基于AIS數據的集裝箱碼頭水域繁忙度分析

李瓊潔， 趙 楠， 陳偉杰， 殷 明

(上海海事大學 a.交通運輸學院； b.經濟管理學院； c.上海國際航運研究中心， 上海 200082)

近兩年，港口擁堵事件頻繁發生，造成港口擁堵的原因包括內在和外在兩方面的因素。其中:外部因素包括天氣因素、事故因素等;內部因素包括基礎設施問題、人員罷工問題等。港口的擁堵會間接影響物流效率，增加物流成本，對于集裝箱運輸系統而言，所產生的負面影響更大。因此，有必要對集裝箱碼頭水域的繁忙度進行分析評估，總結其在時間和空間的分布規律特征，以優化碼頭資源配置，提升港口服務效率。TALLEY等[1]介紹碼頭多服務堵塞新概念，指出碼頭水域多節點服務繁忙能夠傳播到其他節點水域，引起整個碼頭水域堵塞。SAEED等[2]運用排隊論方法對集裝箱碼頭水域繁忙度進行分析，提出緩解碼頭水域繁忙的建議。文獻[3]～文獻[5]以航道服務水平和通過能力為指標建立仿真模型，分析航道水域繁忙情況。近些年，隨著船舶自動識別系統(Automatic Identification System, AIS)技術的應用和發展，專家利用AIS數據分析船舶行為特征，進而判斷研究水域的繁忙情況。ZHANG等[6]基于船舶AIS數據使用Hadoop和MapReduce的大數據技術對港口水域的船舶交通時空動態進行定量分析。LIU等[7]基于船舶AIS數據交通流特征，估算繁忙航道的通航能力，為繁忙航道中船舶調度提供支持。文獻[8]和文獻[9]基于AIS數據統計和預測船舶交通特征，為揭示繁忙水域船舶交通規律和提升航道通行能力提供技術支撐。此外，還有學者通過建立不同模型對航道繁忙狀態進行識別研究，如：周俊華等[10]和劉予笑[11]對繁忙狀態設計預警系統；張靖靖[12]和何正偉等[13]利用AIS數據進行航道繁忙程度判定識別。

目前，對于碼頭水域繁忙度的分析大多數聚焦于碼頭水域繁忙而造成的影響進行定性分析，繼而結合經驗給出優化建議。利用AIS數據進行繁忙度分析的研究主要集中于航道部分，尚未有對碼頭水域側的裝卸作業繁忙度進行分析的研究。考慮到集裝箱運輸對碼頭提供準時服務的要求比較高，因此，本文聚焦于對集裝箱碼頭水域側的繁忙度進行評估分析。集裝箱船進港接受服務，可能產生擁堵的主要有船舶進港入港界后在航道的通航過程和進入港內侯泊作業過程2個過程，而這2個過程相對獨立，因此，分別對這2個過程進行繁忙度的評估分析。

1 基本思路

侯泊作業系統的分析主要是分析集裝箱船抵港后，前面等待作業船舶的數量情況，需聯動考慮集裝箱船泊位占用情況，以及在錨地等候作業的集裝箱船舶情況，因此，對于侯泊作業系統的繁忙度分析僅需統計分析集裝箱船舶數據。而對于航道的繁忙度分析，由于無論何種船型其進港航道基本是相同的，航道上不同貨種的船舶是混行的。因此，航道通航繁忙度分析的數據是基于所有抵港船舶進行統計分析的，其基本思路見圖1。

圖1 基本思路

1)提取港口邊界范圍內所有船舶AIS數據，通過AIS船舶數據和船舶檔案數據進行匹配，重點匹配船型、船舶類型、船舶呼號和船舶位置等信息。

2)根據海圖數據信息提取碼頭、進出港航道、港內錨地和集裝箱碼頭泊位邊界，并根據經緯度信息對航道區域進行網格化分。

3)基于AIS識別船舶進入港界、航道、港內錨地和泊位事件，建立航道通航系統和碼頭侯泊作業系統的繁忙度分析指標。

2 數據和模型描述

2.1 AIS數據

AIS數據是由岸基AIS基站獲取到的安裝船載設備的船舶發出的船舶靜態信息和船舶動態信息。

1)船舶靜態信息包含水上移動通信業務標識碼(Maritime Mobile Service Identify,MMSI)、船名、船型、國際海事組織(International Maritime Organization, IMO)編號、船長和船寬等。

