劉鑫鑫， 韓 懿

(中遠海運科技股份有限公司，上海 200135)

0 引 言

近年來，船舶自動識別系統(tǒng)(Automatic Identification System，AIS)在船上得到廣泛應用，裝有AIS的船舶通常配合全球定位系統(tǒng)(Global Positioning System，GPS)，將船位、船速、改變航向率和航向等船舶動態(tài)數(shù)據(jù)與船名、呼號、船型、吃水和危險貨物等船舶靜態(tài)信息相結(jié)合，實時向外廣播，為航運企業(yè)和海事機構(gòu)等進行船舶安全管理提供基礎數(shù)據(jù)。當前，在信息技術不斷發(fā)展的大背景下，AIS數(shù)據(jù)已從服務航行安全保障走向服務航運企業(yè)的經(jīng)營管理和行業(yè)決策，成為航運大數(shù)據(jù)挖掘的基礎信息，幫助企業(yè)對船舶管理、成本核算、風險控制和運力分配等進行優(yōu)化。

在已有研究中：張智凱等[1]在總結(jié)多泊位油品碼頭平面布置要點時指出了泊位空間平面布置的重要性；汪士寒等[2]基于排隊論，對鼠浪湖鐵礦石碼頭泊位的布局進行了優(yōu)化研究，指出鼠浪湖泊位優(yōu)化方案是基于泊位位置和具體信息得到的。這些研究都是在單個港口的靜態(tài)泊位數(shù)據(jù)的基礎上開展的。為進一步研究泊位對港口作業(yè)的影響，找出泊位的具體位置尤為重要。葉仁道等[3]提出采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)密度聚類算法研究船舶停泊點，雖然采用DBSCAN聚類了船舶在海上的停泊點，但只是進行了初步的聚類，沒有對聚類結(jié)果進行處理，獲取的只是海上一些零散的點，且聚類的是海上的停泊點而非泊位，不具備成為普遍實用性數(shù)據(jù)產(chǎn)品的可行性。2018年，中遠海運科技股份有限公司開始基于大數(shù)據(jù)技術和數(shù)據(jù)服務技術研發(fā)航運數(shù)據(jù)中臺，目標是應用海量的AIS數(shù)據(jù)、港口基礎數(shù)據(jù)和水文氣象數(shù)據(jù)實現(xiàn)對船舶航行全生命周期內(nèi)行為的動態(tài)識別，并進一步將該平臺拓展應用到港口動態(tài)監(jiān)控、航線識別與動態(tài)監(jiān)控、船隊運營情況和大宗商品運力監(jiān)控等領域中。本文主要對港口泊位的位置進行研究，實現(xiàn)泊位從靜態(tài)信息到動態(tài)信息的自動化識別，用于對泊位作業(yè)狀態(tài)進行實時監(jiān)控,對歷史數(shù)據(jù)進行分析,并實現(xiàn)數(shù)據(jù)可視化，為船舶、港口的作業(yè)計劃優(yōu)化和風險管理提供參考。

1 數(shù)據(jù)采集

本文基于船舶AIS歷史數(shù)據(jù)、船舶動態(tài)信息和船舶靜態(tài)信息，采用DBSCAN密度聚類算法對全球4 079個港口的泊位進行自動識別，得到泊位的位置、方向、岸線長度和類型等信息，用于實時跟蹤船舶在港作業(yè)動態(tài)，分析泊位歷史作業(yè)情況。圖1為某船舶某個完整航次的動態(tài)信息和氣象條件。

圖1 某船舶某個完整航次的動態(tài)信息和氣象條件

本文研究的基礎數(shù)據(jù)主要為AIS歷史數(shù)據(jù)、船舶在港動態(tài)信息和船舶靜態(tài)信息。AIS主要將航運動態(tài)定義為航行、錨泊、靠泊和擱淺等4種，分別用0、1、5和6表示，航運數(shù)據(jù)中臺基于AIS動態(tài)數(shù)據(jù)實現(xiàn)對船舶行為的識別，即對所有船舶靠泊行為的識別(如圖1所示)。以錦州港為例，從船舶歷史動態(tài)數(shù)據(jù)中提取的歷史靠泊數(shù)據(jù)見圖2。從船舶歷史動態(tài)數(shù)據(jù)中提取的數(shù)據(jù)字段說明見表1。

圖2 從船舶歷史動態(tài)數(shù)據(jù)中提取的歷史靠泊數(shù)據(jù)

表1 從船舶歷史動態(tài)數(shù)據(jù)中提取的數(shù)據(jù)字段說明

2 算法比較及選擇

常見的聚類算法主要有基于密度的聚類方法(代表算法為DBSCAN算法)、基于層次的聚類方法(代表算法為BIRCH算法)和基于劃分的聚類方法(代表算法為K-Means算法)等3類。此外還有一些基于這3類算法的衍生算法。本文主要對K-Means算法和DBSCAN算法進行對比分析。

