《Journal of Marine Science and Engineering》：VTS Decision Support Through Bayesian Inference of Vessel Passage Probabilities in Busan North Port
编辑推荐：
港口船舶交通服务（Vessel Traffic Services, VTS）需要关于船舶进近和航行时间的可解释信息，尤其是在共享航道分岔通往多个目的地的情形下。本研究提出一种基于门线的贝叶斯方法，用于釜山北港的VTS决策支持。研究人员将2024年9月至2025
港口船舶交通服务（Vessel Traffic Services, VTS）需要关于船舶进近和航行时间的可解释信息，尤其是在共享航道分岔通往多个目的地的情形下。本研究提出一种基于门线的贝叶斯方法，用于釜山北港的VTS决策支持。研究人员将2024年9月至2025年8月的自动识别系统（Automatic Identification System, AIS）与港口管理信息系统（Port Management Information System, PORT-MIS）记录进行了关联。基于转向位置的密度聚类和交通函数考察，确定了22条虚拟门线的布设位置。基于7194条进港轨迹构建了包含20个二元门线通行变量的贝叶斯网络（Bayesian Network, BN）。在已知客运码头进近的条件下，共享航道通行概率约为99.9%，而反向条件概率为20.55%。这些结果区分了与已知进近相关联的共享通行位置和与观测通行相关联的进近。三条示例路线的年均航行时间分别为6.22、6.52和13.38 min。速度条件下的航行时间概率由数据估计得出。在主航道路线上，出发速度为10–<12 kts时，6 min内到达的概率为91.01%。该方法提供了位置特定的通行概率和路线特定的航行时间信息，用于解释观测到的交通流。预测性能的验证及其对管制员决策的益处仍需进一步研究。
**研究背景与问题**
港口船舶交通服务（VTS）的核心决策任务在于识别当前交通态势并预判可能发展的情形。管制员需同时监控多艘船舶的位置与运动状态，并考虑共享航道上的汇合与分岔流、泊位进近过程中的减速与转向以及锚地进入等多种因素。国际海事组织（IMO）的VTS指南将提供船舶身份、位置、意图和运动信息、交通监控与管理以及应对不安全态势等列为关键功能。因此，决策支持信息不应仅限于显示船舶当前位置，还应指示船舶可能经过的区域及其时间范围。
从态势感知的角度来看，接收位置、速度和航向信息与理解多艘船舶在上下文中的行为是不同的。例如，沿同一航道航行的两艘船舶可能表现出不同行为：一艘可能继续进入内港，而另一艘可能减速接近附近泊位。为预判此类差异，管制员需要将观测到的运动与历史交通经验相联系的信息。航线交换是理解船舶意图的一种方法，但Aylward等通过模拟器实验发现，附加信息虽被参与者用于决策，却并未一致地保证安全性的提升。这表明预期运动信息可能有用，但其条件和不确定性应被清晰呈现。
从历史AIS数据中提取的重复交通模式可用于解释观测到的船舶运动并估计未来路线。在港口内，沿共享航道航行的船舶可能根据目的泊位选择不同的进近路线，因此目的地信息和船舶运动状态应结合考虑。然而，AIS目的港字段本身可能不足以区分单个泊位和锚地。已有研究报告了AIS数据的可靠性问题以及目的港录入的不一致性，这支持了将实际位置变化与行政靠港信息结合考察的必要性。
**研究目标与框架**
本研究旨在将船舶通过关键位置的过程表达为管制员可查询的交通流概率。具体而言，研究解决三个问题：哪些进近流与通过给定位置的轨迹相关联；哪些共享位置被进近特定目的地的轨迹所使用；以及船舶沿指定路线到达下一参考门线可能需要多长时间。这些概率旨在提供随观测而变化的证据，而非决定船舶航向的指令。
为此，研究人员将靠港信息与观测到的船舶轨迹相关联，并将关键交通位置表示为门线，以从通行证据中估计相关进近流和路线航行时间。首先，利用AIS转向事件的聚类定位重复出现的分岔和进近位置，将其定义为固定穿越断面。然后，将每条轨迹的门线通行指示符作为贝叶斯网络（BN）中的变量，使得无附加证据时的概率可与输入通行证据后获得的概率进行比较。在时间分析方面，选择具有不同交通功能的路线，并呈现航行时间分布和以出发速度为条件的到达概率。空间范围涵盖釜山北港1号航道及连接泊位、锚地和影岛大桥区域的进近水域。在釜山北港，1号航道连接通往集装箱码头、内港泊位、客运码头、影岛沿岸码头、锚地和影岛大桥区域的交通流。因此，不同目的地的船舶可能最初沿同一航道航行，随后分岔前往各自的泊位或锚地。这种共享-分岔的交通结构使得仅凭船舶当前位置或航向难以区分预期进近路线，尤其是在到达主要分岔位置之前。因此，沿共享航道所到达的点为解释相关进近流提供了有用基础。