2)船舶動態信息包含經度、緯度、航速、航向和時間戳等。

AIS數據信息存在周期性地廣播，信息類型不同，更新頻率也存在著差異。

為解決在統計過程中存在某艘船舶但在此瞬時時刻未發送AIS數據的問題，采用統計距指定時刻前后某一時間段內的AIS數據來代替瞬時時刻的AIS數據(見表1)。由表1可知：船舶動態信息最長3 min更新一次。因此,本文采用離指定時刻前后5 min的時間段數據來代替瞬時時刻數據，以保證不存在未發送AIS數據的船舶。

表1 AIS信息更新率

為解決用一段時間代替瞬時時刻產生的一艘船舶發送多條AIS數據的問題，選用此時間段內AIS數據中MMSI個數作為該瞬時時刻的船舶數量。

2.2 基礎數據模型

2.2.1港口數據模型

利用海圖數據信息確定港口、航道、錨地和泊位邊界，提取各邊界多邊形數據。港口x的數據模型為

Px=(px,cx,ax,bx)

(1)

式(1)中：p為港界多邊形數據；c為航道邊界多邊形數據；a為錨地邊界多邊形數據；b為泊位邊界多邊形數據。

2.2.2船舶數據模型

從AIS數據中提取用于數據分析的船舶靜態信息和船舶動態信息，包括船舶MMSI碼、船舶類型、船舶載重、船舶AIS數據發出時刻和船舶位置。船舶i的數據模型為

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

(2)

式(2)中：m為船舶MMSI碼；t為船舶發出AIS數據的時刻；l為此刻船舶的位置；k為船舶類型；d為船舶載重。

2.3 界定船舶行為事件模型

集裝箱碼頭水域包括港池、錨地、進出港航道和泊位。集裝箱碼頭水域作業系統可抽象為船舶抵港、進入港外錨地、進港航行、進入港內錨地錨泊、靠泊、裝卸作業、離泊、出港航行和離港等事件見圖2。按照一定的順序、條件被觸發的事件，構成集裝箱碼頭水域船舶行為全事件。從港內錨地和港外錨地的功能來看，港內錨地主要服務于即將等候裝卸作業的船舶，而港外錨地的功能主要包括查驗、避風和等待引航進港等，由于對繁忙度的分析主要從航道和港內侯泊作業2個過程進行分析，因此不對港外錨地進行研究。

圖2 集裝箱碼頭水域作業系統船舶行為事件

2.3.1船舶抵港事件模型

統計進入港界的船舶，船舶i抵達港口x的事件關系Ti為

Ti=(Si,px)={mx,tx,lx/Sx?pi}

(3)

式(3)中：Ti由船舶數據模型Si和港口數據模型px運算得出，其中“Sx中包含pi”表示“船舶i位置是否處于港口x的邊界內”。

2.3.2船舶進入航道事件模型

統計駛入航道的船舶，船舶i進入航道的事件關系Ni為

Ni=(Si,cx)={mx,tx,lx/Sx?ci}

(4)

式(4)中：Ni由Si和港口數據模型中cx運算得出，其中“Sx中包含ci”表示“船舶i位置是否處于航道c的邊界內”。

2.3.3船舶進入港內錨地事件模型

統計駛入港內錨地的船舶，船舶i進入錨地的事件關系Oi為

Oi=(Si,ax)={mx,tx,lx,kx,dx/Sx?ai}

(5)

式(5)中：Oi由Si和港口數據模型中ax運算得出，其中“Sx中包含ai”表示“船舶i位置是否處于錨地a的邊界內”。

2.3.4船舶進入泊位事件模型

統計駛入泊位的船舶，船舶i進入泊位的事件關系Wi為

Wi=(Si,bx)={mx,tx,lx,kx,dx/Sx?bi}

(6)

式(6)中：Wi由Si和港口數據模型中bx運算得出，其中“Sx中包含bi”表示“船舶i位置是否處于泊位b的邊界內”。

2.4 繁忙度計算模型

2.4.1航道通航繁忙度分析模型

為分析航道不同位置節點的繁忙度情況，結合航道區域的分布特征，使用合適的經緯度寬度值范圍(以0.25′×0.25′為最小網格寬度值[14]，一般可選取1°×1°、0.1°×0.1°和0.01°×0.01°等標準網格寬度值。[15-17])對航道水域進行網格劃分，并對航道網格進行編號。在對不同港口的集裝箱碼頭水域進行繁忙度研究時，航道網格尺寸需根據不同航道區域地理情況進行設定。

船舶密度是由統計水域中瞬時時刻船舶數量除以水域面積得到的。根據定義航道網格j在瞬時時刻t的船舶密度為

(7)

式(7)中：Kj，t為網格j在瞬時時刻t的船舶密度；nj，t為網格j在瞬時時刻t的船舶數量；Sj為網格j的面積；瞬時時刻t為該時刻前后5 min的時間段。

船舶平均速度是統計水域中瞬時時刻所有船舶速度的平均值。根據定義航道網格j在瞬時時刻t的船舶平均速度為

(8)

