賀 瀧

（中國(guó)地質(zhì)大學(xué)（武漢）海洋學(xué)院, 湖北武漢 430074）

大型船舶靠泊是海上交通運(yùn)輸中的一個(gè)重要環(huán)節(jié), 一旦發(fā)生事故, 容易造成人員傷亡、港口設(shè)施損壞、船舶和貨物受損的嚴(yán)重后果。這些事故的發(fā)生會(huì)損害航運(yùn)公司和港口公司的聲譽(yù), 從而導(dǎo)致業(yè)務(wù)量下降。更嚴(yán)重的還會(huì)使船舶運(yùn)輸?shù)呢浳锷⒙浠蛉加托孤? 從而污染海洋環(huán)境。所以, 大型船舶在靠泊過程中發(fā)生事故造成的損失巨大, 各國(guó)港口管理當(dāng)局為了減少船舶在港區(qū)發(fā)生事故, 對(duì)船舶靠泊安全都非常重視（Debnath et al., 2011）。近年來, 為了適應(yīng)全球航運(yùn)市場(chǎng)激烈競(jìng)爭(zhēng)的環(huán)境, 各航運(yùn)和港口公司加快了碼頭的物流運(yùn)作, 導(dǎo)致停泊作業(yè)倉促進(jìn)行, 使船舶發(fā)生事故的風(fēng)險(xiǎn)增加（Hsu, 2012）。船舶發(fā)生的事故中, 碰撞事故所占比例最高（Debnath and Chin, 2010；Hsu, 2012）。碰撞事故大多發(fā)生在船舶靠泊過程中（Wen-Kai, 2015）。因此, 為了減少船舶事故, 船舶靠泊安全的問題必須考慮。

為了保障船舶靠泊安全, 各文獻(xiàn)從不同角度對(duì)保障船舶安全靠泊進(jìn)行研究。如陳航（2005）、蔡長(zhǎng)泗（2005）和閆曉飛（2016）介紹了使用激光技術(shù), 彭國(guó)均等（2012）使用兩點(diǎn)定位差分全球定位系統(tǒng)（DGPS）、船舶自動(dòng)識(shí)別系統(tǒng)（AIS）和無線網(wǎng)絡(luò)通信技術(shù)（Wi-Fi）設(shè)計(jì)輔助靠泊儀。以上這些技術(shù)主要是為了精確提供船舶在泊位附近的動(dòng)態(tài), 對(duì)船舶靠泊措施是否正確沒有給出決策判斷[1］。為此, 一些文獻(xiàn)使用數(shù)據(jù)統(tǒng)計(jì)的方法統(tǒng)計(jì)船舶靠泊速度的分布情況, 如肖瀟（2014）和黃澤洋（2016）使用最小二乘法擬合船舶航速與碼頭距離之間的關(guān)系曲線, 說明船舶在靠泊過程中航速的分布規(guī)律。Roubos（2017）對(duì)鹿特丹港各種船型靠泊速度在不同泊位和操縱條件下進(jìn)行測(cè)量, 得出靠泊速度與船舶尺度、裝載狀態(tài)、海洋結(jié)構(gòu)類型、防撞系統(tǒng)、港口遮蔽情況、靠泊方案之間的關(guān)系[2］。近年來, 隨著人們對(duì)航運(yùn)安全的重視和自動(dòng)控制技術(shù)的發(fā)展, 為了避免由于人為因素的失誤而導(dǎo)致船舶靠泊時(shí)碰撞碼頭事故的發(fā)生, 一些文獻(xiàn)在自動(dòng)靠泊上進(jìn)行了研究并取得了一些成果。如Ahmed（2013）、Tran（2013）和Im（2018）使用教學(xué)數(shù)據(jù)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練, Mizuno（2012）使用非線性的動(dòng)態(tài)模型（MMG模型）和圖像處理單元（GPU）, Zhang（2017）使用MMG模型和比例-積分-微分控制器（PID）實(shí)現(xiàn)船舶自動(dòng)靠泊。這些研究大多都是基于仿真數(shù)據(jù)或者固定模型控制船舶靠泊行為, 沒有考慮各碼頭的環(huán)境差異對(duì)船舶靠泊行為的影響[3-4］。船舶在實(shí)際靠泊中, 由于各碼頭的環(huán)境條件差異較大, 需要根據(jù)碼頭環(huán)境條件配置船舶靠泊行為智能監(jiān)控設(shè)備, 幫助船舶操縱人員和碼頭管理人員監(jiān)視船舶靠泊行為是否正常, 并根據(jù)實(shí)際情況及時(shí)給出預(yù)警。而如何構(gòu)建各船型在不同環(huán)境條件下停靠不同碼頭的靠泊行為模型, 并對(duì)新的靠泊行為進(jìn)行判斷是配置船舶靠泊行為智能監(jiān)控設(shè)備和指導(dǎo)船舶自動(dòng)靠泊的基礎(chǔ)環(huán)節(jié)。為此, 本文設(shè)計(jì)了一種基于局部異常因子（LOF）, 使用船舶歷史軌跡和對(duì)應(yīng)的風(fēng)、流和潮汐數(shù)據(jù)建立船舶靠泊行為模型, 并對(duì)異?？坎葱袨榻o出預(yù)警的系統(tǒng)設(shè)計(jì)。

