EN中文

经济地理 >

2021 , Vol. 41 >Issue 4: 15 - 22

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.04.003

区域经济与理论方法

基于AIS数据的海上丝绸之路船舶活动时空格局

  • 邓昭 , 1 ,
  • 李振福 , ※ ,
  • 段伟 1 ,
  • 李肇坤 2
展开
  • 1.大连海事大学 交通运输工程学院，中国辽宁 大连 116026
  • 2.大连海事大学 航运发展研究院，中国辽宁 大连 116026
※李振福（1969—），男，吉林榆树人，博士，教授，博士生导师，研究方向为交通运输规划与管理及北极航线问题。E-mail：

邓昭（1991—），男，河北迁安人，博士研究生，研究方向为港口航运经济与区域发展。E-mail：

收稿日期: 2020-05-09

  网络出版日期: 2025-04-25

基金资助

国家重点研发计划项目(2017YFC1405600)

国家重点研发计划项目(2016YFC1402700)

国家社会科学基金重大项目(13&ZD170)

国家社会科学基金重大项目(18ZDA207)

国家社会科学基金后期资助项目(19FZZB013)

收起

Spatial-temporal Distribution Pattern of Ship Activity in Maritime Silk Road Based on AIS Data

  • DENG Zhao , 1 ,
  • LI Zhenfu , ※ ,
  • DUAN Wei 1 ,
  • LI Zhaokun 2
Expand
  • 1. College of Transportation Engineering，Dalian Maritime University，Dalian 116026，Liaoning，China
  • 2. Shipping Development Research Institute，Dalian Maritime University，Dalian 116026，Liaoning，China

Received date: 2020-05-09

  Online published: 2025-04-25

Fold

摘要

基于2018年海上丝绸之路船舶AIS数据和GIS空间分析工具，对船舶活动分布、尺度、速度等空间特征和船舶交通流日、月、季度变化等时间特征进行系统分析，结果显示：①捕捞船舶受时间、气候变化影响较大，白天时段及禁渔期结束至11月捕捞船活动较为频繁；商业船舶日、月度变化明显，季度变化不明显，午夜、中午、月度中下旬船舶活动较为频繁。②捕捞船多集中于近岸渔场及养殖区域，呈团状分布特征；商业船舶以油轮、货船为主，主要集中于新加坡—科伦坡—阿巴丹的主航道区。③各类型船舶以中小型为主，大型和巨型船舶比例较小。船舶航速以低速为主、中高速为辅，中高速船主要为货船和油轮，高速船舶以客船为主。④影响船舶活动时空变化特征的影响因素为地理条件与自然资源分布、经济发展与港口基础设施建设、海上交通管制等。

关键词： AIS数据; 海上丝绸之路; 船舶活动; 捕捞船; 商业船舶; 海上交通管制

本文引用格式

邓昭 , 李振福 , 段伟 , 李肇坤 . 基于AIS数据的海上丝绸之路船舶活动时空格局[J]. 经济地理, 2021 , 41(4) : 15 -22 . DOI: 10.15957/j.cnki.jjdl.2021.04.003

Abstract

Based on the Automatic Identification System (AIS) data of ship in 2018 along the Maritime Silk Road,this study systematacially analyzes the spatio-temporal characteristics of ships from the activity trajectory distribution,ship size and speed,traffic flow of ship (daily,month and season) applying GIS spatial analysis. The results show: 1) Fishing vessels are greatly affected by time and climate changes,and the activities of fishing vessels are more frequent at day time and the time from the end of the fishing ban period to November; commercial vessels have significantly daily and monthly changes,and quarterly changes are not obvious. The activities of commercial vessels are more frequent at midnight,noon and mid-to-late month. 2) Fishing vessels are mostly concentrated in the near-shore fishing grounds and aquaculture areas,it presents a cluster distribution characteristic; commercial vessels are mainly oil tankers and cargo ships,and mainly distribute in the main channel area of Singapore-Colombo-Abadan. 3) All types of vessels are mainly small and medium-sized,and the proportion of large and huge vessels is small. The vessels are mainly at a low speed,supplemented by medium and high speed. Vessels working at a medium-high speed are mainly cargo ships and tankers,and high-speed vessels are mainly passenger ships. 4)The influencing factors of the temporal and spatial variation characteristics of vessel activities are geographical conditions and natural resource distribution,economic development and port infrastructure construction, marine traffic control and so on.

