張健豪，韓懿

（中遠(yuǎn)海運科技股份有限公司，上海 200135）

1 引言

自2020年以來，全球新冠疫情蔓延，港口擁堵已成為物流供應(yīng)鏈中的瓶頸，給班輪運輸?shù)姆€(wěn)定性造成了很大的影響。美國是感染人數(shù)較多的國家，由于碼頭工人和卡車司機大量感染，造成人員短缺，長灘港和洛杉磯港出現(xiàn)了長期擁堵，國際海運物流供應(yīng)鏈?zhǔn)艿絿?yán)重影響。船舶在港擁堵滯留問題，直接增加了航運企業(yè)的經(jīng)營成本，以及影響全球物流供應(yīng)鏈的正常運行。據(jù)統(tǒng)計，2021年90%?？棵绹迳即壐垩b卸作業(yè)的船舶直接駛向錨泊等待，平均錨泊時間達(dá)7.8 天。據(jù)美國CNN 新聞報告，洛杉磯港和長灘港在2021年的漂航船舶數(shù)量達(dá)到歷史峰值。

正常情況下港口擁堵表現(xiàn)為船舶錨泊時間長，但洛杉磯港和長灘港的情況無法用錨泊時間來衡量，因為錨地有限，引發(fā)大量的船舶漂航，這對人力成本和能源消耗是一種巨大的浪費。目前業(yè)界對港口擁堵期船舶無效航行的研究較少，無法直接獲得準(zhǔn)確的無效航行時間。我們現(xiàn)在提出一種基于船舶自動識別系統(tǒng)（Automatic Identification System，以下簡稱“AIS”）中船舶航行模式的識別方法。該方法是通過設(shè)定目的港考察相關(guān)集裝箱船舶的航行速度和里程的變化，通過分段計算速度和里程找到并標(biāo)識無效航線開始的時間和位置，判斷船舶的航行狀態(tài)進(jìn)而計算在港船舶等待時間來評估港口的擁堵狀態(tài)，用于航運經(jīng)營人合理調(diào)配運輸航線、港口生產(chǎn)調(diào)度和行業(yè)管理部門決策參考。本文通過一系列統(tǒng)計變點分析方法處理和分析AIS 數(shù)據(jù)，并通過真實案例和歷史數(shù)據(jù)驗證了提出方法的實用性和有效性。

2 研究方法

2.1 主要原理

目前AIS 系統(tǒng)中對船舶航行狀態(tài)規(guī)定：0 代表“航行”，1 代表“錨泊”，5 代表“系泊”。但0 狀態(tài)無法識別漂航，因此僅看這個字段會產(chǎn)生誤判，我們無法區(qū)分有效航行和無效、低效航行。

我們通過利用AIS 動態(tài)數(shù)據(jù)，基于一些統(tǒng)計學(xué)習(xí)的相關(guān)算法，并結(jié)合業(yè)務(wù)邏輯，提出一種新穎的船舶航行模式識別。我們提出的航行行為識別方法來源于統(tǒng)計信號識別，此方法可以有效地將航程分割成若干段，為后續(xù)的數(shù)據(jù)分析提供指導(dǎo)意義。

2.2 實施步驟

現(xiàn)以集裝箱班輪運輸為例，通過數(shù)據(jù)采集和預(yù)處理等五個步驟來實施。

（1）數(shù)據(jù)采集和預(yù)處理。識別航線過程中需要集裝箱船的AIS 靜態(tài)和動態(tài)信息、集裝箱班輪掛港情況、港口信息等，具體來說包括船舶的水上移動通信業(yè)務(wù)標(biāo)識碼（Maritime Mobile Service Identify，以下簡稱“MMSI”）、船型、每個航段的起始和結(jié)束時間及起終點港口、港口所屬的國家和區(qū)域、港口經(jīng)緯度。獲得上述數(shù)據(jù)后，先對AIS 數(shù)據(jù)進(jìn)行預(yù)處理，去掉AIS 有問題（如缺失過多）、修船、起始港和終點港有缺失或港口為未知的數(shù)據(jù)以及起點港與終點港為相同港口的數(shù)據(jù)，并將起始港和終點港分別匹配到相應(yīng)的國家和區(qū)域。由于AIS 數(shù)據(jù)的采集不均勻，我們需要對任何兩個港口之間的AIS 數(shù)據(jù)進(jìn)行降采樣處理，通過降采樣，數(shù)據(jù)量將由原來的上萬條變成上千條，大大地減少了計算成本，提高了運行速度。