1 靠泊行為監(jiān)控系統(tǒng)框架

由于船舶行為分析需要處理大量的船舶軌跡數(shù)據(jù)和環(huán)境數(shù)據(jù), 為了提高船舶靠泊行為監(jiān)控系統(tǒng)的數(shù)據(jù)處理效率, 系統(tǒng)需要采用模塊化的設(shè)計(jì)架構(gòu), 系統(tǒng)架構(gòu)如圖1所示, 各功能模塊如表1所示。

圖1 船舶靠泊行為監(jiān)控系統(tǒng)框架圖Fig.1 Framework diagram of ship berthing behavior monitoring system

表1 各功能模塊介紹Tab.1 Introduction of each function module

AIS岸站接收AIS船站通過網(wǎng)絡(luò)發(fā)送的原始AIS數(shù)據(jù)到數(shù)據(jù)處理中心。數(shù)據(jù)處理中心建有AIS解碼服務(wù)器、通信服務(wù)器、船舶行為分析服務(wù)器和數(shù)據(jù)庫系統(tǒng), 引航客戶端和監(jiān)控客戶端可通過通信服務(wù)器接收數(shù)據(jù)中心的AIS數(shù)據(jù)和報(bào)警提示, 也可將引航信息和監(jiān)控信息與數(shù)據(jù)中心進(jìn)行交換。AIS數(shù)據(jù)編碼格式符合ITU協(xié)議（ITU, 2010）, 需要通過解碼服務(wù)器對(duì)數(shù)據(jù)進(jìn)行解析, 轉(zhuǎn)換成可理解的船舶屬性[5］。AIS數(shù)據(jù)包括27種報(bào)文格式, 這里只關(guān)注船舶的動(dòng)態(tài)消息（報(bào)文1和18）和靜態(tài)消息（報(bào)文5和19）。動(dòng)態(tài)消息包括船舶的MMSI、航行狀態(tài)、SOG、經(jīng)度、緯度、COG、船首向等；靜態(tài)消息包括船舶的MMSI、船名、呼號(hào)、類型和貨物類型、尺寸等。另外, AIS解碼服務(wù)器還具有數(shù)據(jù)預(yù)處理的功能, 可以篩選出監(jiān)控區(qū)域的船舶軌跡, 并過濾軌跡中的噪聲。經(jīng)解析后的AIS數(shù)據(jù)被發(fā)送給通信服務(wù)器, 通信服務(wù)器起到數(shù)據(jù)分發(fā)和交換的功能。將AIS數(shù)據(jù)發(fā)送給船舶行為分析服務(wù)器, 并將數(shù)據(jù)存入數(shù)據(jù)庫系統(tǒng), 以便船舶行為分析服務(wù)器分析和監(jiān)控船舶靠泊行為。當(dāng)船舶靠泊行為分析服務(wù)器發(fā)現(xiàn)有船舶靠泊行為出現(xiàn)異常, 會(huì)及時(shí)通過通信服務(wù)器給引航客戶端和監(jiān)控客戶端發(fā)出報(bào)警信息。從船舶靠泊行為監(jiān)控系統(tǒng)框架可知, 船舶行為分析服務(wù)器是整個(gè)系統(tǒng)的核心, 負(fù)責(zé)船舶行為的分析和決策。

