基于AIS的大型船舶靠泊航速分布規律

黃澤洋， 邵哲平， 潘家財,2， 紀賢標,2， 馬 峰

(1.集美大學 航海學院，福建 廈門 361021；2.廈門大學 信息科學與技術學院，福建 廈門 361011)

HUANG Zeyang1, SHAO Zheping1, PAN Jiacai1,2, JI Xianbiao1,2, MA Feng1

基于AIS的大型船舶靠泊航速分布規律

黃澤洋1， 邵哲平1， 潘家財1,2， 紀賢標1,2， 馬 峰1

(1.集美大學 航海學院，福建 廈門 361021；2.廈門大學 信息科學與技術學院，福建 廈門 361011)

船載自動識別系統(Automatic Identification System, AIS)數據中蘊藏著大量海上交通特征，可從中獲取潛在的、可反映船舶行為特征規律的信息。對此，基于AIS數據庫，運用數據挖掘方法和中分緯度算法精確提取船舶靠泊特征。結合廈門嵩嶼和天津北疆港區2014年全年的數據，深入分析大型集裝箱船距離泊位20倍船長范圍內的航速分布規律。研究結果既可為主管部門完善港內安全航速規定提供參考，亦可為船舶駕引人員提供靠泊階段的航速控制依據。

水路運輸；船載自動識別系統；大型船舶；靠泊航速；分布規律

HUANGZeyang1,SHAOZheping1,PANJiacai1,2,JIXianbiao1,2,MAFeng1

Abstract: Extracting the motion characteristics of berthing vessels from massive Automatic Identification System(AIS) data by combining the data mining technology and mid-latitude sailing method is proposed. The aproaching speed distribution law of large container ships when they are within the range of about 20 times of own ship length from the berth are identified based on whole data set of the year 2014, acquired in Xiamen Songyu port area and Tianjin Beijiang port area. The research may help the port authorities to define speed limits and help the pilots or officers to control vessels during berthing.

Keywords: waterway transportation; AIS; large vessel; berthing speed; distribution law

靠泊操縱是船舶進港航行的最后階段，對于大型船舶而言，即使有拖船協助，操船人員依然會承受很大壓力。因此，切實保障各類船舶(特別是各類大型船舶)安全靠泊尤為重要。

近些年，國內外相關學者圍繞保障船舶安全靠泊開展的研究工作主要包括大型船舶靠泊操縱模擬[1-2]、 船舶大型化對靠泊安全的影響[3]及引領船舶安全靠泊的關鍵因素分析[4-6]等，很少對大型船舶靠泊航速變化的普遍規律進行研究。

文獻[7]分析船舶進出港各階段航速的分布。這里在此基礎上，根據船載自動識別系統(Auto-matic Identification System, AIS)數據采集子系統[8]所接收的數據，利用大數據挖掘方法分析大型集裝箱船靠泊航速的變化規律，重點對DL[7]處于[0,20]時的航速規律進行比較、歸納和總結，以期為主管機關完善港內安全航速的規定及船舶駕引人員制訂靠泊操縱計劃和安全靠泊提供參考。

1 大型船舶靠泊總體情況

1.1大型船舶靠泊的特點

大型船舶具有質量大、線型尺度大等特殊的結構特點，該特殊性使得靠泊操作的難度進一步提升。大型船舶靠泊時速度一般較低，空載時受風的影響較大，重載時受流的影響較大，同時還受淺水效應和窄水的影響，受力情況比較復雜。在上述條件下，操船者需根據本船的實際操縱性能，并結合當時靠泊的具體條件，制訂周密的靠泊計劃。

操船人員尤其應密切關注入泊的余速、船與碼頭間的橫距及靠攏角度。通常在保證舵效的前提下，靠泊速度宜盡可能低，以避免長時間倒車或頻繁用車；有經驗的船長或引航員一般根據岸邊目標的相對移動速度來判斷靠泊余速的大小。