（2）基于機器學(xué)習(xí)算法識別船舶航行行為?；谏鲜鎏幚磉^的AIS 動態(tài)數(shù)據(jù)，我們使用fused lasso 算法，以及變點分析（change point analysis）方法對集裝箱船舶的航行行為進(jìn)行數(shù)據(jù)挖掘。

（3）結(jié)合業(yè)務(wù)邏輯對識別出的航線進(jìn)行進(jìn)一步處理。由于fused lasso 算法和變點分析方法只是從統(tǒng)計學(xué)的角度對航速進(jìn)行處理，我們同樣也需要結(jié)合業(yè)務(wù)邏輯對獲得的分段航速進(jìn)行解釋。在這里我們規(guī)定接近20節(jié)（海里每小時）的航段代表高速正常航向，接近0 節(jié)的航段代表無效航行（漂航）。

（4）航線相關(guān)信息提取及分類。為了避免速度分段過程中出現(xiàn)由于航速缺失造成找到的航段不匹配的問題，數(shù)據(jù)需要進(jìn)一步地清洗。我們添加航速的插值數(shù)據(jù)，對缺失的航速數(shù)據(jù)進(jìn)行補全；根據(jù)航線經(jīng)過的港口信息，將航線匹配到相應(yīng)的國家和區(qū)域；找出航段的起始時間和終止時間，確定該航線運營的相關(guān)年份時間信息；根據(jù)目的港對航行行為進(jìn)行分類，包括近期擁堵港口以及正常港口。

（5）航線航行行為識別及監(jiān)控。對于設(shè)定的任意兩個港口，我們可以找到所有航行于這兩個港口船舶的航行行為，根據(jù)已經(jīng)定義好的航線進(jìn)行航速統(tǒng)計和航行行為分析。

3 主要創(chuàng)新點

（1）創(chuàng)新識別船舶航行狀態(tài)。運用統(tǒng)計學(xué)方法，結(jié)合船舶自動識別系統(tǒng)數(shù)據(jù)特點和集裝箱航行特征，完成船舶航行模式的識別。

（2）創(chuàng)新航行行為標(biāo)準(zhǔn)，為航行監(jiān)控和港口擁堵分析提供了支撐。同時保留了各航線的船型信息，實現(xiàn)對任意一個目的港港口的任意一個時間段的船舶航行行為，即航線、船型的動態(tài)查詢。

（3）計算出真實航線時間和無效航行時間。

4 真實數(shù)據(jù)分析

下面我們以MMSI 為373233000 的集裝箱船為例，對提出方法的可行性和有效性進(jìn)行驗證。

4.1 數(shù)據(jù)采集和預(yù)處理

首先從數(shù)據(jù)庫中取出MMSI 為373233000 的集裝箱船的AIS 歷史動態(tài)數(shù)據(jù)。清洗后的數(shù)據(jù)如圖1所示，其中圖中的每一點代表單位小時內(nèi)的平均速度，通過計算整點時間內(nèi)實際航行距離，以及整點時間內(nèi)的實際航行時間的比值得到。

圖1 MMSI 為373233000 的集裝箱船數(shù)據(jù)預(yù)處理結(jié)果

4.2 基于統(tǒng)計學(xué)習(xí)算法識別航行行為

根據(jù)清洗后數(shù)據(jù)，我們做出船舶的歷史航速圖，并使用fused lasso 算法和變點分析方法尋找歷史航速的多個突變節(jié)點。兩種方法的結(jié)果如圖2所示，可以看出識別結(jié)果的差別不大，兩種方法都可以準(zhǔn)確地刻畫航速變化趨勢。為了方便闡述，下文僅以變點分析方法的結(jié)果進(jìn)行解釋和分析。

圖2 MMSI 為373233000 的航速使用變點分析方法分段結(jié)果

圖3 MMSI 為373233000 的航速使用fused lasso 分段結(jié)果

4.3 結(jié)合業(yè)務(wù)邏輯對識別出的航行行為進(jìn)行進(jìn)一步處理

結(jié)合業(yè)務(wù)邏輯，對上述航行過程進(jìn)行時間信息匹配，可以識別出大致四個航行狀態(tài)，它們分別是：低速啟航段，高速平穩(wěn)段，減速突變段，無效漂航段。其中最復(fù)雜并且最需要的是無效漂航段。通過分析，MMSI為373233000 的船舶真實航行時間為496 小時。