(9)

2.4.2侯泊作業繁忙度分析模型

港內錨地和泊位是進港船舶在港內水域作業的區域。港內錨地是船舶到港后排隊等待靠泊的場所，錨地中集裝箱船舶排隊變化情況在一定程度上反映集裝箱碼頭泊位空閑和繁忙情況。因此,集裝箱碼頭水域的港內錨地和泊位是集裝箱船舶靠泊作業的聯動區域，構建瞬時時刻t集裝箱船舶在港內錨地和集裝箱泊位的數量分布模型，即

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

(10)

式(10)中：Nai,t為瞬時時刻t集裝箱船舶i在錨地的分布數量；Nbi,t為瞬時時刻t集裝箱船舶i在泊位的分布數量；Ni為泊位可停靠集裝箱船舶i的總數，Ni-Nai,t-Nbi,t為泊位滿載時錨地內剩余集裝箱船舶i的數量；i取1、2、3和4，分別表示0～4 000 TEU、4 000～8 000 TEU、8 000～12 000 TEU和12 000 TEU以上的集裝箱船舶。

2.5 繁忙度指標編程計算

2.5.1航道通航繁忙度編程計算

讀取航道邊界內所有船舶AIS數據，將瞬時時刻t前后5 min作為一次時間節點，按照每間隔30 min抽取一次時間節點進行篩選。按照式(7)、式(8)和式(9)計算航道通航繁忙度指標，記錄一次時間節點船舶MMSI編號、位置信息和所屬航道網格信息，采用同一船舶相鄰位置差和時間差之比得到船舶速度；將得到的船舶MMSI編號去重，記錄個數作為一次時間節點航道網格內船舶數量。編程邏輯見圖3。

圖3 編程邏輯

2.5.2靠泊作業繁忙度編程計算

讀取港內錨地和泊位邊界內的集裝箱船舶AIS數據，將瞬時時刻t前后5 min作為一次時間節點，對每間隔30 min抽取一次時間節點進行篩選。按照式(10)計算錨地和泊位靠泊作業繁忙度指標，記錄一次時間節點集裝箱船舶MMSI編號、位置信息與所屬錨地和泊位，去除MMSI重復值，記錄個數作為一次時間節點錨地和泊位集裝箱船舶數量。

3 案例分析

新加坡港是集裝箱船抵港艘次最多的港口，其中平均每年有1.8萬艘集裝箱船舶停靠該港，其集裝箱碼頭水域是世界上最繁忙的水域。因此，本文選取新加坡集裝箱碼頭水域作為研究對象，對其2018年1月份的船舶AIS數據進行挖掘，按照每30 min間隔抓取一次數據，將得到的結果統計分析。

3.1 新加坡港研究水域確定

3.1.1邊界數據獲取

從新加坡海事和港口管理局獲取新加坡港口邊界、錨地邊界信息和集裝箱碼頭泊位信息，共4個集裝箱碼頭，含有52個泊位。

3.1.2新加坡港航道網格劃分

從新加坡海事和港口管理局獲取新加坡港航道邊界范圍。為便于研究，航道網格劃定以航道軸線為基準，選取0.1°×0.1°的標準經緯度寬度值進行劃分，將其劃分為98個網格，按照從左到右、從上到下的順序依次編號，見圖4。

圖4 新加坡港航道水域網格劃分圖

3.2 新加坡集裝箱碼頭水域繁忙度分析

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獲取得到1 488條船舶數據信息繪制航道船舶數量頻數分布直方圖和正態分布擬合曲線，見圖5。

圖5 航道船舶數量分布特征

從試驗結果中選取2018年1月份每天0時、3時、6時、9時、12時、15時、18時和21時的航道船舶數量進行統計分析，見圖6。通過頻率分布直方圖和正態擬合結果發現新加坡集裝箱碼頭船舶進出航道呈現一定的時間特性，主要表現為凌晨及早上較為繁忙。其中:0時、3時和9時航道繁忙度較高，航道船舶數量在800艘以上的概率分別為83.9%、93.5%和93.5%；12時、15時航道繁忙度較低，航道船舶數量在800艘以上的概率分別為35.5%和29.0%。受夜間環境因素限制，大部分船舶選擇白天靠泊作業，因此，船舶在凌晨(0—3時)及早上(6—9時)開始陸續進出港口，至早上9時進出港高峰期逐漸結束。