1.2大型船舶靠泊航速的定義

在航海學領域，船舶的航行速度可分為船速和航速2種，前者一般指船舶在無風流情況下的航行速度，而后者則是船舶在風流影響下相對海底的航行速度。[8]這里所研究的原始數據來自于AIS，故船舶航速均為考慮風、浪和流等影響因素的航速，即對地速度(Speed Over Ground, SOG)。

通過對大量的AIS數據進行研究發現，船長>300 m的大型集裝箱船的航速一般從距離泊位約20倍船長處開始呈明顯下降趨勢，因此這里主要研究該階段的航速分布情況。

2 船舶靠泊特征的提取算法

基于Microsoft SQL Server的AIS信息數據庫是數據分析子系統[9]的主體，數據庫中的AIS信息表(尤其是動態信息表)的數據量一般比較大，故應根據研究對象來篩取所需要的信息。[10]

2.1船舶到達距離模型設計

1)確定目標泊位所在碼頭的經緯度范圍及目標船的船長范圍，利用船舶海上移動通信業務標識碼(Maritime Mobile Service Identity, MMSI)關聯動態信息表和靜態信息表，篩取各船舶航速穩定為0階段所對應的第1個時刻點，將其定義為ST(Stop Time)，并將結果存入到臨時表A中。

2)以ST為索引，通過關聯動態表和表A提取各船舶的經緯度數據(分別為BerthLong和BerthLat)，將其定義為船舶最終靠泊位置(即泊位點)，并將結果存入到臨時表B中。

3)根據不同港口水域的具體環境確定船舶靠泊操縱過程的起算點經緯度，提取起算點與泊位點間的船舶AIS數據，將結果存入到靠泊表C中。

4)構建距離計算函數CalDist，并調用至靠泊表C中，計算任意時刻各船舶軌跡點與各自泊位點間的距離。在靠泊階段，由于起算點至泊位點的航程較短，故考慮首先利用中分緯度算法(Mid-Latitude Sailing)[8]計算各船各自相鄰航跡點間的航程，再累加求和，最終得到各船各自的剩余航程DDistToBerth。以計算某船靠泊過程中第Ai點與第Ai+1點間的航程為例，可得

(1)

假定某船靠泊軌跡為圖1形式，計算起算點A1(φ1,λ1)與泊位點An(φn,λn)間的航程，可得

圖1 某船靠泊軌跡

(2)

(3)

式(2)和式(3)中:各距離的單位均為n mile。為便于后續采用同類比較法分析數據規律，考慮對數據進行無量綱化處理，即利用船舶與靠泊泊位間的距離同自身船長的比值DL來度量。

(4)

式(4)中：DL為船舶與靠泊泊位間的距離同自身船長的比值；DDistToBerth為船舶與靠泊泊位間的距離，n mile；LOA為船舶總長，m。

5)在進港靠泊過程中，由于大型集裝箱船的操縱性能較好，一般在距離泊位的10 n mile時開始備車[11]；為不失一般性，可將其認定為約50倍船長，即50DL。因此，對靠泊表C中的數據作進一步的篩選，使與泊位間的距離≤50DL。經過處理的部分結果展示見圖2。

2.2曲線擬合和規律

圖2 經過處理的靠泊表C部分結果展示

將提取出的靠泊特征數據以離散點的形式呈現出來，結合船舶操縱特點及引航員的實踐經驗有針對性地分析不同港口條件下同種大型船舶的靠泊航速與剩余距離的關系，繼而對靠泊航速遞減階段的數據進行有針對性的擬合。將散點圖與已知函數曲線對比，選取最接近散點分布的曲線。這里考慮采用基于最小二乘的多項式回歸預測方法[12-13]，得到其回歸方程和回歸曲線?；貧w方程的一般形式為

(5)