2 軌跡數(shù)據(jù)預(yù)處理

本節(jié)描述AIS通信服務(wù)器如何對(duì)船舶軌跡數(shù)據(jù)進(jìn)行預(yù)處理, 包括數(shù)據(jù)篩選和噪聲去除。

2.1 數(shù)據(jù)篩選

2.1.1 范圍篩選

AIS數(shù)據(jù)具有更新頻率快和覆蓋范圍廣的特點(diǎn)。更新頻率快是指AIS數(shù)據(jù)包括船舶的動(dòng)態(tài)消息和靜態(tài)消息。動(dòng)態(tài)消息根據(jù)船舶航行狀態(tài)、速度和航向變化率每2 s～3 min更新一次, 靜態(tài)消息為6 min更新一次, 數(shù)據(jù)量很大。當(dāng)前, 中國(guó)沿海和內(nèi)河4級(jí)以上河段的AIS網(wǎng)絡(luò)已覆蓋[6］, 這極大地增加了AIS網(wǎng)絡(luò)的覆蓋范圍。本研究只針對(duì)碼頭附近水域, 因此在對(duì)AIS數(shù)據(jù)進(jìn)行接收和解析后, 需要對(duì)AIS數(shù)據(jù)進(jìn)行篩選, 篩選出所有靠泊指定碼頭的船舶軌跡數(shù)據(jù)。

船舶在進(jìn)港靠泊過程中, 由于大型船舶的操縱性能較好, 一般在距離泊位的10 n mile時(shí)開始備車（洪碧光, 2017）。因此, 本文以碼頭岸線為基準(zhǔn), 在岸線前、左和右方各10 n mile做一方形區(qū)域, AIS解碼服務(wù)器只轉(zhuǎn)發(fā)在此方形區(qū)域內(nèi)的船舶數(shù)據(jù)。

2.1.2 船型篩選

經(jīng)過范圍篩選后的AIS數(shù)據(jù)中包括大量的拖輪、漁船、交通艇等小型船舶的軌跡, 此類船舶的軌跡較為雜亂且數(shù)量較多, 如不刪除這些數(shù)據(jù), 會(huì)嚴(yán)重影響到分析結(jié)果。

本文根據(jù)AIS靜態(tài)數(shù)據(jù)中的船長(zhǎng)（天線位置與船首距離+天線位置與船尾距離）數(shù)據(jù)和研究對(duì)象的設(shè)計(jì)船型抽取靠泊船舶軌跡數(shù)據(jù)。

2.2 噪聲去除

由于使用不當(dāng)、信號(hào)傳輸問題及AIS本身因素, AIS數(shù)據(jù)會(huì)產(chǎn)生一些位置、速度或航向噪聲。如果噪聲數(shù)據(jù)不被刪除, 將影響實(shí)驗(yàn)結(jié)果。由于船舶慣性較大, 船舶的軌跡應(yīng)是一條按時(shí)間序列排序的連續(xù)變化點(diǎn), 異常跳躍點(diǎn)可視為噪聲點(diǎn)?；诖? 本文使用滑動(dòng)均值濾波清除軌跡中的AIS噪聲, 具體處理過程如下：