2.1 K-Means算法

在應用K-Means算法時,需先確定樣本類的個數(shù)n，從樣本中隨機挑選n點作為類心，迭代更新類心,直到類心不再改變，流程如下：

1)在樣本中隨機選取K個點，作為每一類的中心點。

2)計算余下n-K個樣本點到每個聚類中心的距離(距離有很多種，這里采用歐式距離)。對于每個樣本點，將其歸到與其距離最近的聚類中心所屬的類中。

3)重新計算每個聚類中心的位置，步驟2)中得到的結(jié)果是n個點都有自己所屬的類，對每一類內(nèi)的所有點取平均值(這里假設是二維空間，即對x坐標和y坐標分別取平均值)，計算出新的聚類中心。

4)重復步驟2)和步驟3)的操作，直到所有的聚類中心不再改變。

2.2 DBSCAN密度聚類算法

DBSCAN密度聚類算法是基于密度的聚類算法，在應用該算法時,不需要預先確定簇的個數(shù)，只需設置半徑eps和半徑內(nèi)最少點的個數(shù)min_samples即可。該算法將數(shù)據(jù)點分為3類，其中：核心點是在半徑eps內(nèi)點的數(shù)量超過min_samples的點；邊界點是在半徑eps內(nèi)點的數(shù)量小于min_samples，但落在核心點的鄰域內(nèi)的點；噪聲點是核心點和邊界點以外的點。主要概念定義如下。

1)直接密度可達：給定一個對象集合D，若對象p在對象q的eps鄰域內(nèi)，而對象q是一個核心對象，則稱對象p從對象q出發(fā)時是直接密度可達的。

2)密度可達：若存在一個對象鏈p1,…,pi,…,pn，滿足pi=p和pn=q,pi是從pi-1出發(fā)時關于eps和min_samples直接密度可達的，則對象q是從對象p出發(fā)時關于eps和min_samples密度可達的。

3)密度相連:若存在對象O∈D，使對象p和q都是從O出發(fā)時關于eps和min_samples密度可達的，則對象p到q是關于eps和min_samples密度相連的。

DBSCAN算法原理[4]如下：

1)DBSCAN通過檢查數(shù)據(jù)集中每點的eps鄰域搜索簇，若點p的eps鄰域內(nèi)包含的點多于min_samples個，則創(chuàng)建一個以p為核心對象的簇；

2)DBSCAN迭代地聚集從這些核心對象出發(fā)時直接密度可達的對象，這個過程可能涉及一些密度可達簇的合并；

3)當沒有新的點添加到任何簇時，該過程結(jié)束。

2.3 算法選擇

研究初期選定的算法是K-Means算法，采用該算法的關鍵在于確定類的數(shù)量，通過搜索引擎搜索港口泊位的真實信息。在應用該算法過程中存在幾個無法避免的問題。

1)泊位數(shù)(即類的個數(shù))不能準確獲取。很多港口的泊位情況并沒有在網(wǎng)絡上實時更新，通過搜索引擎搜索，搜索到的泊位數(shù)量并不準確。

2)由于漂移等問題，AIS原始數(shù)據(jù)中會有很多噪聲點或錯誤的船舶狀態(tài)信息，在此情況下按真實泊位數(shù)量聚類，會導致一些分開的泊位聚在同一個類中，或同一個泊位聚在不同的類中。

以錦州港為例，首先搜索到該港有24個泊位(更新時間為2019年9月)，采用K-Means算法進行聚類，結(jié)果見圖3。圖3中：不同的顏色代表不同的泊位；方框部分沒有分開，方框內(nèi)應該是同一泊位，但被分到了2個泊位中；右下角很多零散的泊位被分到了一起作為1個泊位，這樣的效果非常不理想。

圖3 采用K-Means算法聚類的效果

為避免K-Means算法存在的上述問題，嘗試采用DBSCAN算法。該算法的優(yōu)勢在于不需要提前設置類的個數(shù)，只需設置搜索半徑和半徑內(nèi)點的最少個數(shù)，對不規(guī)則圖形有較好的聚類效果。圖4為采用DBSCAN算法聚類的效果。從圖4中可看出，方框內(nèi)的泊位被較好地聚類了出來，右下角的零散泊位也得到了很好的分類。

圖4 采用DBSCAN算法聚類的效果

上述聚類算法各有優(yōu)劣，可根據(jù)不同的應用場景選擇合適的聚類算法。本文主要對AIS靠泊數(shù)據(jù)進行聚類，首先排除圖團體檢測，圖團體檢測使用場景為數(shù)據(jù)可被表示為網(wǎng)絡或圖。由于在聚類之前無法獲取泊位的具體個數(shù)，從網(wǎng)絡上獲取的泊位數(shù)據(jù)不完整且準確度不夠高，因此不能采用K-Means算法和高斯混合模型。