再利用MATLAB生成曲線具有置信水平95%的預測區間(Prediction Interval)[14]，該區間即為靠泊船航速分布區間。

3 實例

3.1研究范圍和數據整理

為便于研究，利用已建立的船舶AIS信息服務平臺，分別采集靠泊廈門嵩嶼港區和天津北疆港區的船長>300 m的集裝箱船舶AIS數據。嵩嶼集裝箱碼頭泊位范圍選定為24°26′.48N～24°27′.03N，117°59′.52E～118°02′.26E；北疆集裝箱碼頭泊位范圍選定為38°58′.68N～39°00′.57N，117°46′.36E～117°47′.38E。AIS數據統計情況見表1，采集的時間范圍是2014年1月1日—12月31日。

表1 AIS數據統計情況

3.2靠泊航速結果展示

靠泊嵩嶼港區和北疆港區集裝箱船的航速分布散點圖見圖3。

由圖3a可知，靠泊嵩嶼港區的集裝箱船至距泊位約40DL處引航員登船，隨后航行至距離泊位約20DL處其航速達到極大值，即該水域的航速上限15 kn；而圖3b中，靠泊北疆港區的船舶在距離泊位約33DL處有小幅減速，當駛近至距離泊位20DL之后，其航速遞減趨勢與嵩嶼港區具有明顯的相似性。

a)嵩嶼港區

b)北疆港區

3.3結果分析

根據上述相似性，擬組合研究兩港區的靠泊航速分布，進一步分析大型集裝箱船在20DL范圍內的靠泊航速宏觀規律(見圖4)，由航速分布得到靠泊航速分布表(見表2)。

一般大型集裝箱船由全速前進至停車的過程中因慣性而前進的距離約為9.8DL。由圖4可知，船舶即使航行至距離泊位約10DL處，其航速依然在8 kn左右。當船舶航行至距離泊位約1.5DL處時，航速呈驟降趨勢，此時航速約為3 kn。大型集裝箱船的方形系數CB較小，一般<0.68；單位載重噸分配的主機功率Pmax/mDW較大，一般>0.60；舵面積與船長、吃水比AR/(LPPd)一般>1/55。以上因素

圖4 大型集裝箱船距泊位20DL范圍內靠泊航速分布散點圖

表2 大型集裝箱船距泊位20DL范圍內靠泊航速分布

綜合作用，使得船舶的穩定性和停船性能好、舵效佳，加之船舶排水量大，故而其靠泊前應保持適當高的航速，以保證靠泊效率和舵效，同時兼顧安全性。

大型集裝箱船靠泊的最后階段，引航員將視情況選擇合適的時機停車淌航。此階段耗時相對較長，故單位區域內接收的AIS數據量大，0～2DL內離散點分布較密集。此外，引航員在必要時也會選擇瞬間加車，以增加舵效。

3.4曲線擬合

綜上所述，擬提取靠泊廈門嵩嶼和天津北疆港區的集裝箱船靠泊航速數據進行合并擬合，范圍為0～20DL(見圖5)。同時，得到靠泊航速分布(見式(6))。

圖5 船長>300 m集裝箱船靠泊航速分布曲線擬合及其預測區間

(6)

根據擬合曲線和式(6)計算得到大型集裝箱船舶靠泊建議航速及其方差(見表3)。該建議航速即1～20DL各自對應的平均航速。由此計算各自的方差，用以展示各樣本航速相對建議航速的偏離程度。由表3可知，隨著船舶逐漸靠近泊位，各船航速控制的差異性越來越小，尤其當船航行至8DL范圍內以后方差較小，表明多數船舶的靠泊航速控制偏差較小，具有明顯的一致性。

3.5結果驗證

為驗證上述靠泊建議航速的有效性和可操作性，將其應用于大連海事大學航海技術研究所研制的大型船舶操縱模擬器中。由4位持有船長適任證書的人員分別根據建議航速模擬靠泊廈門嵩嶼港區?？坎床僮骶^順利，表明大型集裝箱船參考該建議航速靠泊效果較好，該建議航速及航速分布規律在無明顯彎頭或彎頭較少的水域具有普遍適用性。