Key words： AIS data; Maritime Silk Road; ship activity; fishing vessel; commercial vessel; maritime traffic control

“21世纪海上丝绸之路”旨在通过与沿线国家的经贸互联互通，深化中国对外开放水平，推动沿线国家在经济贸易、科技教育、港口航运等领域共同发展。海上丝绸之路作为连接亚非欧的海上交通走廊，在全球和区域经济发展和文化交流等方面发挥着重要作用。随着海运事业的发展，海上丝绸之路沿线港口及航线的船舶数量迅速增加，船舶类型和结构趋于多样化，海上航行安全、海洋环境污染、自然灾害等问题交织，使人海关系日趋复杂，不仅对船舶航行安全产生影响，也对区域经济贸易发展带来严峻挑战。因此，研究海上丝绸之路船舶活动特征及规律，对保证船舶航行安全、船舶规范化管理及揭示沿线贸易演化规律，推动海上丝绸之路建设具有重要意义。
船舶自动识别系统（Automatic Identification System，AIS）是应用于船和岸、船和船之间的新型助航技术，其被广泛应用于研究船舶航行避碰、船舶识别、海上搜救、海事调查等诸多领域。随着AIS技术的不断成熟，相关航运数据被大量应用于学术研究，为海上航行提供支持。研究人员将AIS数据用于研究船舶交通流和海上交通特征[1-2]，金兴赋、刘虎、Yip等基于交通流理论对特定水域船舶交通流特征进行了研究，并构建了船舶交通流研究的新方法[3⇓-5]，Yu探讨了油价波动、海上交通网络与交通流变化的关系，指出三者存在不同的双向联系[6]。Zhang则通过构建模型分析了船舶交通需求与港口水域船舶交通时空特征，指出船舶交通空间特征与船舶事故空间分布吻合[7]。为了有效避免船舶交通事故，Liu、Qu、Silveira、Gao、潘晋、张伟斌等基于AIS数据评估海上交通特征开发了区域碰撞风险识别框架及船舶行为预测模型，为水域碰撞风险监测和碰撞风险分析提供可能[8⇓⇓⇓⇓-13]。Chen和Qian等也对船舶监控和船舶管理进行了大量研究，为船舶安全管理提供了支持[14-15]。此外，徐力、姚海元等通过构建航道通过能力模型对厦门港、黄骅港的船舶通过能力进行系统分析，为港航管理部门的航道规划提供参考[16⇓-18]。除上述研究外，邢辉、朱倩茹、唐皇等也将AIS数据用于海运污染物排放评估研究[19-20]。综合相关研究进展，学者们多重视船舶航行安全、船舶交通流等方面的研究，对船舶活动规律的理论揭示及案例研究尚未引起足够重视。
“21世纪海上丝绸之路”倡议提出以来，海上丝绸之路沿线国家经贸合作关系日益密切，推动了沿线港口航运业的加速发展，形成了贯穿东南亚、南亚，连接西亚，通达欧洲、非洲的海上战略通道。海上丝绸之路沿线国家资源禀赋各异，经济互补性强，经济发展潜力巨大，同时作为贯穿东西的传统航线，海上丝绸之路船舶数量多、类型多样，此外海盗、政治等非传统因素交织，具有典型性和代表性。在此背景下，深入研究海上丝绸之路船舶活动规律具有重要的现实意义。因此，本文通过构建2018年海上丝绸之路AIS数据库，利用定量模型和GIS空间分析技术，对海上丝绸之路船舶分布、密度、速度等时空特征进行系统分析，揭示海上丝绸之路船舶活动规律，以期为船舶航线规划、海上航行安全保障、船舶安全管理提供支持。

1 研究方法与数据处理

1.1 研究方法

1.1.1 船舶密度测度方法

船舶密度指单位时间某水域船舶通航数量，为了更好地分析具体区域船舶密度，本研究将海上丝绸之路划分为1 035个100 km×100 km网格，以单位时间内通过某网格的船舶数量衡量船舶密度，计算公式：
ρ = Q / h
式中： ρ为船舶密度（艘次/h）； Q为单位时间内某水域船舶总量；h为时间。

1.1.2 船舶流量测度方法

船舶流量指单位时间内通过某水域的船舶总量，船舶流量代表了某一水域的通航程度，船舶流量越大，水域通航越繁忙，因此，船舶流量的测度是船舶航行安全和航线规划的重要依据。计算公式为：
F ¯ = ∑ i = 1 n F i
式中： F ¯表示船舶平均交通流量；F表示单位时间内交通流量；n为时间。

