4、数据基础与采集：船舶AIS数据、港口吞吐量、泊位利用率、堆场周转率等关键数据源
运力供需平衡测算与港口拥堵预警模型的构建，其精度与可靠性高度依赖于底层数据资产的质量与完整性。在航运与港口物流领域，数据并非孤立存在，而是由船舶动态、港口作业、堆场存储及外部环境等多维度信息交织而成。本章将系统梳理构建模型所需的核心数据源，重点剖析船舶AIS数据、港口吞吐量、泊位利用率、堆场周转率等关键指标的定义、采集方法、标准化处理逻辑及其在模型中的具体应用场景，为后续章节的算法设计与测算逻辑奠定坚实的数据基础。
4.1 船舶AIS数据：动态感知的“神经末梢”
核心原理：AIS（Automatic Identification System，船舶自动识别系统）是船舶与船舶、船舶与岸基设施之间交换动态与静态信息的通信系统。在运力供需测算中，AIS数据是唯一能够实时反映船舶位置、航速、航向及航行状态的动态数据源。通过解析AIS报文，我们可以精确掌握每艘船舶的实时位置、当前航速、目的港、预计抵港时间（ETA）以及船舶类型和尺寸等关键参数。这些信息构成了运力供给侧的“活地图”，是测算有效运力、识别船舶集中到港趋势、预判港口拥堵的第一手依据。
关键数据字段与采集要点：
- 动态信息（每2-10秒更新）：MMSI（海上移动识别码）、经纬度、对地航速（SOG）、对地航向（COG）、船艏向、航行状态（锚泊/在航/靠泊）。
- 静态信息（每6分钟或数据更新时）：IMO编号、呼号、船名、船舶类型、总长、型宽、最大吃水。
- 航次信息：目的港、预计抵港时间（ETA）、航线计划。
4.2 港口吞吐量：衡量供需规模的“标尺”
核心原理：港口吞吐量是衡量港口在一定时期内（通常为月度或年度）完成货物装卸量的总和，以TEU（20英尺标准箱）或货物吨位为单位。在运力供需平衡模型中，吞吐量不仅反映了港口的实际处理能力，更是计算“需求侧”的核心输入。当吞吐量持续攀升且接近港口设计吞吐能力时，意味着港口作业压力增大，拥堵风险随之上升。同时，吞吐量的时间序列数据可用于季节性分析和趋势预测，帮助模型识别运力需求的周期性波动。
吞吐量数据的层次化应用：
| 数据层级 | 指标示例 | 在模型中的应用 |
|---|---|---|
| 宏观层 | 年度总吞吐量、月度吞吐量 | 长期运力需求预测、港口扩建规划 |
| 中观层 | 周吞吐量、航线吞吐量 | 中期运力调配、航线运力优化 |
| 微观层 | 日吞吐量、班轮装卸量 | 短期拥堵预警、泊位分配调整 |
采集方式：港口吞吐量数据通常来源于港口生产管理系统（TOS）的自动统计，部分港口通过EDI（电子数据交换）系统与海关、船公司共享数据。在数据采集过程中，需注意统计口径的一致性（如重箱与空箱的区分、中转箱与本地箱的区分），避免因口径差异导致模型输入失真。
4.3 泊位利用率：港口作业效率的“晴雨表”
核心原理：泊位利用率是指泊位被船舶占用的时间占总日历时间的比例。这一指标直接反映了港口岸线资源的紧张程度。高泊位利用率（通常超过70%）意味着泊位接近饱和，船舶等待靠泊的时间将显著增加，进而引发锚地拥堵和船舶排队现象。在拥堵预警模型中，泊位利用率是判断港口是否进入“高负荷运行”状态的关键阈值指标。
判断方法与操作流程：
- 数据采集：从TOS系统获取每艘船舶的靠泊时间、离泊时间、泊位编号。
- 计算单泊位利用率：泊位利用率 =（Σ单船占用时间）/（统计周期总时长）× 100%。
- 计算整体泊位利用率：加权平均所有泊位的利用率，或按泊位类型（集装箱/散货/多用途）分别统计。
- 动态监测：按小时或班次粒度更新，识别利用率突增的时段。
4.4 堆场周转率：内部拥堵的“放大器”
核心原理：堆场周转率反映集装箱在堆场内的平均堆存时间与堆场容量的关系，通常以“天”为单位计算。低周转率意味着集装箱在堆场滞留时间过长，堆场容量被无效占用，导致新到港的集装箱无处堆放，进而引发港口作业链条的连锁拥堵。堆场周转率与泊位利用率、外集卡提箱效率密切相关，是港口内部拥堵向外部传导的关键变量。
