一种结合AIS与地理空间数据的多阶段轨迹分析方法，用于港口区域船舶行为研究

《Ocean Engineering》：A multi-phase trajectory approach for vessel behavior analysis in port areas by integrating AIS and geospatial data

　　•SDAM将AIS轨迹与港口功能水域相关联。•船舶语义节点有助于识别具有时间阶段特征的移动行为。•运行记录显示，不同阶段的持续时间一致性超过98%。•案例研究揭示了锚地与泊位利用的不均衡状况。•基于时间阶段的分析结果可为港口交通分析与规划提供支持。

引言
航运在货物运输中起着至关重要的作用，全球约90%的货物是通过海运方式运输的（Walsh等人，2019年；Xu和Guedes Soares，2026年）。随着海上运输需求的持续增长，港口区域的船舶交通日益密集且复杂。相应地，来自AIS的船舶轨迹数据在数量、密度以及多样性方面都呈现出快速增长的态势（Guo等人，2024年）。尽管这些数据为了解船舶运动提供了前所未有的机会，但原始的船舶轨迹数据仍难以直接用于船舶交通管理，因为其形式较为复杂，难以解读、查询或分析（Bogorny等人，2011年）。AIS是当前船舶交通分析的主要数据来源，它能够提供带有地理参考信息的运动数据，包括纬度、经度、时间戳、地面速度、地面航向，以及在某些情况下的航行状态信息。这些属性本身就包含了一些有用的行为特征，可通过基于轨迹的分析来推断船舶的运动模式。然而，从港口管理的角度来看，仅凭AIS轨迹并无法明确体现港口特有的地理空间要素，如锚地边界、泊位位置、航道几何形状、港池区域或水深限制等。此外，诸如航行状态之类的信息可能不完整、存在延迟或报告不一致，这会在区分类似的操作行为（如抛锚和靠泊）时带来模糊性。因此，港口的地理空间背景信息对于在港口区域内进行细致且具有操作意义的时间阶段识别而言至关重要。通过将AIS提供的运动特征与港口的功能水域及基础设施布局相联系，就能更准确地理解船舶在其所处的空间和操作环境中的行为。

为了进一步提升基于AIS的运动信息的操作可解释性，人们引入了船舶轨迹语义概念，以便将船舶运动模式与更高层次的行为含义相关联。船舶轨迹语义指的是通过关联、提取、细化以及标准化等过程，从轨迹信息及上下文信息中推断出的各种概念和关系（Chen等人，2024年；Wan等人，2026年）。通过融入空间约束条件及操作背景信息，语义建模能够将以船舶为中心的运动数据转化为结构化的船舶行为表示形式（Wan等人，2023年）。例如，某个低速或静止状态的AIS观测值，再结合相应的航行状态信息，就可以表明该船舶并未处于航行状态。但是，如果没有与锚地或泊位区域明确的空间关联，就很难判断该船舶是在抛锚还是靠泊。而一旦结合港口的地理空间信息，这种静止状态就能根据其空间位置和操作背景被更准确地分类。

将AIS数据与来自海图及港口GIS数据库的港口地理空间信息相结合，是构建此类语义表示的有效途径。港口地理空间数据是对港口环境的结构化空间描述，它能够展现港口区域的物理布局及功能分区情况，包括锚地区域、航道以及泊位布局等（Li等人，2024a年）。通过将船舶轨迹与这些空间实体相关联，就可以建立语义模型，从而更准确地描述船舶的进港和离港过程。这种整合方式能够减少海上交通解读过程中的模糊性和冗余信息，进而提升海事管理部门监控和管理船舶运营的能力，使其更加精准高效（Liu等人，2024a年）。

尽管基于AIS的船舶行为分析越来越受到研究关注，但在港口区域内准确识别船舶的进港和离港过程仍然是一项挑战。现有的基于AIS的研究表明，通过轨迹特征以及数据驱动方法，能够以相当高的精度推断出船舶行为、交通模式以及语义表示（Xu等人，2025年）。在港口水域，船舶的运动通常会受到航道、分道通航制等导航设施的约束，此时船舶的操纵空间较为有限，其运动状况还会由船舶交通服务系统进行监控。然而，仅依靠AIS提供的运动特征，仍可能在区分港口特有的操作阶段时出现模糊性。例如，低速或静止状态的轨迹段可能对应着多种不同的船舶行为，比如抛锚、靠泊、等待，或者是在码头附近进行低速操纵等（Yang等人，2024年）。虽然船舶交通服务系统能够依据国际海事组织的规定，对港口水域内的船舶交通进行实时监控和管理，但目前AIS轨迹数据越来越多地被用于对船舶交通模式进行事后分析（Chen等人，2025年；Wang和Jing，2025年）。因此，本研究将港口的地理空间背景信息视为辅助信息，用于将AIS提供的运动特征与港口的功能实体相关联。