DBSCAN聚類算法、凝聚層次聚類算法和均值漂移聚類算法都不需要先確定類的數(shù)量。凝聚層次聚類算法的復雜度較高，不適合計算數(shù)量巨大的數(shù)據(jù)，同時對奇異值比較敏感，在AIS數(shù)據(jù)質(zhì)量較低的情況下不適合采用該算法。相對于均值漂移算法，DBSCAN聚類算法對異常數(shù)據(jù)不敏感，且能發(fā)現(xiàn)任意形狀的簇，非常符合課題需要，可較好地擬合出泊位的形狀和大小。

3 算法設計和實現(xiàn)

3.1 算法工作流程

DBSCAN聚類算法的工作流程(見圖5)如下：

圖5 DBSCAN聚類算法工作流程

1)提取某港口的靠泊數(shù)據(jù)，包括船舶的水上移動通信業(yè)務標識碼(Maritime Mobile Service Identify，MMSI)、靠泊時間、艏向和經(jīng)緯度坐標。

2)對數(shù)據(jù)進行分類。

(1)按集裝箱船、液散船、干散貨船、客船和其他船型等類別,將不同類型的船分開；

(2)分離出可能要修理的船，?？繒r間大于200 h的船屬于修理船。

3)對泊位進行聚類，采用DBSCAN算法對不同類型船舶的靠泊位置坐標進行計算。

4)獲取泊位特征。

(1)計算每個簇的中心點。

(2)計算簇的長度。

(3)計算簇的方向。

① 若有艏向，則取艏向的眾數(shù)作為泊位方向；

② 若沒有艏向，則以簇內(nèi)距離最遠的2個點連線的方向作為泊位方向。

5)根據(jù)泊位內(nèi)靠泊船舶的類型，按“泊位類型+序號”的形式對泊位進行命名。

6)將計算結(jié)果輸出到數(shù)據(jù)庫中。

7)前端調(diào)用數(shù)據(jù)庫,并將其可視化到地理信息系統(tǒng)(Geographic Information System，GIS)地圖上。

3.2 關鍵步驟實現(xiàn)

本文研究的關鍵步驟為確定DBSCAN聚類參數(shù)、泊位位置、岸線長度和泊位類型。

3.2.1 確定DBSCAN聚類參數(shù)

DBSCAN聚類參數(shù)有eps和min_samples 2個。

1)對于參數(shù)eps，由于輸入的坐標是地理上的經(jīng)緯度坐標，需將傳統(tǒng)距離通過單位變換轉(zhuǎn)換到地理坐標系中。經(jīng)緯度單位與國際長度單位之間的變換關系為：赤道上經(jīng)度1°為111 km；經(jīng)線上緯度1°為111 km；其他緯線上經(jīng)度1°為111 km×cosA(A為緯度)。

首先確定eps，若eps的值過大，會導致噪聲點被歸入到類內(nèi)，類的數(shù)量會比較少；若eps的值過小，會導致類的數(shù)量過多。根據(jù)實際情況，eps的取值范圍為20～200 m，對應到地理坐標系上約為0.000 2°～0.002 0°。

2)對于參數(shù)min_samples，若其值過大，會導致離群點變多，類變多，同一個泊位被劃分到2個不同的類中;若min_samples的值過小，會導致簇中包含過多的離群點。

3.2.2 確定泊位位置和岸線長度

首先確定各泊位的中心點，各泊位中數(shù)據(jù)點的外形為長條形，可根據(jù)類內(nèi)經(jīng)緯度極值的平均值獲取類的中心點，有

(1)

(2)

式(1)和式(2)中：λcenter和φcenter分別為類的中心點的經(jīng)度和緯度；λmax和λmin分別為類內(nèi)經(jīng)度的極大值和極小值；φmax和φmin分別為類內(nèi)緯度的極大值和極小值。

其次確定泊位的長度和方向，其中泊位長度L的計算式為

(3)

最后根據(jù)泊位的方向確定泊位的2個端點。泊位方向優(yōu)先考慮采用船舶?？繒r的方向，即艏向?？坎磿r艏向的眾數(shù)定義為泊位方向。采用三角函數(shù)計算，以泊位長度為斜邊長，假設中心點為泊位方向角的頂點，計算端點與中心點的相對位置差。

(4)

(5)

根據(jù)經(jīng)緯度坐標差計算2個端點P1和P2的值,有

P1=(λcenter+λral,φcenter+φral)

(6)

P2=(λcenter-λral,φcenter-φral)

(7)