（1）對(duì)于一個(gè)軌跡點(diǎn)Pi（i=[1,n］）, 取Pi和其前后各2個(gè)軌跡點(diǎn), 計(jì)算5個(gè)點(diǎn)的緯度、經(jīng)度、速度和船首向均值j=｛緯度, 經(jīng)度, 速度, 船首向｝）,j的取值從AIS數(shù)據(jù)中獲取。

圖2 船舶軌跡噪聲示意圖Fig.2 Schematic diagram of ship trajectory noise

3 靠泊行為檢測(cè)模型建立

本節(jié)描述船舶行為分析服務(wù)器抽取靠泊軌跡的方法, 首先通過樣本特征值的坐標(biāo)變換和標(biāo)準(zhǔn)化處理, 將數(shù)據(jù)轉(zhuǎn)換為適合模型學(xué)習(xí)的標(biāo)準(zhǔn)化數(shù)據(jù), 然后使用局部異常因子建立靠泊行為異常檢測(cè)模型。

3.1 靠泊軌跡抽取

經(jīng)過預(yù)處理的軌跡包括靠泊、離泊和過路船軌跡, 這些船舶靠泊軌跡需要從數(shù)據(jù)中抽取出來。最理想的靠泊軌跡抽取方法是通過碼頭或船舶的靠泊時(shí)間記錄進(jìn)行篩選, 但由于準(zhǔn)確的船舶靠泊記錄數(shù)據(jù)獲取較為困難, 因此本文使用停留點(diǎn)檢測(cè)算法抽取靠泊軌跡。

對(duì)于同一艘船的軌跡數(shù)據(jù), 首先選出船舶速度等于0的軌跡點(diǎn), 然后使用Li（2008）的停留點(diǎn)檢測(cè)算法計(jì)算船舶停泊位置, 最后將屬于停留點(diǎn)的第一個(gè)點(diǎn)的時(shí)間作為靠泊時(shí)間, 在此時(shí)間前的一定時(shí)間段內(nèi)的軌跡作為靠泊軌跡。Li（2008）的停留點(diǎn)檢測(cè)算法將停留點(diǎn)分為2種情況, 第一種：如圖3中Stay point 1, 發(fā)生在點(diǎn)P3, 目標(biāo)保持靜止一段時(shí)間且超過閾值。這種情況大多發(fā)生在當(dāng)目標(biāo)到達(dá)某一位置并失去信號(hào)一段時(shí)間, 直到目標(biāo)再出現(xiàn)[7］。如船舶靠泊后關(guān)閉AIS設(shè)備, 開航前再將設(shè)備開啟。另一種情況, 像Stay point 2, 目標(biāo)在某一空間區(qū)域巡游一段時(shí)間。此時(shí), 若干GPS點(diǎn)（P5,P6,P7和P8）包含在此空間區(qū)域。因此, 需要基于這些GPS點(diǎn)計(jì)算空間的平均坐標(biāo)作為停留點(diǎn)。如船舶靠泊后, 由于GPS位置誤差或船舶擺動(dòng), 位置點(diǎn)會(huì)圍繞泊位在較小范圍內(nèi)隨機(jī)移動(dòng)。在Li（2008）的停留點(diǎn)檢測(cè)算法中需要設(shè)置2個(gè)閾值, 一個(gè)是距離閾值, 一個(gè)是時(shí)間閾值, 根據(jù)經(jīng)驗(yàn)分別設(shè)置為20 m和1 h。

圖3 軌跡記錄和停留點(diǎn)Fig.3 Trajectory record and stop point

將屬于停留點(diǎn)的第一個(gè)軌跡點(diǎn)的時(shí)間作為靠泊時(shí)間, 如Stay point 2中的P5。由于一艘船可能多次?？窟^同一個(gè)碼頭, 因此需要對(duì)靠泊時(shí)間有一個(gè)限制, 以抽取每次靠泊的軌跡數(shù)據(jù), 這里將靠泊時(shí)間前2小時(shí)內(nèi)的軌跡作為一艘船舶的單次靠泊軌跡。