本研究的主要目标是构建一种语义建模框架，通过将AIS轨迹与港口的地理空间结构相关联，从而识别船舶的进港和离港过程。为此，本文提出了一种语义与数据关联模型（SDAM），该模型旨在将以船舶为中心的AIS轨迹与以港口环境为中心的锚地、航道、港池水域以及泊位区域等信息相整合。该模型会根据船舶轨迹与港口功能水域之间的空间关系来提取船舶语义节点，并通过地理空间关联以及运动特征分析，将每一次进港或离港过程划分为一系列的操作阶段。将该模型应用于中国兰山港的大规模AIS数据后，就能够对船舶行为进行按阶段解读，同时还能对锚地利用情况、航道航行情况以及泊位作业情况等进行结构化分析。本研究的主要贡献有三点。首先，所提出的SDAM模型将以船舶为中心的AIS轨迹与以港口环境为中心的地理空间信息相结合，从而为船舶的进港和离港过程提供了具有地理空间信息的 Semantic表示。其次，该模型引入了一种基于语义节点的阶段划分方法，它将船舶的运动与港口的功能水域相关联，使得能够在统一的框架内识别出抛锚、航道航行、靠泊以及相关的过渡阶段。第三，将该模型应用于兰山港的大规模AIS数据后，展示了如何提取和分析船舶与基础设施之间的按阶段互动关系，进而发现了锚地与泊位利用的不均衡模式，同时也为基于数据的港口交通分析及运营规划提供了支持。

本文的其余部分结构如下。第2节回顾了以往基于AIS的船舶行为分析及语义建模方面的研究。第3节介绍了所提出的SDAM框架，包括AIS轨迹处理、语义节点识别、阶段划分以及空间关联等内容。第4节介绍了兰山港的案例研究及相关数据。第5节展示了SDAM的分析结果，第6节通过港口布局信息及运行记录对模型进行了验证，第7节探讨了该模型在管理方面的意义及存在的局限性，第8节则总结了主要研究结论。

文献综述
以往用于监测港口水域船舶交通的传统方法，如目视观察、雷达探测以及空中监视等，存在劳动强度高、效率低下以及成本高昂等弊端。随着大数据分析技术在海上运营领域的应用日益普及，数据采集和处理方面的技术进步也显著加快。在各类新兴系统中，船舶交通服务系统和AIS已经成为了港口交通监控与管理不可或缺的组成部分。

方法论
图1展示了SDAM的工作流程，它由以下三个依次进行的模块组成。
步骤1：阶段定义。通过结合港口的地理空间实体以及空间 - 行为标准，定义出七个进港 - 离港阶段。
步骤2：AIS预处理与地理空间关联。对经过处理的AIS轨迹进行重新构建，然后将其与标准化的港口多边形相关联，以此提取语义节点并确定相应的操作阶段。
步骤3：交通特征挖掘。对已标注了阶段的轨迹进行……

案例研究
本研究选取了中国日照港的兰山港区域，作为应用所提出的SDAM模型的示例，并利用港口布局信息以及独立的运行记录对该模型的分析结果进行评估。
兰山港位于山东半岛的南部海岸，靠近海州湾的北端（见图4）。根据国际海事组织的相关标准，该港口区域被划分为三个功能区——泊位区、锚地区以及航道区。
正在进港的船舶的AIS数据……

语义节点提取与空间关联
SDAM模型将AIS数据与港口的地理空间信息相结合，从而提取与不同功能水域相关的船舶语义节点。通过对与抛锚阶段相对应的语义节点进行聚类，该模型得出了如图6所示的AIS观测到的锚地使用区域Aanc，该区域位于兰山港区域的主要水道附近。
同样地，SDAM模型还运用DBSCAN算法，对停靠在兰北、兰桥以及石化原油码头的船舶的位置数据进行聚类……

与港口布局信息的空间一致性
通过将图6和图7中显示的提取出的锚地使用区域以及靠泊集群与相应的规划锚地边界和泊位位置进行对比，来评估基于AIS得到的结果在空间上是否与港口布局信息一致。
表4对比了兰山港中规划好的锚地区域与AIS观测到的实际使用区域的情况。1号、3号和4号锚地的实际使用区域分别占其规划面积的85.7%、94.1%和95.5%，这一比例表明两者在空间上非常接近……

讨论
以往的研究曾运用概率主题模型、语义网络、动态贝叶斯网络以及轨迹聚类等方法来推断与港口相关的船舶行为（Lee等人，2021年；Li等人，2022年；Wen等人，2019年）。与之相比，SDAM模型的独特之处在于，它能将AIS轨迹片段与港口的功能水域以及有序的进港 - 离港阶段序列明确地联系起来。这种空间和顺序上的表示方式，能够将每一个被识别的阶段与特定的内容相对应……

结论
本研究开发了一种语义与数据关联模型（SDAM），该模型将AIS获取的船舶运动数据与港口的功能水域相关联，并将船舶的进港和离港过程表示为一系列的操作阶段。通过结合轨迹预处理、地理空间关联、语义节点提取以及针对不同阶段的交通分析，该框架能够为船舶的抛锚、航道航行、在港池内的操纵、靠泊以及离港等行为提供易于理解的表示形式。

数据可用性声明
如有人提出合理请求，将会提供相关数据。

作者贡献说明
赵刘：概念构思，撰写初稿。张小瑞：形式分析，撰写初稿。王新宇：方法论研究，软件相关工作。姚新瑞：数据整理，方法论研究。张明阳：调研工作，可视化处理。尹静波：调研工作，撰写审阅与编辑稿件。万成鹏：资金筹集，项目监督，撰写审阅与编辑稿件。

利益冲突声明
作者声明自己不存在任何已知的、可能会影响本文研究工作的财务利益关系或个人关系。

致谢
本研究得到了中国国家重点研发计划（2024YFB4303600）、国家自然科学基金（编号52571410；52572386）、航海技术安全国家重点实验室开放研究基金（资助编号W24CG000037）以及武汉理工大学青年人才计划（2026 - QBII091）的支持。

赵刘|张小瑞|王新宇|姚新瑞|张明阳|尹静波|万成鹏