大宗散运货物运力流向监控与识别系统

王绍函，刘鑫鑫，段俊利，韩懿

（1.上海船舶运输科学研究所，上海 200135；2.上海交通大学船舶海洋与建筑工程学院，上海 200240；3.中远海运科技股份有限公司，上海 200135）

全球超过90%的贸易是通过船舶运输实现的。船舶运输市场主要由干散货运输、液散货运输和集装箱运输三种方式。其中，干散货运输占据了国际贸易总量的30%[1]。同时大宗商品市场与航运业作为全球经济的重要组成部分，也就成为了全球产业链的晴雨表[2]。现阶段，多数研究主要集中在使用AIS 数据对船舶本身的行为进行分析预测，如航速规划[3]等。但是，利用AIS 数据对大宗商品的价格和流向监测的，仍是空白。因此，本文结合物联网数据，利用AIS 数据分析船舶行为、港口行为、船舶泊位特征，得到船舶运输与大宗商品之间的联系。

1 大宗商品运力流向与监控系统

本文设计了一种基于AIS 数据、IHS 数据和港口信息数据的大宗商品运力流向与监控系统。

AIS 提供的船舶动态数据包括但不限于：船舶位置、航速、航向、船名、呼号等重要信息。IHS 数据包含：港口泊位位置信息、停靠泊位船舶类型和船装卸货物种类信息等。港口信息包括：港口的位置信息等。为探寻不同数据之间的关系，本文对上述数据进行以下处理。

1.1 坐标转换

采用墨卡托投影方法将AIS 船舶位置的经纬度变换成平面直角坐标系，如公式（1）～（4）所示

其中：ro为基准经纬度圈半径，为常数；q为等量维度，a 为地球半径，e 为椭球的第一偏心率，No为墨卡托基准维度卯酉圈曲率半径，为墨卡托投影变换的基准维度。（L,B）为墨卡托变换输出的经纬度，（xa，ya）是墨卡托直角坐标，利用该坐标计算任意两点间的距离。

1.2 泊位信息整理

利用AIS 数据和IHS 数据对泊位信息进一步进行融合整理。

（1）对AIS 数据进行聚类的方式识别出泊位的位置范围，并根据聚类出的泊位位置范围来确定泊位的长度和方向；再通过AIS 数据中所包含的船舶类型数据来判断泊位的停靠的船舶类型，若对于泊位位置范围内的AIS 数据，如果有超过80%的AIS 数据中的船舶类型数据显示的是A 类船舶，那么设定该泊位为A 类船舶泊位或A 类泊位。示例如图1所示。

图1 泊位聚类识别简化结果

（2）再引入IHS 数据，对泊位装卸货物进行分析。使用公式（1）～（4）计算聚类泊位结果和IHS 数据中泊位坐标的距离；然后，将距离最近的IHS 泊位信息赋值给聚类识别出来的泊位，修正泊位聚类识别简化结果。

（3）根据船舶靠泊前后的AIS 数据中的吃水数据的变化进行判断，如果吃水差大于0，即进行了卸货操作；反之，进行了装货操作。再统计分析历史上某泊位范围内船舶的历史装卸货记录，如果90%以上为装货操作，该泊位为装货泊位；如果90%以上为卸货操作，该泊位为卸货泊位。

1.3 港口及泊位属性整理

在确定了泊位是装货泊位或卸货泊位后，还需进一步确定泊位装卸货物种类。

（1）对于特种船，往往需要停在指定的特殊泊位上，因此只需分析这类特种船靠泊港口和泊位，即可确定港口和泊位装卸货的种类；

（2）通过分析泊位名称字段来判断泊位装卸货的种类。例如：带有“COAL”字段的泊位，可认定为装卸煤炭的泊位；

（3）由于IHS 数据中带有部分泊位装卸货物的信息，通过分析整理IHS 数据，将装卸货物的信息融合到泊位信息之中；

（4）对于大宗干散货，分析这些货物的原产地，并根据原产地货物厂区的坐标位置来识别周围的泊位。

但是，以上方式并不能完全确定泊位装卸货物的种类，还需在后续研究中进一步探索分析。

1.4 船舶航次修正

分析大宗商品的动态之前，还需对船舶航次进行修正，以避免错误航次所带来的分析误差。方式如下。

1.4.1 丢港漏港

对于丢港漏港的情况，本文将通过以下方式进行识别和修补：

其中Diskj为船舶从k 港口驶向j 港口所用的总距离，Disk'j'为k 港口到j 港口实际的港口距离间隔，time_diff为某一个AIS 信息和它下一个AIS 信息上传时间的间隔。如果Diskj和max（time_diff）满足公式（5），则认为该航次存在丢港漏港的情况。另外，如果存在多次吃水变化，同样也认定为丢港漏港情况。

1.4.2 丢港漏港修正

通过识别出来的漏港航段来匹配距离异常航段最近的港口，并筛选时间间隔最大的两个数据点为丢漏港前后的AIS 点，通过航速计算到港和离港时间来修正丢漏港情况。

1.4.3 航行过程中的锚泊靠泊的航次拼接

部分船舶在穿越海峡时会进行锚泊或靠泊来进行加油或补给，该行为会导致航行状态的中断，因此需要对航程进行拼接，方式如下：

（1）对于需要进行先靠泊后穿越的海峡，对前后航程直接进行拼接；

（2）对于穿越海峡时发生的靠锚泊行为，如果前后航程吃水变化不大，且开始下一港和出发港为不同装卸货种类，则判断中途存在船舶加油行为，对此类航程进行拼接。

2 数据统计与分析

本文将以铁矿石为例子进行统计结果展示。船舶每一次的运输量可以用船舶设计载重吨（deadweight，DWT）来表示。图2展示的是2021年内满载铁矿石运输到中国的船舶的总载重吨统计，从图2中可以看出中国铁矿石进口主要来源于澳大利亚和巴西，总量大约占到中国2021年铁矿石进口总量的90%。

图2 2021年中国铁矿石进口来源占比

图3展示的是2020年至今中国每年出口铁矿石总量统计，从图3可以看出，2021年相较于2020年出口总量有所下降。

图3 2020年至今中国每年铁矿石出口总量

图4展示的是澳大利亚每月出口至中国的铁矿石总量，2021年5月开始，澳大利亚出口到中国的铁矿石总量有所下降，2022年年初澳大利亚出口到中国的铁矿石总量下降到近两年最低。

图4 澳大利亚每月出口至中国的铁矿石总量

根据船舶航次的出发港和结束港，可以对大宗商品的流向进行追踪和统计。表1展示的是2021年澳大利亚出口到不同国家的铁矿石总量。表2展示的是2021年澳大利亚的港口出口到不同港口的铁矿石总量。

表1 2021年澳大利亚出口到不同国家的铁矿石总量

表2 2021年澳大利亚的港口出口到不同港口的铁矿石总量

3 结论

从统计结果上看，现在的统计结果已经可以在一定程度上反应市场情况，也能在市场发生异常时及时的发现和反馈，对于把控市场动向和探索市场规律有奠基作用，但和港口统计的结果仍有一定的差距。因此，后续的研究将继续深入优化数据出来和提高泊位和货物匹配的准确性。