1.2 数据处理

鉴于数据的可获得性，本研究构建了50°E~110°E、0°N~30°N范围内的船舶AIS数据库，并借助GIS空间分析和统计技术对数据进行预处理。由于AIS数据量较大，因此，根据研究需要对数据进行日、时刻采样，自2018年1月1日起，每隔4日进行日采样，共91天数据；每日选取0、6、12、18时第一分钟，共4分钟数据，最终得到659 703条数据。船舶类型分为捕捞船和商业船（包括货船、客船和油轮），其他类型船舶暂不考虑。

2 海上丝绸之路船舶活动时间变化特征

2.1 船舶活动时刻及日变化

根据小时和天对船舶活动时间变化进行统计（图1）。从时刻变化来看，海上丝绸之路海域捕捞船舶活动波动性较小，上午和中午船舶活动数量相对较多；商业船舶则呈现明显的波动性变化，午夜和中午船舶活动较为频繁，午夜0时船舶活动变化较为明显，比重最大约30.3%，中午至午夜时段船舶活动较为频繁，各时段船舶活动占比均在23%以上。总体来看，商业船舶在午夜及中午时段活动较为频繁；捕捞船舶的捕捞活动受昼夜更替的影响，总体上呈现“日出而作，日落而息”的活动特征。
图1 海上丝绸之路船舶活动时间变化

Fig.1 Time variation of ship activity in Maritime Silk Road

从日变化来看，海上丝绸之路海域捕捞船活动波动性较小，每月中旬船舶活动较为频繁。商业船舶则呈现较为明显的波动性特征，每月中下旬船舶活动频繁，9日是商业船舶变化的转折日，比重最大约13.1%，9~25日是船舶活动较为频繁时段，占比均在12%以上。总体来看，捕捞船舶每月中旬活动较为频繁；商业船舶则在每月中下旬较为频繁。

2.2 船舶活动月度和季度变化

从船舶分布月度变化（图1c、图2）及季度变化数量统计（表1）来看，第四季度为海上丝绸之路船舶活动的显著节点，波动幅度较大。其中，商业船舶活动季度变化不明显，但月度变化较为明显，9~11月船舶活动较为频繁，究其原因，该时段为南亚和东南亚旅游季节，且远东地区石油库存增长、进出口贸易增速明显，港口货物吞吐量和客运吞吐量均较多。总体来看，第三、四季度明显高于第一、二季度，空间上主要集聚于新加坡—科伦坡、科伦坡—阿巴丹的主航线区及沿线重要港口区。捕捞船月度变化不明显，但季度变化较为明显，捕捞船活动呈现第四季度>第三季度>第二季度>第一季度的时间变化特征，尤其是禁渔期结束，波斯湾、印度东西海域、马六甲海峡南部海域、马来半岛东部海域捕捞船大幅度增加，受季风影响，11月后捕捞船逐渐减少。第一季度，海上丝绸之路捕捞船空间分布较为集中，主要分布于印度、斯里兰卡周边海域及马六甲海峡，加之受气候影响，第一季度相对变化幅度较大，比全年捕捞船舶均值少53.8%；第二季度，受禁渔期和季风环流影响，捕捞船舶相对较少，霍尔木兹海峡周边港口、科伦坡港、汉班托塔港、槟城港、巴生港和新加坡港等港口区附近捕捞船分布较为密集，相比全年均值减少29.1%。
图2 海上丝绸之路捕捞船活动季度变化

Fig.2 Quarterly variation of fishing vessel activity in Maritime Silk Road

表1 海上丝绸之路船舶活动季度变化（艘次/h）

Tab.1 Quarterly variation of ship activity in Maritime Silk Road（ships/h）

类型 1~12月 一季度（1~3月） 二季度（4~6月） 三季度（7~9月） 四季度（10~12月）
均值 均值 相对变化（%） 均值 相对变化（%） 均值 相对变化（%） 均值 相对变化（%）
捕捞船 1 717 794 -53.8 1 217 -29.1 2 023 17.8 2 833 65.0
客船 3 651 2 539 -30.5 5 249 43.8 2 934 -19.6 3 884 6.40
货船 21 074 11 698 -44.5 12 966 -38.5 13 641 -35.3 16 020 -24.0
油轮 28 533 23 394 -18.0 26 822 -6.0 30 540 7.0 33 376 17.0
全部船舶 54 975 44 217 -19.6 53 334 -3.0 57 107 3.9 65 242 18.7

