大宗散運貨物運力流向監控與識別系統

王紹函，劉鑫鑫，段俊利，韓懿

（1.上海船舶運輸科學研究所，上海 200135；2.上海交通大學船舶海洋與建筑工程學院，上海 200240；3.中遠海運科技股份有限公司，上海 200135）

全球超過90%的貿易是通過船舶運輸實現的。船舶運輸市場主要由干散貨運輸、液散貨運輸和集裝箱運輸三種方式。其中，干散貨運輸占據了國際貿易總量的30%[1]。同時大宗商品市場與航運業作為全球經濟的重要組成部分，也就成為了全球產業鏈的晴雨表[2]。現階段，多數研究主要集中在使用AIS 數據對船舶本身的行為進行分析預測，如航速規劃[3]等。但是，利用AIS 數據對大宗商品的價格和流向監測的，仍是空白。因此，本文結合物聯網數據，利用AIS 數據分析船舶行為、港口行為、船舶泊位特征，得到船舶運輸與大宗商品之間的聯系。

1 大宗商品運力流向與監控系統

本文設計了一種基于AIS 數據、IHS 數據和港口信息數據的大宗商品運力流向與監控系統。

AIS 提供的船舶動態數據包括但不限于：船舶位置、航速、航向、船名、呼號等重要信息。IHS 數據包含：港口泊位位置信息、停靠泊位船舶類型和船裝卸貨物種類信息等。港口信息包括：港口的位置信息等。為探尋不同數據之間的關系，本文對上述數據進行以下處理。

1.1 坐標轉換

采用墨卡托投影方法將AIS 船舶位置的經緯度變換成平面直角坐標系，如公式（1）～（4）所示

其中：ro為基準經緯度圈半徑，為常數；q為等量維度，a 為地球半徑，e 為橢球的第一偏心率，No為墨卡托基準維度卯酉圈曲率半徑，為墨卡托投影變換的基準維度。（L,B）為墨卡托變換輸出的經緯度，（xa，ya）是墨卡托直角坐標，利用該坐標計算任意兩點間的距離。

1.2 泊位信息整理

利用AIS 數據和IHS 數據對泊位信息進一步進行融合整理。

（1）對AIS 數據進行聚類的方式識別出泊位的位置范圍，并根據聚類出的泊位位置范圍來確定泊位的長度和方向；再通過AIS 數據中所包含的船舶類型數據來判斷泊位的停靠的船舶類型，若對于泊位位置范圍內的AIS 數據，如果有超過80%的AIS 數據中的船舶類型數據顯示的是A 類船舶，那么設定該泊位為A 類船舶泊位或A 類泊位。示例如圖1所示。

圖1 泊位聚類識別簡化結果

（2）再引入IHS 數據，對泊位裝卸貨物進行分析。使用公式（1）～（4）計算聚類泊位結果和IHS 數據中泊位坐標的距離；然后，將距離最近的IHS 泊位信息賦值給聚類識別出來的泊位，修正泊位聚類識別簡化結果。

（3）根據船舶靠泊前后的AIS 數據中的吃水數據的變化進行判斷，如果吃水差大于0，即進行了卸貨操作；反之，進行了裝貨操作。再統計分析歷史上某泊位范圍內船舶的歷史裝卸貨記錄，如果90%以上為裝貨操作，該泊位為裝貨泊位；如果90%以上為卸貨操作，該泊位為卸貨泊位。

1.3 港口及泊位屬性整理

在確定了泊位是裝貨泊位或卸貨泊位后，還需進一步確定泊位裝卸貨物種類。

（1）對于特種船，往往需要停在指定的特殊泊位上，因此只需分析這類特種船靠泊港口和泊位，即可確定港口和泊位裝卸貨的種類；

（2）通過分析泊位名稱字段來判斷泊位裝卸貨的種類。例如：帶有“COAL”字段的泊位，可認定為裝卸煤炭的泊位；

（3）由于IHS 數據中帶有部分泊位裝卸貨物的信息，通過分析整理IHS 數據，將裝卸貨物的信息融合到泊位信息之中；

（4）對于大宗干散貨，分析這些貨物的原產地，并根據原產地貨物廠區的坐標位置來識別周圍的泊位。

但是，以上方式并不能完全確定泊位裝卸貨物的種類，還需在后續研究中進一步探索分析。

1.4 船舶航次修正

分析大宗商品的動態之前，還需對船舶航次進行修正，以避免錯誤航次所帶來的分析誤差。方式如下。

1.4.1 丟港漏港

對于丟港漏港的情況，本文將通過以下方式進行識別和修補：

其中Diskj為船舶從k 港口駛向j 港口所用的總距離，Disk'j'為k 港口到j 港口實際的港口距離間隔，time_diff為某一個AIS 信息和它下一個AIS 信息上傳時間的間隔。如果Diskj和max（time_diff）滿足公式（5），則認為該航次存在丟港漏港的情況。另外，如果存在多次吃水變化，同樣也認定為丟港漏港情況。

1.4.2 丟港漏港修正

通過識別出來的漏港航段來匹配距離異常航段最近的港口，并篩選時間間隔最大的兩個數據點為丟漏港前后的AIS 點，通過航速計算到港和離港時間來修正丟漏港情況。

1.4.3 航行過程中的錨泊靠泊的航次拼接

部分船舶在穿越海峽時會進行錨泊或靠泊來進行加油或補給，該行為會導致航行狀態的中斷，因此需要對航程進行拼接，方式如下：

（1）對于需要進行先靠泊后穿越的海峽，對前后航程直接進行拼接；

（2）對于穿越海峽時發生的靠錨泊行為，如果前后航程吃水變化不大，且開始下一港和出發港為不同裝卸貨種類，則判斷中途存在船舶加油行為，對此類航程進行拼接。

2 數據統計與分析

本文將以鐵礦石為例子進行統計結果展示。船舶每一次的運輸量可以用船舶設計載重噸（deadweight，DWT）來表示。圖2展示的是2021年內滿載鐵礦石運輸到中國的船舶的總載重噸統計，從圖2中可以看出中國鐵礦石進口主要來源于澳大利亞和巴西，總量大約占到中國2021年鐵礦石進口總量的90%。

圖2 2021年中國鐵礦石進口來源占比

圖3展示的是2020年至今中國每年出口鐵礦石總量統計，從圖3可以看出，2021年相較于2020年出口總量有所下降。

圖3 2020年至今中國每年鐵礦石出口總量

圖4展示的是澳大利亞每月出口至中國的鐵礦石總量，2021年5月開始，澳大利亞出口到中國的鐵礦石總量有所下降，2022年年初澳大利亞出口到中國的鐵礦石總量下降到近兩年最低。

圖4 澳大利亞每月出口至中國的鐵礦石總量

根據船舶航次的出發港和結束港，可以對大宗商品的流向進行追蹤和統計。表1展示的是2021年澳大利亞出口到不同國家的鐵礦石總量。表2展示的是2021年澳大利亞的港口出口到不同港口的鐵礦石總量。

表1 2021年澳大利亞出口到不同國家的鐵礦石總量

表2 2021年澳大利亞的港口出口到不同港口的鐵礦石總量

3 結論

從統計結果上看，現在的統計結果已經可以在一定程度上反應市場情況，也能在市場發生異常時及時的發現和反饋，對于把控市場動向和探索市場規律有奠基作用，但和港口統計的結果仍有一定的差距。因此，后續的研究將繼續深入優化數據出來和提高泊位和貨物匹配的準確性。