貨類的吞吐量；港口吞吐量核查；經濟指標調查數據等。

本次研究利用AIS數據、VITS數據、船閘數據、港口數據等進行數據融合，分析江蘇省內、省外船舶OD及水運貨運OD特征，建立江蘇省的船舶、企業、港口、船閘、船舶行駛OD等基礎數據庫，為整個航道網絡水運貨運量運輸組織提供參考依據。其主要處理方法如下：

省內船舶及水運貨運OD特征：江蘇省船閘數據包括江蘇省內河過閘船舶名稱、時間、運輸貨物起訖點、貨種、貨運載重等信息，船閘數據貨運起訖點數據不準確，會影響水運貨運OD的精準性；VITS數據是江蘇省內河運行的船舶軌跡數據，準確記錄船舶名稱、經緯度、運行時間等信息，通過參數設定，可以判斷船舶運行狀態、OD等。通過將VITS數據與船閘數據融合，利用VITS數據校準船舶起訖點數據，獲取準確的江蘇省內水運貨運OD。

省外船舶及水運貨運OD特征：江蘇省港口數據包括江蘇省港口港區名稱、貨運起訖點、進出港、內外貿、貨種、貨運量等信息，港口起訖點主要是人工上報數據，數據描述比較粗糙，無法細致描述水運貨運的運行OD；AIS數據是沿江、沿海船舶運行GPS數據，其準確記錄船舶名稱、經緯度、時間、運行狀態等信息，可以判斷船舶的實際運行OD。將港口數據與AIS數據進行融合，借助AIS校核港口起訖點數據，可以準確獲取江蘇省與省外、世界港口貨運OD空間分布特征。

（二）水運數據預處理

1. 軌跡數據重構

結合航道走向、AIS數據、VITS數據的鄰近時刻、經緯度等信息，借助GIS對VITS缺失數據進行軌跡重構，補全完整的船舶運行軌跡。

2. Date時間格式轉化

利用P y t h o n語句將V I T S數據的時間格式TIMESTAMP（12小時制）轉為DATE（24小時制）重新進行時間存儲。

3. OD甄別

結合船舶的軌跡數據，對疑似停靠點進行判斷，利用區間距離、停泊時長來區分船舶是在船閘處停泊、臨時停泊還是真正意義上的靠港停泊。

4. 關鍵參數標定

利用數理統計、聚類分析的方法，將速度小于0.5千米/時、區間行駛距離大于10千米、停泊時長大于3小時的判斷為真正意義上的靠港停泊，即本研究中所指的OD。

5. 利用時空參數（區間距離、停泊時間）計算OD

AIS數據、VITS數據可以實時回傳船舶在江河運行的實時位置、速度等信息，為跟蹤船舶時空位置信息提供關鍵數據支撐。利用時空數據計算OD的主要技術路線如圖1。

距離判斷。每一條船，根據經緯度變化，確定下一條數據與上一條數據的距離（此處需要用經緯度換算到實際距離）。若距離小于10km，則認為船沒有行駛，位置為P（i）。若距離大于10公里，則認為船停泊在下一個位置，位置為P（i+1）。

時間判斷。提取P（i）位置的最小時間對應的經緯度和時間，和最大時間對應的經緯度和時間。將最大時間和最小時間做差得到△t。如果△t<3，則認為船僅為短時停靠，刪除該條數據。如果△t>3，則認為船舶抵達碼頭，保留數據。

遍歷表格。遍歷整個數據表，最后得到的結果是每個船在每個位置的起始、結束對應的經緯度和時間。

6. 結合經緯度、時間字段進行數據融合

在Oracle中利用經緯度、時間字段進行數據關聯，匹配在相同時間、位置出現在船閘數據和VITS數據、港口數據和AIS數據的船舶，實現船舶OD與貨運數據融合，為準確獲取江蘇省省內、省外水運貨運OD奠定數據基礎。

（三）水運數據OD矩陣獲取

通過設定行駛區間距離L大于10千米，停泊時間大于3小時兩個參數，運用Python對AIS數據、VITS數據進行處理。本次主要是對系泊AIS數據、以2開頭的內河客船類數據、以3開頭的內河液貨船類數據進行處理，共獲得客船類OD。

（四）省內水運貨運OD矩陣特征

江蘇省境內水運以京杭運河為主要貨運輸送通道，沿線南通市、泰州市、揚州市、無錫市、蘇州市貨運量較高，城市間貨運聯系強度大，承擔連接蘇南、蘇北、省內、省外貨運重要的集疏運功能。如圖2所示。

（五）省外水運貨運OD矩陣特征

1.港口貨運量總體特征

江蘇省蘇州港、連云港、常州港鎮江港、南通港、無錫港、泰州港、南京港、南京港、鹽城港、揚州港十大港口港區全年港口裝卸貨水運貨運量17.5億噸/年，其中與江蘇省內港口間貨運量為3.5億噸/年，占全省貨運總量20%；與省外（去往中國其他省市、世界港口港區）港口間貨運量14.0億噸，占全省貨運總量80%。本小節主要分析江蘇省與省外（去往中國其他省市、世界港口港區）港口間OD及貨運量分布特征。

在江蘇省與省外間貨運量14.0億噸貨運量中，從世界港口港區進入到江蘇省港口的進港貨運量9.5億噸，占江蘇省與省外貨運量的68%，由江蘇省港口出發至全世界港口的貨運量為4.5億噸，占32%。江蘇省進港貨運量遠大于出港貨運量，進港貨運量是出港貨運量的2倍。

2.港口進出港貨運OD特征

進港貨運特征分析

通過省外進港貨運OD分析，江蘇省進港貨物主要來自浙江省、河北省、上海市、山東省等臨近省市；國外貨物主要來自南邊的澳大利亞、新西蘭。國內浙江省與蘇州市聯系強度位居首位，國外澳大利亞與連云港市間貨運聯系最高。

出港貨運特征分析

通過省外出港貨運OD分析，國內主要發往大連市、上海市、廈門市、浙江省、廣州市；國外主要發往日本、韓國。

四、結束語

本文所提出的水路運輸OD獲取方法，能對綜合運輸系統中水路運輸的發展趨勢進行預測，從而找出交通量增長與經濟發展的關系，為區域綜合交通規劃提供重要的參考依據，為我省中長期綜合交通運輸體系規劃提供重要數據支撐。

作者單位：江蘇省交通通信信息中心