通過上述的停留點(diǎn)檢測(cè)、靠泊時(shí)間, 確定和比較可抽取每艘船各航次的靠泊軌跡數(shù)據(jù)。

3.2 特征值處理

3.2.1 坐標(biāo)轉(zhuǎn)換

一般來說, 同一碼頭上會(huì)有多個(gè)泊位供船舶?？? 即使只有一個(gè)泊位的碼頭, 船舶?？康奈恢靡部赡苡衅?。如果直接使用船舶位置進(jìn)行訓(xùn)練, 分類器會(huì)將大量的軌跡作為噪聲信號(hào)處理。因此, 需要對(duì)船舶軌跡進(jìn)行坐標(biāo)變化, 體現(xiàn)各軌跡間的共性特點(diǎn)。為了達(dá)到這一目的, 使用式（1）將船舶的經(jīng)緯度坐標(biāo)轉(zhuǎn)換成直角坐標(biāo), 然后平移坐標(biāo), 將停泊位置移動(dòng)到坐標(biāo)原點(diǎn)。

式（1）中, （φ,λ）為軌跡點(diǎn)經(jīng)緯度坐標(biāo)；（x,y）為平面坐標(biāo)；r0為基準(zhǔn)緯度圈半徑；a為地球橢球長(zhǎng)軸半徑；q為等量維度；e為橢球第一偏心率。

3.2.2 數(shù)據(jù)標(biāo)準(zhǔn)化

由于原始數(shù)據(jù)各特征值的量綱不同, 需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理, 以提升模型的收斂速度和訓(xùn)練精度。使用Z-score標(biāo)準(zhǔn)化, 其轉(zhuǎn)化函數(shù)為

μ為均值；σ為標(biāo)準(zhǔn)差。Z-score標(biāo)準(zhǔn)化方法適用于屬性的最大值和最小值未知, 或有超出取值范圍的離群數(shù)據(jù)的連續(xù)型特征值。

3.3 異常靠泊行為檢測(cè)

在異常檢測(cè)的研究算法中, 根據(jù)數(shù)據(jù)是否獲得標(biāo)簽, 可分為三大類（Goldstein, 2016）：監(jiān)督異常檢測(cè)、半監(jiān)督異常檢測(cè)和無監(jiān)督異常檢測(cè)。監(jiān)督異常檢測(cè)需要訓(xùn)練數(shù)據(jù)有標(biāo)簽, 如SVM和ANN, 但由于通常異常不是提前知道的, 或者是測(cè)試階段實(shí)時(shí)產(chǎn)生的, 這種設(shè)置通常意義不大。半監(jiān)督異常檢測(cè)用無異常值的訓(xùn)練集訓(xùn)練出模型, 對(duì)偏離訓(xùn)練模型的實(shí)例判斷為異常值, 如One-class SVMs和autoencoders。無監(jiān)督異常檢測(cè)不需要訓(xùn)練數(shù)據(jù)有標(biāo)簽, 且訓(xùn)練數(shù)據(jù)中可包含部分異常值。

在大量的船舶軌跡數(shù)據(jù)中很難區(qū)分船舶靠泊軌跡行為正確與否, 船舶軌跡屬于典型的無標(biāo)簽數(shù)據(jù), 且軌跡中可能包含異常軌跡。因此只能假定大多數(shù)的靠泊行為屬于正常行為, 異?？坎葱袨橹话l(fā)生在極少數(shù)情況下。靠泊軌跡行為異常檢測(cè)模型需要使用無監(jiān)督異常檢測(cè)為研究對(duì)象, 應(yīng)考慮訓(xùn)練數(shù)據(jù)中存在異常值?；诖? 本文使用局部異常因子（LOF）（Breunig, 2000）算法建立船舶靠泊行為模型。LOF算法是一種適用于中等高維數(shù)據(jù)集實(shí)現(xiàn)異常值檢測(cè)的有效方法。LOF算法的思想是計(jì)算出反映觀測(cè)異常程度的得分（稱為局部異常系數(shù)）。異常系數(shù)表示給定數(shù)據(jù)點(diǎn)相對(duì)于其鄰近點(diǎn)的局部密度偏差。對(duì)于具有比其鄰近點(diǎn)明顯更低密度系數(shù)的樣本可認(rèn)為是異常點(diǎn)[8］。

