基于多源水運大數(shù)據(jù)的貨運OD特征挖掘算法研究

陳冬 陳奕超 劉秀彩

摘 要：針對傳統(tǒng)水路貨運OD調查樣本少、成本高等問題，本次融合AIS數(shù)據(jù)、報港數(shù)據(jù)、港口地理信息數(shù)據(jù)等多源水運數(shù)據(jù)，建立了基于大數(shù)據(jù)技術的水路貨運OD特征挖掘算法，實現(xiàn)了對水上貨物運輸總量及主要貨種運輸流量、流向的分析，對輔助管理部門制定經(jīng)濟發(fā)展規(guī)劃、水運基礎設施規(guī)劃具有重要意義。

關鍵詞：AIS數(shù)據(jù);水路貨運OD;挖掘算法

中圖分類號：U695.2? ? ? ? ?文獻標識碼：A? ? ? ? ? ? 文章編號：1006—7973（2021）09-0094-03

1 概述

水運是綜合運輸體系中的一種重要運輸方式，具有運量大、能耗低、污染少等特點。水路貨運的起訖點（Origin and Destination，OD）不僅清晰地反映了地區(qū)經(jīng)濟的發(fā)展情況以及地區(qū)經(jīng)濟之間的直接聯(lián)系，而且反映了水運基礎設施（包括港口、航道、船閘、錨地等）的利用情況，因此及時準確地獲取水路貨運OD，對于輔助交通運輸管理部門制定經(jīng)濟發(fā)展規(guī)劃、港口航道基礎設施規(guī)劃具有重要意義。

傳統(tǒng)的水路貨運OD主要通過人工調研的方式獲得，通過人工在主要航道上記錄船舶及貨物的運輸情況，同時輔以交通統(tǒng)計年鑒資料、航道觀測點的交通量觀測資料、港口吞吐量統(tǒng)計資料，可基本分析出船舶和貨物的流量、流向規(guī)律。由于傳統(tǒng)方法僅為某段時間的調研數(shù)據(jù)，同時需要花費較大的人力物力，局限性較大，因此本次基于AIS數(shù)據(jù)、報港數(shù)據(jù)、港口地理信息數(shù)據(jù)等多源水運大數(shù)據(jù)，提出了全新的水路貨運OD計算方法。

2 多源水運數(shù)據(jù)準備

2.1 AIS數(shù)據(jù)

AIS數(shù)據(jù)來自于船舶自動識別系統(tǒng)，AIS報文信號經(jīng)過解析可以解讀為靜態(tài)信息、動態(tài)信息、航次信息、安全信息等四種不同類型的信息。其中，靜態(tài)信息包括船舶MMSI編號、船名、型寬、船上定位天線的位置等;動態(tài)信息包括UTC時間、對地航向、對地航速、船首向、航行狀態(tài)、傾角、轉向率等;航次相關信息包括船舶吃水深度、船舶運載的危險貨物類型、目的港口與預達時間、航線計劃等;安全信息主要為與船舶航行相關的航權消息等。

AIS數(shù)據(jù)主要用以判斷船舶和貨物的流向，本次以2019年某段時間內的江蘇省AIS數(shù)據(jù)為例開展研究，所需要用到的AIS數(shù)據(jù)信息主要有：MMSI（船舶呼號）、NAME1（船舶名稱）、L（船舶所在經(jīng)度）、B（船舶所在緯度）、TYPE1（船舶類型）;STAT（船舶狀態(tài)）、CTIME（測定該位置時的時間）。

2.2 報港數(shù)據(jù)

報港數(shù)據(jù)記錄了各港口船舶的裝卸信息，主要用于在貨物流向的基礎上進一步確定貨物的流量，報港數(shù)據(jù)信息具體包括船舶的中文船名、海船內河船標志、船舶種類、進（出）港標志、進（出）港時間、查驗機構、海事機構、簽證方式、總噸、載重噸、實載貨量、載/卸貨量、前吃水以及后吃水。

2.3 港口基礎設施地理信息數(shù)據(jù)

水路貨運OD以港口為起訖點，因此，本次應用GIS系統(tǒng)采集了江蘇省沿江沿海港口各作業(yè)區(qū)的地理信息數(shù)據(jù)，主要包括作業(yè)區(qū)名稱、位置坐標、所屬港區(qū)、所屬港口、所屬區(qū)縣、所屬城市、所屬省等信息。

3 貨運OD特征挖掘算法

3.1 數(shù)據(jù)預處理

AIS等運行數(shù)據(jù)在傳輸采集的過程中易出現(xiàn)信息缺失、錯誤、重復、異常等狀況，會對大數(shù)據(jù)的挖掘分析造成干擾，影響分析效果，因此需要對數(shù)據(jù)進行數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸約等預處理工作，本次主要對AIS船舶運行數(shù)據(jù)進行數(shù)據(jù)清理操作。

3.2 貨運OD特征挖掘算法

對水路貨運OD特征挖掘的關鍵在于通過船舶AIS軌跡數(shù)據(jù)準確地判斷船舶停靠點。本次利用聚類分析方法，將行駛速度小于0.5km/h，行駛距離大于10km，停泊時間大于3h的?？奎c初步判斷為水路貨運OD點;結合港口地理信息數(shù)據(jù)，應用射線法，進一步檢驗確定船舶的OD位置，同時結合報港數(shù)據(jù)確定每次貨運OD的貨種及運量。具體貨運OD特征挖掘技術路線如下圖所示。

3.3 貨運OD特征挖掘計算結果

圖4-圖7為本次江蘇省內水路貨運OD挖掘分析結果，可以看出該時段內江蘇省內沿江沿海船舶運輸主要在長江沿線城市間進行，泰州市、蘇州市、南通市等城市之間貨運聯(lián)系強度較大;同時研究時段內，干、散貨運輸區(qū)縣間貨運量較大的運輸線路主要為太倉市—靖江市、太倉市—鎮(zhèn)江市區(qū)、太倉市—南通市區(qū)、南京市區(qū)—太倉市區(qū);集裝箱運輸區(qū)縣間貨運量較大的運輸線路主要為海門市—南京市區(qū)、南京市區(qū)—常熟市、鎮(zhèn)江市區(qū)—海門市。

4 結語

本次利用AIS數(shù)據(jù)、報港數(shù)據(jù)、港口地理信息數(shù)據(jù)等多源數(shù)據(jù)，提出了基于大數(shù)據(jù)方法的水路貨運OD計算框架，實現(xiàn)了對水上貨物運輸總量及主要貨種運輸?shù)牧髁俊⒘飨蚍治?。由于原始?shù)據(jù)信息內容的限制，目前船舶貨運種類只能區(qū)分出散貨、集裝箱等貨運大類，因此，本計算方法在船舶貨運種類的細分上仍有進一步提升的需要，未來可以考慮通過進一步融合船舶身份信息、港口類別信息的方法，提升各水運貨種OD計算的準確性。

參考文獻：

[1]羌鵬. AIS船舶時空大數(shù)據(jù)分析和可視化技術研究 [D]. 大連：大連海事大學， 2020.

[2]陳龍彪，張大慶，李石堅等.基于海事大數(shù)據(jù)的港口感知計算 [J].地球信息科學，2016，18（11）：1485-1493.