然而，有很多艏向數(shù)據(jù)缺失，使得艏向不能單純作為泊位方向。由于通過觀察發(fā)現(xiàn)船舶都是靠著泊位?？康?，數(shù)據(jù)可視化形狀為長條形，因此可根據(jù)類的形狀確定泊位的方向。先取類內(nèi)的2個極值點，即經(jīng)度最大和最小的2個點，取二者的緯度值，分為2種情況(圖6和圖7)。

圖6 無艏向情況1

圖7 無艏向情況2

1)最大經(jīng)度點的緯度值小于最小經(jīng)度點的緯度值為情況1，此時泊位2個端點為

P1=(λmin,φmin)

(8)

P2=(λmax,φmax)

(9)

2)最大經(jīng)度點的緯度值大于最小緯度值點的緯度值為情況2，此時泊位2個端點為

P1=(λmin,φmax)

(10)

P2=(λmax,φmin)

(11)

3.2.3 確定泊位類型

確定泊位的位置、方向和長度之后就可將泊位可視化在地圖上，但在實際中不同泊位的船舶靠泊狀態(tài)和作業(yè)狀態(tài)是不同的，因此要區(qū)分不同泊位的類型。本文根據(jù)每個分類中船舶的主要類型確定泊位的類型。

將所有處于跟蹤動態(tài)的船舶分為集團船和非集團船2種，由于非集團船相關資料的準確性未得到驗證，故優(yōu)先使用集團船確定泊位類型。若類內(nèi)集團船只有1種類型，則可直接確定泊位的類型。若類內(nèi)集團船有2種類型，其中80%以上為1種船型，另外有一些是液散船，可考慮少部分船為加油船，泊位類型依舊按占比80%以上的船型判斷。若類內(nèi)集團船有多種船型，則設置泊位為通用型，其中液散船由于其特殊性，只能在特定的泊位停靠泊，將其細分為液化石油氣(Liquefied Petroleum Gas,LPG)船、液化天然氣(Liquefied Natural Gas，LNG)船和原油船。當類內(nèi)都是液散船時，若其中有LNG船、LPG船和原油船，則優(yōu)先將泊位類型確定為LPG船泊位、LNG船泊位和原油船泊位。類似的，當類內(nèi)有鐵礦石船時，優(yōu)先將泊位確定為鐵礦石船泊位。此外還有一種重要的泊位類型，即修理泊位，該類型泊位需單獨確定，對靠泊時長超過200 h的船進行聚類，聚類出來的泊位即為修理泊位，修理泊位由于其特殊性，后期需單獨確認其可靠性。

4 結(jié)果和結(jié)論

采用DBSCAN聚類算法計算各港口的泊位信息，輸出的內(nèi)容為每個泊位的關聯(lián)港口代碼、類型、中文名稱和位置線的點坐標(見圖8)。

圖8 聚類并處理后的結(jié)果

目前該航運數(shù)據(jù)中臺已基于DBSCAN聚類算法挖掘出全球4 079個港口34 954個泊位，并結(jié)合GIS地圖進行了展示，以錦州港為例，聚類結(jié)果地圖展示見圖9，美國IHS公司數(shù)據(jù)源泊位與采用DBSCAN聚類算法聚類結(jié)果綜合展示見圖10。圖10中共有27個泊位,其中有1個液散泊位未被IHS收錄,IHS數(shù)據(jù)源泊位中有1個泊位采用該算法未找到。出現(xiàn)該問題的主要原因在于,該泊位樣本點較少,隨著數(shù)據(jù)的增加,通過該算法,可根據(jù)實際情況找到該泊位。相對于IHS數(shù)據(jù)源,該算法更靈活,可根據(jù)數(shù)據(jù)的增加找到新增泊位。綜合所有港口，采用該算法的泊位位置識別準確率可達到90%，部分泊位會出現(xiàn)類型錯誤和多個泊位被識別為1個的情況，這些問題將在后續(xù)優(yōu)化中予以解決。

圖9 聚類結(jié)果地圖展示圖

圖10 IHS數(shù)據(jù)源泊位與聚類結(jié)果綜合展示

5 結(jié) 語

本文采用DBSCAN密度聚類算法識別出了港口泊位的位置、方向、長度和類型等信息。根據(jù)全球港口的泊位信息，可使船舶動態(tài)跟蹤更加準確，有利于船公司對船舶進行數(shù)字化管理，有利于港航數(shù)字化協(xié)同。

下一步的主要工作是對泊位信息進行動態(tài)修正和動態(tài)監(jiān)控,并對歷史數(shù)據(jù)進行分析。例如，隨著數(shù)據(jù)維度的繼續(xù)增加，可對泊位信息進行更準確的描述，將泊位名稱、岸線長度變化、前沿吃水變化和適合作業(yè)的船型等擴充到泊位信息中。