在同一空間中, 異常值可能存在于不同密度的簇附近, 如船舶在距離碼頭較遠(yuǎn)時(shí), 相同行為的軌跡分布會(huì)較為稀疏；在距離碼頭較近時(shí), 相同行為的軌跡分布會(huì)較為稠密。而LOF使用的局部異常系數(shù)可以適應(yīng)具有不同密度分布的異常值檢測(cè)。對(duì)于一個(gè)物標(biāo)p, 其基于MinPts個(gè)近鄰條件下的局部異常因子可由式（3）求得。

lrdMinPts(p)表示物標(biāo)p的局部可達(dá)密度；NMinPts(p)表 示p的MinPts-distance近 鄰；|NMinPts(p)|表 示p的MinPts-distance近鄰個(gè)數(shù)；MinPts為形成一個(gè)簇的最少物標(biāo)數(shù)量, 取潛在局部異常值附近簇的最大對(duì)象數(shù)量, 這里設(shè)置為靠泊船舶軌跡數(shù)。

物標(biāo)p的k-distance近鄰含義是, 存在任意正整數(shù)k,p和o∈D（D為數(shù)據(jù)集）之間的距離滿足：

（1）至少有k個(gè)物標(biāo)o′∈D｛p｝, 滿足d（p,o′）≤d（p,o）, 并且

（2）最多k-1個(gè)物標(biāo)o′∈D｛p｝, 滿足d（p,o'）＜d（p,o）。

reach-distk(p,o)表示p關(guān)于o的可達(dá)距離, 為o的k-distance和p、o距離之間的最大值, 即

如果物標(biāo)p的LOF接近1, 則p不是異常值；而處于簇的邊緣或簇的外面對(duì)象的LOF相對(duì)較大。LOF算法的優(yōu)點(diǎn)是考慮到數(shù)據(jù)集的局部和全局屬性, 即使在異常樣本具有不同潛在密度的數(shù)據(jù)集中, 它也能夠表現(xiàn)得很好。問題不在于樣本是如何被分離的, 而是樣本與周圍近鄰的分離程度有多大[9］。

4 實(shí)驗(yàn)驗(yàn)證

為了客觀地分析本文建立的船舶靠泊行為檢測(cè)模型的可行性, 使用?？繉幉ㄖ凵礁郾眮鰢?guó)際集裝箱碼頭的船舶軌跡作為訓(xùn)練和測(cè)試數(shù)據(jù), 船舶靠泊軌跡如圖4所示。

圖4 船舶靠泊軌跡圖Fig.4 Ship berthing trajectory

（1）根據(jù)各船舶?？繒r(shí), 寧波舟山港北侖國(guó)際集裝箱碼頭的潮汐高度變化, 可將船舶靠泊行為分為漲流靠泊和落流靠泊。通過軌跡抽取、噪聲點(diǎn)消除和坐標(biāo)轉(zhuǎn)換, 分別得到船舶漲流靠泊和落流靠泊軌跡, 如圖5所示。

圖5 漲落流靠泊軌跡Fig.5 Berthing trajectory of fluctuating current

（2）分別對(duì)漲流靠泊軌跡和落流靠泊軌跡做數(shù)據(jù)標(biāo)準(zhǔn)化, 然后分別作為訓(xùn)練數(shù)據(jù)進(jìn)行局部異常因子（LOF）檢測(cè)。將訓(xùn)練后的異常檢測(cè)模型分別對(duì)漲流靠泊軌跡和落流靠泊軌跡進(jìn)行預(yù)測(cè), 異常數(shù)據(jù)用-1標(biāo)識(shí), 正常數(shù)據(jù)用1標(biāo)識(shí)。經(jīng)過處理后得到正常落流靠泊軌跡和正常漲流靠泊軌跡如圖6所示, 異常點(diǎn)軌跡如圖7所示。

