1．目的及意义

本文主要是研究利用大型AIS数据，对船舶交通需求和港口水域船舶交通Spatial-Temporal动态进行实证分析。传统的船舶交通分析通常是通过船舶交通调查（包括视觉观测、雷达观测以及机载摄影）进行的。例如，1963年在日本进行了第一次船舶交通（藤井裕久和田中，1971）。然而，这种调查非常耗费人力，而且价格昂贵（山口和榊，1971）。目前，我们有先进的船舶交通数据收集方法，如船舶交通服务（VTS）和自动识别系统（AIS）（孟等，2014）。由于AIS数据能够保证港口水域船舶交通信息的可靠性，基于AIS数据的船舶交通分析对于精确捕获船舶航行活动和了解港口水域的船舶交通具有极其重要的前景（邹族，2010；Shelmerdine，2015）。

随着自动识别系统（Automatic identificationsystem，AIS）在船舶通信，定位和交通监控上的广泛应用，收集到的大量AIS数据为研究船舶运动状态和运动模式提供了数据基础。理解这些状态或模式对于海事态势的感知和交通流的描述是非常重要的，但是现有的船舶运动状态的描述手段相对简单与缺乏，因此，对船舶运动描述方式的深入研究就尤为重要。

船舶的运动状态往往受到航行水域相关部门的有关规定、船舶空间位置以及船舶航行时间段的影响。AIS数据的存在使得我们不仅可以从单一维度的空间或时间层面来分析船舶的运动状态，还可以通过对多维度的联合分析（如时间与空间维度的结合）来发现各维度之间的关系，利用对船舶运动参数的时空相关性分析，实现对船舶运动状态和运动模式更加准确的描述和判断。

船舶交通流的时空特征分析主要包括单维度层面的分析和多维度的联合分析。单维度上的交通流特征分析主要以船舶特征参数的统计分析为主。在船舶特征参数统计上，金兴赋等通过对成山头水域船舶交通数据进行统计、筛选和处理，再拟合船舶速度和船舶交通流量，通过小波变换对数据进行平滑去噪处理进一步提高航速拟合结果。Yigit C. Altan等[2]通过对伊斯坦布尔海峡进行分段后，对每个区域船舶运动特征参数的提取与统计，并分析参数在不同区域间的变化。孟强等利用新加坡海峡内400万条AIS数据对该区域内不同类型船舶的航速、吃水等重要区域交通流特征参数进行统计，同时给出海峡内不同区域的交通流密度。多维度上的交通流特征分析主要是以时空特征研究为主，Zhang L等利用新加坡港的AIS大数据提出了一种时空分析方法，对该水域的船舶速度与密度进行时空相关性分析。Wang J等利用AIS数据提出了船舶时空同现模式揭示船舶时空特征，并利用协同聚类方法从AIS航迹中检测出这种情况。{title}

2. 研究的基本内容与方案

{title}

首先，利用AIS数据对船舶交通时空动态进行定量的研究相当有限。在公路运输中，来源目的地（OD）交通研究是交通管理的基础。随着移动传感器的发展，研究人员开发了几种基于大数据技术的OD估计方法。然而，在船舶交通方面，基于AIS数据的相应OD估计方法是少见的。第二，船舶交通时空模型是稀缺的。在道路运输方面，研究人员开发了时空模型来捕捉交通状态动态。例如，利用在伦敦公路网收集的旅行时间数据进行时空自相关分析和交叉相关分析研究了交通流的时空依赖性。通过对多维交通相关数据的分析，采用基于字典的压缩理论对空间和时间模式的特征进行识别。

为了解决上述研究的不足，我们通过大型 AIS数据，建立了港口水域船舶交通时空分析的有形分析方法。方法包括交通状态时空分析。交通状态时空分析侧重于空间自相关模型的发展，描述了港口水域船舶交通状态的时空变化。这种分析方法不仅描绘了船舶交通空间分布的全貌，而且提供了时间动态的船舶交通信息。利用国际海事组织的实际事故信息，进一步探讨船舶交通状态空间分布对船舶事故的影响。

3. 参考文献

[1] 金兴赋, 付玉慧, 张连东.基于AIS数据的成山头水域船舶交通流研究[J]. 大连海事大学学报,2012,38(1):33-36.

[2] Yigit C. Altan, Emre N. Otay.Maritime Traffic Analysis of the Straitof Istanbul based on AIS data [J]. THEJOURNAL OF NAVIGATION (2017) .

[3] Meng Q, Weng J, Li S. Analysiswith automatic identification system data of vessel traffic characteristics inthe Singapore Strait[J]. Transportation Research Record Journal of theTransportation Research Board, 2014:33-43.

[4] Zhang L., et al. Big AIS databased spatial-temporal analyses of ship traffic in Singapore portwaters.Transport [J]. Res. Part E (2017) .

[5] Wang J., et al.VesselSpatio-temporal Knowledge Discovery with AIS Trajectories Using Co-clustering [J].THE JOURNAL OF NAVIGATION (2017) .