為詳細研究新加坡港航道水域不同位置船舶通航繁忙情況，從2018年1月份的試驗結果數據中，任意抽選出3組不同日期不同時刻的數據分別見圖7、圖8和圖9。用數字和網格顏色代表區分各航道網格的船舶數量和船舶速度，并對船舶艘次為0的航道網格速度標記為0 n mile/h。由圖7～圖9可知：航道網格14、15、16、25、26、30、31和航道網格75～93內船舶密度較高，這些航道繁忙區域一部分位于航道出入口，是船舶進出港的必經之道；另一部分臨近港內水域，受錨地、泊位船舶停靠以及大量拖船活動影響密度較高。航道網格速度在新加坡海峽的航道基本處于6 n mile/h以上，而臨近新加坡港內水域的航道網格速度基本在6 n mile/h以下。因此，綜合航道網格內船舶數量和速度分析，臨近新加坡港內水域的航道更為繁忙。

圖7 2018年1月5日18時航道網格船舶數量和速度分布特征

圖8 2018年1月15日21時航道網格船舶數量和速度分布特征

圖9 2018年1月27日10時航道網格船舶數量和速度分布特征

3.2.2侯泊作業水域繁忙度分析

以抓取到的集裝箱船舶數據信息為基礎，繪制頻數分布直方圖并進行正態擬合，見圖10～圖11。由圖10～圖11可知：港內錨地集裝箱船停靠數量在0～6艘的概率為95.0%，泊位集裝箱船停靠數量在21艘以上的概率為93.9%。泊位船舶停靠數量服從μ=25.5艘，標準差σ=4.87的正態分布。

圖10 港內錨地集裝箱船舶停靠數量分布特征

圖11 泊位集裝箱船舶數量分布特征

為進一步反映1 d范圍內港內錨地和泊位集裝箱船舶數量的變化情況，從試驗結果中抓取2018年1月每天6個時間點的船舶數據，繪制概率密度曲線見圖12和圖13。由圖12可知：3時船舶數量在5艘以上的頻率更高，15時船舶數量在3艘以下的頻率更高。由此可知，在1 d范圍內，港內錨地在3時更容易出現繁忙，在15時則繁忙度較低。由圖13可知:泊位1 d范圍內集裝箱船舶數量變化較為穩定，其中3時船舶數量在25～30艘的概率略高于其他時間點。新加坡集裝箱碼頭受泊位容量限制，泊位全天都處于繁忙工作狀態。

圖12 2018年1月1 d范圍內港內錨地集裝箱船數量分布概率圖

圖13 2018年1月1 d范圍內泊位集裝箱船數量分布概率圖

為更加詳細的研究不同船型的集裝箱船舶在瓶頸區域的停靠分布情況，抽取試驗結果中2018年1月每周中1 d的數據，為固定研究變量的唯一性，選取每天的10時—12時(見表2)。將集裝箱船型分為0～4 000 TEU、4 000～8 000 TEU、8 000～12 000 TEU及12 000 TEU等4種類型。由表2可知：港內錨地和泊位內停靠最多的集裝箱船舶船型主要集中在0～4 000 TEU，且主要停靠在巴西班讓集裝箱碼頭，因為巴西班讓集裝箱碼頭自動化程度高，碼頭工作效率和容量相對較高，船舶能夠高效率地運轉。

表2 不同日期同一時間段內港內錨地和泊位各類型集裝箱船停靠實況表

4 結束語

本文基于船舶AIS數據，構建集裝箱碼頭水域內航道通航繁忙度及港內錨地和泊位靠泊作業繁忙度評估模型，分析集裝箱碼頭水域船舶通行和作業區域的繁忙分布規律。以新加坡集裝箱碼頭水域為例來驗證分析，對挖掘到的船舶AIS數據結果進行統計分析，結果發現：航道凌晨0—3時和早上6—9時更為繁忙；航道繁忙瓶頸位置主要臨近新加坡港內水域部分。泊位全天基本都在繁忙工作，其中靠泊作業的集裝箱船型多集中在0～4 000 TEU之間，且主要分布在巴西班讓集裝箱碼頭泊位。

新加坡港作為我國“海上絲綢之路”的重要樞紐港口，在我國航運企業的航線網絡布局中占據重要位置，其碼頭水域的繁忙擁擠程度直接影響航線網絡整體效率。掌握新加坡碼頭水域繁忙分布規律對提升我國“海上絲綢之路”航線運行效率有較大幫助。研究結果對我國航運企業帶來的管理啟示：

1)所運營的船舶在臨近新加坡港內水域航道時應適當減速航行，提高船舶在此區域的通航安全性。

2)航運企業應盡量避開新加坡港0—3時和6—9時的進出港高峰期，實現錯峰進港，提高船舶進港效率。