圖6 正常漲落流靠泊軌跡Fig.6 Berthing trajectory of normal fluctuating current

圖7 漲落流靠泊軌跡中的異常點(diǎn)Fig.7 Anomalous points in the berthing trajectory of fluctuating current

（3）通過實(shí)驗(yàn)分析, 本文采用局部異常因子（LOF）算法可以明顯發(fā)現(xiàn)船只靠泊軌跡中的異常軌跡, 并可對(duì)其進(jìn)行預(yù)警。漲流靠泊軌跡與落流靠泊軌跡差異明顯, 如果不考慮實(shí)時(shí)靠泊環(huán)境條件, 船舶的靠泊安全將難以保證。本文采取的思路是將落流靠泊與漲流靠泊分開考慮, 顯著地提高了不同環(huán)境下的靠泊軌跡異常檢測(cè)的準(zhǔn)確率。

5 結(jié) 論

近年來, 隨著人們對(duì)航運(yùn)安全的重視和自動(dòng)控制技術(shù)的發(fā)展, 為了避免人為因素所導(dǎo)致的船舶靠泊時(shí)碰撞碼頭事故的發(fā)生, 一些文獻(xiàn)在自動(dòng)靠泊上進(jìn)行了研究并取得了不錯(cuò)成果, 如Ahmed（2013）、Tran（2013）和Im（2018）等。但是自動(dòng)靠泊的研究大多都是基于仿真數(shù)據(jù), 沒有考慮各碼頭環(huán)境條件對(duì)船舶靠泊行為的影響[10-11］。而在船舶實(shí)際靠泊情況下, 由于各碼頭的環(huán)境條件差異較大, 需要根據(jù)碼頭的環(huán)境條件制定不同的靠泊方案。采用AIS系統(tǒng)收集和處理數(shù)據(jù), 并采用LOF算法進(jìn)行整理, 得到如下結(jié)論。

（1）該系統(tǒng)的準(zhǔn)確性、故障判斷能力、抗干擾能力和對(duì)實(shí)際數(shù)據(jù)的剛性計(jì)算能力均達(dá)到了系統(tǒng)要求的水平, 滿足使用要求, 在實(shí)際應(yīng)用中可以維持較好的魯棒性。該系統(tǒng)模塊造價(jià)低于國(guó)外產(chǎn)品, 且擁有自主研發(fā)技術(shù), 性價(jià)比較高。

（2）該系統(tǒng)形成了大型船舶靠泊行為監(jiān)控預(yù)警。該系統(tǒng)采用AIS收集數(shù)據(jù), 與寧波舟山港實(shí)際情況相結(jié)合, 形成了較有價(jià)值的風(fēng)險(xiǎn)數(shù)據(jù)預(yù)警及調(diào)度策略支持, 在得到相關(guān)機(jī)構(gòu)檢驗(yàn)報(bào)告后可進(jìn)行大規(guī)模應(yīng)用。

（3）該系統(tǒng)的本質(zhì)是一個(gè)通用的AIS技術(shù)工業(yè)化測(cè)量系統(tǒng)和風(fēng)險(xiǎn)數(shù)據(jù)預(yù)警系統(tǒng), 擁有較好的魯棒性和實(shí)用性。其移植到其他船舶行業(yè)進(jìn)行推廣使用時(shí), 僅需要對(duì)系統(tǒng)參數(shù)進(jìn)行針對(duì)性的整定, 并對(duì)系統(tǒng)進(jìn)行一定時(shí)間段的運(yùn)行調(diào)試即可為該系統(tǒng)提供同等的數(shù)據(jù)支持, 因此具有良好的普適性。