**关键技术方法**
本研究采用的主要技术方法包括：基于AIS和PORT-MIS数据的轨迹重建与关联（数据来源为2024年9月至2025年8月釜山港AIS轨迹数据及PORT-MIS靠离泊记录，通过船舶识别符和时间信息关联，保留明确对应的MMSI）；基于DBSCAN（Density-Based Spatial Clustering of Applications with Noise）的转向事件空间聚类以确定关键交通位置（ε=75 m，MinPts=5，要求至少5条不同靠港轨迹支持）；门线穿越事件提取与通行时间线性插值估计；基于20个二元门线通行变量和23条弧的贝叶斯网络构建与证据推理；以及以出发速度为条件的路线航行时间条件概率估计（采用0.5修正避免零概率，并以多类别Brier分数进行时间留出评估）。
**研究结果**
**注册靠离泊与北港交通特征**：研究期间PORT-MIS包含40704条与北港泊位或锚地相关的注册事件，其中到达20354条、离开20350条。油轮占19550条（48.0%），集装箱船占11769条（28.9%），两者合计占注册事件的76.9%。Lighter Wharf 5记录15996条事件，占总注册事件的39.3%。这表明仅将北港到达流限于接近集装箱码头的大型货船会忽略频繁的码头挂靠以及客运和支持船舶交通。因此，轨迹选择基于可识别目的地设施的可获得性而非仅凭船舶类型。注册锚地事件共1564条，包括898条到达和666条离开。以Gate A为参考断面，研究期间共记录35590条船舶通行，包括17791条进港和17799条出港，日均97.5条通行。油轮占18046条（50.7%），集装箱船占10372条（29.1%），客船占3688条（10.4%）。船型组成在各门线间存在差异：Gate L的18745条通行中18599条为油轮；Gate M的3796条通行中客船占3540条；Gate Q集装箱船占3794条；Gate V的5888条通行中油轮4529条、拖轮1300条。这些差异表明船舶流随各门线关联的目的地设施而变化。
**关键交通位置与门线配置**：通过考察转向事件聚类和实际轨迹，识别了区分共享1号航道流与分岔至泊位和锚地流的关键位置，最终布设22条有限门线。Gate A代表外港共同入口，Gates B和C对应通往1号航道的共同交通流，Gates D–F和H代表1号航道内的分岔和通行断面，Gate I代表E1和E2锚地的共同进近，Gate J代表内港共同入口，Gate K代表内港内的中间分岔点，Gates L–S代表通往主要泊位群的进近，Gates G、T和U分别对应M8锚地、Cheonghak Quay和Miwon Quay的进近，Gate V代表通往影岛大桥的交通流。
**贝叶斯网络结构与先验及条件概率**：最终BN分析使用7194条从外港起始位置到北港内部端点连续观测运动的轨迹，网络包含20个二元变量和23条弧。Gate A和B因在所有学习轨迹中通行指示符均为True而缺乏变异性，被排除出模型。Gate C在无附加证据时的通行概率为96.32%。在共享航道的CPT中，给定C=True时D=True的概率为63.78%；给定D=True时E=True的概率为91.59%；给定E=True时F=True的概率为97.89%；给定F=True时H=True的概率为87.08%。给定内港分支K=True时，通往Lighter Wharf 5的L=True概率为70.03%。给定H=True时，客运码头进近M=True的概率为20.55%。给定C=False时通往M8锚地的Gate G通行概率为86.79%，而给定C=True时仅为1.60%。这表明锚地进近倾向于以不同于进入釜山港主航道流的门线组合出现。在补充时间评估中，BN的平均节点级Brier分数为0.0697，而使用相同训练数据估计边际门线通行概率的参考模型为0.1146，表明建模的局部条件关系相对于边际基线提供了额外信息。
**基于通行证据的概率更新**：给定客运码头进近M时，C、D、E、F和H的通行概率分别约为99.4%、94.6%、95.8%、97.4%和99.9%，表明进近M的轨迹与这些共享航道门线强烈关联。给定Shin-Gamman Pier进近Gate P通行时，D、E、F和H的通行概率分别约为78.1%、76.6%、77.3%和68.0%。相反，给定Gamman Pier进近Gate Q通行时，C的通行概率约为99.8%，而D、E和F较低，分别为16.7%、1.4%和3.6%。这表明即使地理上相邻的泊位在进近过程中也可能关联不同的门线和交通路线。给定C=True时，最高概率为L的23.00%、M的10.83%和Q的10.11%。给定F=True时，最高为L的22.22%、M的17.90%和P的11.02%。给定H=True时M的概率为20.55%，给定K=True时L的概率为70.03%。两个方向的推断支持不同的评估：给定进近M时H的概率约为99.9%，表明H几乎普遍与进近M的轨迹相关联；反之，给定H时M的概率为20.55%，表明通过H的轨迹也包含许多非M的进近流。
**路线航行时间估计**：三条选定路线D–E–F、F–P和H–J–K–L的年度有效样本分别为3919、447和1518条轨迹，涉及403、90和71艘唯一船舶。