由圖2可以看出，該集裝箱船在開始航行的第600多小時開始航速小于2 節(jié)，且持續(xù)時間長達(dá)約52 小時，此時的航行距離已經(jīng)超過港間距的上限，所以可以判定該船有無效航行狀態(tài)也就是漂航狀態(tài)。一般基于數(shù)據(jù)觀測的經(jīng)驗，我們可以設(shè)定無效航行狀態(tài)為：航速小于2節(jié)持續(xù)12 小時并且航行距離超過港間距的70%。一旦識別出漂航的開始的時間節(jié)點，我們可以計算開始漂航到開始靠泊的時間，并將此段時間作為漂航的持續(xù)時間。

4.4 航線相關(guān)信息提取及分類

提取目的港為長灘港和洛杉磯港在2021年9月到2022年1月內(nèi)的所有集裝箱船，根據(jù)之前的方法做類似的數(shù)據(jù)分析。最終結(jié)果顯示有漂航狀態(tài)的集裝箱船舶大約占所有集裝箱船的20%，說明了港口擁堵非常嚴(yán)重。

4.5 集裝箱班輪航線行為識別及監(jiān)控

根據(jù)已經(jīng)識別出的航行行為可以對經(jīng)過任意兩港的集裝箱班輪航線進(jìn)行航行行為識別，進(jìn)而可以進(jìn)行港口擁堵分析。

5 港口擁堵中的應(yīng)用

目前AIS 數(shù)據(jù)中缺少判斷漂航的字段，不能自動識別港口真實擁堵情況。為了更加有效地掌握每個目的港的擁堵狀態(tài)，我們以2021年目的港為洛杉磯港和長灘港的所有集裝箱船舶為例，判斷出漂航的船舶，并記錄漂航船舶每天累計的漂航時間，更加具體地刻畫出洛杉磯港和長灘港的擁堵狀況。

2021年11月16日，為了減少洛杉磯港和長灘港附近錨泊的船舶，改善空氣質(zhì)量，提高港口的安全性。太平洋海事協(xié)會、太平洋商船協(xié)會和南加州海事交易所制定一種新的集裝箱船排隊流程，該程序讓船只在外海等待，而不是在港口附近的錨地和游蕩區(qū)等待。

由于現(xiàn)有通過港口等泊時間評價擁堵情況不準(zhǔn)確，比如洛杉磯港和長灘港擁堵前期擁堵，錨地狹小，已有部分船舶產(chǎn)生漂航，洛杉磯港和長灘港新政后，港口排隊禁止錨泊進(jìn)一步加劇了漂航，大量船舶開始漂航，因此無法獲得漂航的時間和里程。

以2021年的AIS 數(shù)據(jù)為例，在圖4中我們可以發(fā)現(xiàn)在洛杉磯港和長灘港2021年11月16日出臺新規(guī)則之前，每天累計漂航集裝箱船舶的數(shù)量長期處于高位，因此代表港口的嚴(yán)重?fù)矶隆ｋS著新規(guī)的實施，漂航船舶數(shù)量得到極大地減少。同樣的方法可以應(yīng)用在全球所有的港口中，從而可以實時掌握港口的擁堵狀態(tài)。

圖4 2021年9月到2022年1月間目的港為長灘港和洛杉磯港的漂航集裝箱船舶數(shù)量走勢圖

6 總結(jié)與展望

隨著海上交通智能化，船舶配備了大量先進(jìn)的信息技術(shù)、通訊技術(shù)和網(wǎng)絡(luò)技術(shù)，從而產(chǎn)生海量的數(shù)據(jù)。對航運大數(shù)據(jù)，通過結(jié)合實際不斷挖掘數(shù)據(jù)的內(nèi)在價值，讓數(shù)據(jù)在科學(xué)管理、經(jīng)營決策等方面發(fā)揮應(yīng)有的作用，通過不斷創(chuàng)新數(shù)據(jù)運用，為航運業(yè)高質(zhì)量發(fā)展提供支持保障。本文基于統(tǒng)計機器學(xué)習(xí)來識別船舶低效航行狀態(tài)行為新方法，用于判斷港口的擁堵情況，為港航企業(yè)經(jīng)營管理決策參考。