表3 大型集裝箱船舶靠泊建議航速及其方差

4 結束語

現有的港內航速的具體規定多來自于一般經驗，缺乏有效的數據支持。研究發現，對大型船舶靠泊航速分布的宏觀規律進行分析有助于主管部門更直觀地了解水域內同一類型船舶的航速控制習慣，從而有針對性地完善安全航速的相關規定。同時，其還有利于船舶駕引人員統籌協調，正確運用車、舵、錨、纜、側推器及拖船等助泊設備。

提出有效提取船舶靠泊特征的到達距離模型，探討靠泊廈門嵩嶼港區和天津北疆港區的大型集裝箱船的靠泊航速規律，并結合船舶的操縱性能和引航員的實踐經驗對剩余距離約為20DL的航速遞減階段進行深入分析，由擬合結果得到船舶靠泊建議航速。這里僅就大型船舶靠泊航速規律展開討論，靠泊角度的規律及風、浪、流等對航速和航向的影響將是下一步研究的重點。

[1] INOUE K, OKAZAKI T, MURAI K, et al. Fundament-al Study of Evaluation at Berthing Training for Pilot Trainees Using a Ship Maneuvering Simulator[J].TRANSNAV,2013,7(1):135-141.

[2] 劉軼華，肖英杰.基于大型船舶操縱模擬器的洋口港LNG船舶靠離泊風險評估[J].武漢理工大學學報，2014,38(2):290-293.

[3] 楊定照.集裝箱大型化對靠泊安全的影響[J].航海技術，2011(2):8-10.

[4] 尤慶華，陳杰，胡甚平，等.集裝箱船舶順流靠泊風險評估與操作要領[J].中國航海，2013，36(4):143-146.

[5] 周世波，張宇.超大型集裝箱船舶靠泊廈門港海滄1#泊位的安全操縱[J].航海技術，2014(3):1-4.

[6] HSU W K K. Assessing the Safety Factors of Ship Berth-ing Operations[J].The Journal of Navigation,2015, 68(3):576-588.

[7] 肖瀟，邵哲平，紀賢標，等.基于AIS信息的船舶進出港航速控制模型[J].上海海事大學學報，2014,35(4):11-14.

[8] 郭禹.航海學[M].大連：大連海事大學出版社，2005:22.

[9] 邵哲平，孫騰達，潘家財，等.基于ECDIS和AIS的船舶綜合信息服務系統的開發[J].中國航海，2007，30(2):30-33.

[10] JI Xianbiao, SHAO Zheping, PAN Jiacai, et al. A New AIS-Based Way to Conduct OLAP of Maritime Traffic Flow[C]. ASCE: Proceedings of ICTE, 2009: 3718-3723.

[11] 洪碧光.船舶操縱[M].大連：大連海事大學出版社，2008:131-132.

[12] 王巖，隋思漣.數理統計與MATLAB數據分析[M].2版.北京：清華大學出版社，2014：221-228.

[13] 許倫輝，傅惠.交通信息智能預測理論與方法[M].北京：科學出版社，2009：40-50.

[14] LAROSE D T.數據挖掘方法與模型[M].劉燕權，胡賽全，馮新平，等，譯.北京：高等教育出版社，2011：52-57.

DistributionLawofLargeVesselBerthingSpeedBasedonAISData

(1.Navigation College, Jimei University, Xiamen 361021, China; 2. School of Information Science and Technology, Xiamen University, Xiamen 361011, China)

U675.921

A

2016-02-27

國家自然科學基金(51109090)； 福建省自然科學基金(2015J01214)

黃澤洋(1991—)，男，福建福州人，碩士生，從事交通信息工程及控制研究。E-mail：zyhuang0809@163.com

邵哲平(1964—)，男，福建福州人，教授，船長，博士，從事交通信息工程及控制、航海技術研究。E-mail：zpshao@jmu.edu.cn

1000-4653(2016)02-0055-04