D–E–F的平均航行时间为6.22 min，中位数5.88 min，P10–P90为4.57–8.95 min；F–P对应值为6.52 min、6.10 min和3.94–9.29 min；H–J–K–L为13.38 min、12.45 min和9.38–18.83 min。三条路线的均值均超过中位数，表明相对较长的航行时间观测影响了均值。在时间留出评估中，速度条件模型将D–E–F的多类别Brier分数从0.7023降至0.3588，而F–P（0.7810至0.7796）和H–J–K–L（0.7568至0.7523）的变化较小，表明出发速度对主航道过境提供的预测信息远多于最终泊位进近和内港路线。对于D–E–F，出发速度≥8 kts且<10 kts时，航行时间≥6 min且<8 min的概率为67.73%；速度≥10 kts且<12 kts时，90.96%的概率集中在4 min至<6 min区间；速度≥14 kts时，<4 min到达的概率为88.08%。对于F–P，出发速度<3.5 kts时4–<6 min航行时间的概率为49.74%，而速度≥4.5 kts时为41.78%，对应的<6 min累积到达概率分别为60.51%和54.46%，表明较高出发速度并非在每个时间阈值上都对应更早到达。对于H–J–K–L，出发速度<9 kts时<10 min到达的概率为9.32%，速度≥10 kts时为24.09%。对于D–E–F，出发速度≥8 kts且<10 kts对应<8 min到达F的概率为88.14%；速度≥10 kts且<12 kts时<6 min到达F的概率为91.01%。
**讨论部分总结**
从VTS角度看，门线通行概率在依据观测位置的交通功能进行解释时最为有用。通过共享航道门线可能与多个泊位或锚地进近相关联，而下游分岔门线的证据可提供关于相关进近流的更具体信息。这种区分有助于VTS操作员在附加通行证据出现时识别哪些进近区域仍与监控相关，而不假定特定目的地已被确认。BN推断的两个方向服务于不同的操作目的：当船舶预期进近已知时，相应的进近门线证据可用于考察历史上关联的共享航道通行；反之，当观测到船舶穿越门线但预期进近仍不确定时，模型可提供与多个进近门线相关联的概率。这些概率参考可与后续AIS运动和船舶报告意图进行比较以支持进一步核实，而非被视为自动导航指令或不安全行为的确定性证据。门线通行概率与路线航行时间分布提供互补但不同类型的操作信息：BN描述与观测证据相关联的进近门线通行，而航行时间模型描述沿选定路线航行的轨迹在指定门线间的过境时间分布。这两种信息可在相关路线条件被识别时一并考虑，但不应被组合或解释为对船舶目的地或到达时间的确定性预测。观测到的出发速度与航行时间关系随操作阶段而变化：沿主航道，出发速度提供更多关于到达最终门线所需时间的信息，而最终泊位进近则较难仅由出发速度直接解释。研究局限性包括：结果基于确定的研究区域和选定轨迹，主要分析群体为与PORT-MIS关联的北港进港轨迹，通往影岛大桥而无PORT-MIS目的地的运动被分类为单独的AIS目的地组；门线位置和几何涉及一定程度的酌情调整；当前BN以True/False状态表示整个轨迹中各门线是否被通过，不直接预测确切的通行顺序或下一门线，船舶类型、尺寸和运动状态也未作为直接解释变量纳入BN；航行时间分析限于三条选定路线和出发速度。未来研究应纳入顺序门线通行信息和船舶类型、尺寸、速度、航向等变量，扩展路线和研究区域覆盖范围，并使用独立时期或船舶数据集进行验证，以及开展涉及VTS管制员的可用性评估。
**研究结论翻译**
本研究提出了一种VTS决策支持分析方法，将釜山北港的关键船舶交通位置定义为门线，并利用门线通行信息呈现进近流概率和选定路线的航行时间。研究人员关联了2024年9月至2025年8月的AIS和PORT-MIS数据，通过考察AIS转向事件的DBSCAN聚类结合实际交通功能建立了22条门线。随后将门线通行指示符转换为二元变量以构建包含20个变量的BN。BN结果表明，相关进近流的概率随观测证据而变化。给定通过内港分支Gate K时，通过通往Lighter Wharf 5的Gate L的概率为70.03%。给定客运码头进近M时，H的通行概率约为99.9%；反之，给定H时M的概率为20.55%。这些结果证明了在为进近特定目的地的轨迹识别共享通行位置与从当前观测通行位置识别相关进近流之间的区别。D–E–F、F–P和H–J–K–L的年均航行时间分别为6.22、6.52和13.38 min。在D–E–F上，相对较短航行时间区间的概率倾向于随出发速度增加而增大。出发速度≥10 kts且<12 kts时，<6 min到达F的概率为91.01%。相反，F–P的出发速度与到达时间未呈现简单关系，表明航道过境与最终泊位进近的时间特征可能不同。尽管如此，BN概括了整个轨迹的门线通行情况，未完全表征通行顺序或详细的船舶操作状态。航行时间分析也限于三条示例路线和出发速度。未来研究应纳入顺序门线通行信息以及船舶类型、尺寸、速度和航向等变量，并扩展所考虑的路线和研究区域。需要使用独立时期或船舶数据集进行验证，并结合涉及VTS管制员的实验，以评估所提信息对实际态势评估和决策支持的影响。