关键指标与计算逻辑：
- 平均堆存时间：Σ（每箱离场时间 - 每箱进场时间）/ 统计周期内总箱量。
- 堆场容量占用率：当前堆存箱量 / 堆场设计容量 × 100%。
- 翻箱率：因提取底层箱而移动其他箱子的次数 / 总提箱次数 × 100%。
数据采集方式：堆场数据来源于堆场管理系统（YMS）和闸口管理系统，通过OCR识别、RFID标签或人工录入方式记录集装箱的进场、出场、移位、装船等事件。数据采集频率建议至少每小时一次，以捕捉堆场状态的动态变化。
4.5 多源数据融合与质量管控
单一数据源往往存在盲区或延迟，必须通过多源数据融合技术构建完整的港口运行态势图。例如，AIS数据可以识别船舶是否已抵达锚地，但无法判断锚地船舶是否已获得泊位分配；此时需要结合TOS系统的泊位计划数据，才能准确判断船舶是“等待靠泊”还是“等待货物”。同样，吞吐量数据反映的是已完成作业的量，而泊位利用率和堆场周转率则反映当前正在进行的作业状态，三者结合才能形成“过去-现在-未来”的完整数据链。
数据质量管控要点：
| 数据源 | 常见质量问题 | 管控措施 |
|---|---|---|
| AIS数据 | 信号丢失、坐标漂移、MMSI冲突 | 卡尔曼滤波平滑轨迹、MMSI白名单校验、多基站交叉验证 |
| 吞吐量数据 | 统计口径不一致、延迟上报 | 统一TEU折算标准、建立数据字典、T+1日自动核对 |
| 泊位数据 | 人工录入错误、时间戳缺失 | 与AIS靠泊时间自动比对、异常值告警 |
| 堆场数据 | 箱状态更新滞后、翻箱记录遗漏 | 闸口OCR自动触发、每日盘库校验 |
4.6 案例拆解：某枢纽港数据采集体系搭建实战
背景与约束：某年吞吐量超2800万TEU的枢纽港，面临日益严重的船舶到港不均衡问题——周一至周三到港船舶集中，导致泊位紧张、锚地拥堵；周四至周日泊位空闲率较高。港口运营方决定构建拥堵预警模型，首要任务便是搭建统一的数据采集与治理平台。
初始现象与目标：现有数据分散在TOS、AIS接收站、海关系统等多个独立平台中，数据格式不统一、时间粒度不一致，无法直接用于模型训练。目标是在8周内完成核心数据源的接入、清洗和标准化，形成可支持小时级预测的数据底座。
关键输入数据与参数：
- AIS数据：覆盖港口周边50海里范围的3个岸基基站，每秒接收约200条动态报文。
- TOS数据：包含12个集装箱泊位的实时作业状态，数据粒度精确到分钟。
- 堆场数据：4个堆场区域共8万个箱位的实时占用情况。
分析判断过程：项目组首先对AIS数据进行了为期两周的离线分析，发现约15%的船舶在进入AIS覆盖范围后未按规定报告目的港，导致无法自动匹配泊位计划。同时，TOS系统中的泊位状态字段存在约8%的缺失率，主要集中在夜班时段。针对这些问题，项目组制定了“AIS轨迹聚类+泊位计划匹配”的补全策略：通过分析船舶历史挂靠行为，推断其可能的目的港；对于泊位状态缺失，则利用相邻时段数据插值补全。
实际操作步骤：
- 搭建Kafka消息队列，实时接入AIS流数据和TOS增量数据。
- 开发数据清洗模块：过滤陆地上GPS漂移点、修正MMSI冲突记录、统一时间戳为UTC。
- 建立船舶-泊位-堆场关联表：通过船舶IMO号关联AIS静态信息与TOS靠泊记录，通过箱号关联堆场进出场记录。
- 开发指标计算引擎：每15分钟计算一次泊位利用率、堆场周转率、锚地船舶数量等核心指标。
- 建立数据质量监控看板，对缺失率、延迟率、异常值比例进行实时监控。
结果对比与复盘经验：经过8周建设，数据完整率从82%提升至97%，泊位利用率计算延迟从小时级降低至分钟级。模型上线后，成功预测了3次潜在的拥堵事件，提前12小时发出预警，港口调度部门据此调整了2条航线的到港时间，锚地平均等待时间下降了32%。复盘经验表明：数据采集体系建设的核心不在于技术选型，而在于业务规则的统一——必须让码头操作人员、船代、引航站等各方在数据定义和口径上达成一致，否则再先进的技术也无法解决数据“语义不一致”的问题。