3 海上丝绸之路船舶活动空间分布特征

3.1 船舶活动分布特征及密度

从图3中可以看出，海上丝绸之路船舶活动总体呈现以马六甲新加坡港、巴生港、科伦坡港、迪拜港等重要港口为依托，高度集中于新加坡—科伦坡—阿巴丹航线的空间分布特征。其中，捕捞船呈团状分布特征，多集中于印度、斯里兰卡、阿拉伯海、新加坡等近海天然捕捞区域及海洋渔业养殖区域，沿岸海域分布较广；商业船舶多集聚于海上丝绸之路航道区域，呈较粗的带状分布特征。其中，商业船舶以油轮和货船为主，分别占53.8%和39.6%，商业船舶主要以新加坡港、巴生港、科伦坡港、迪拜港、达曼港等大型港口为依托，沿新加坡—科伦坡—阿巴丹的主航线分布，且货船和油轮航线存在明显的重叠关系。客船所占比例较小，为6.9%，呈线状分布，主要集聚于霍尔木兹海峡、印度及斯里兰卡、马六甲海峡近岸海域。
图3 海上丝绸之路船舶活动空间分布

Fig.3 The distribution of ship activity in Maritime Silk Road

从船舶密度来看（表2），研究区内每10 000 km2平均约有1 929艘次/h船舶通过，其中，新加坡港、迪拜港、科伦坡港、巴生港、槟城港、阿巴斯港、伦格港附近船舶交通流密度较高，均超过5 000艘次/h，且新加坡港、迪拜港商业性船舶聚集度均较高；科伦坡港、巴生港、槟城港、阿巴斯港、伦格港次之；除大型港口及主要航道区域，安顺港、槟城港等港口及附近海域也聚集了众多出海捕捞作业、靠泊的捕捞船舶。
表2 海上丝绸之路主要港口区域船舶密度（艘次/h）

Tab.2 The density of the ship in main port of Maritime Silk Road （ships/h）

均值 新加坡 迪拜 科伦坡 巴生 槟城 阿巴斯 伦格港
捕捞船 94 1 996 529 463 495 1 072 149 72
客船 259 6 314 4 189 620 64 1 111 126 123
货船 773 16 349 15 784 7 967 3 346 4 330 2 673 2 614
油轮 1 070 20 899 14 182 4 843 4 183 2 277 2 743 3 684
全部船舶 1 929 43 890 34 684 13 893 8 088 8 790 6 632 5 524

3.2 船舶尺度分布特征

基于ArcGIS空间分析工具，根据《国际船舶分类》对海上丝绸之路各类型船舶进行分级（图4，表3）。捕捞船以型长<22 m的小型船舶为主，占比67.1%。中大型捕捞船分别占16.6%和12.7%，巨型捕捞船占比较小，仅3.6%。其中巨型捕捞船零星分布在马六甲海峡至科伦坡沿线水道及苏门答腊岛周边海域；大型捕捞船主要分布在霍尔木兹海峡、马六甲海峡至科伦坡沿线海域；中型捕捞船分布于印度西南近岸海域；小型船舶则主要集中于马来半岛西侧、斯里兰卡周边海域。客船以型长<55 m的小型船舶为主，占80.7%，其分布较为广泛，总体呈“W”型，以马来半岛、苏门答腊岛、斯里兰卡、印度等各岛屿间的客运运输为主；中型客船则主要分布于印度柯钦港和新加坡港附近海域；大型和巨型客船占比较小，高度集聚于马六甲海峡—科伦坡港—霍尔木兹海峡航线区域。中小型货船主要集中于新加坡港、巴生港、槟城港经科伦坡港至迪拜港、阿巴斯港的航行水道，大型和巨型货船较少，分布较为稀疏。油轮以载重吨小于6万t的小型油轮为主，占比为65.5%，与货船相似集中于新加坡—科伦坡—阿巴丹的主航线区及港口内部；中大型油轮主要集中于马来西亚关丹港、丹戎宜兰港近岸海域、科伦坡至阿巴丹航线区；巨型油轮分布在马六甲海峡至霍尔木兹海峡主航线区域。
图4 海上丝绸之路各类船舶尺度分级

Fig.4 The scale classification of all kinds of ships in Maritime Silk Road

表3 海上丝绸之路各类船舶尺度统计

Tab.3 The scale statistics of all kinds of ships in Maritime Silk Road

船舶类型 船舶分类 小型 中型 大型 巨型
捕捞船 船长（m） <22 22~43 43~78 >78
占比（%） 67.1 16.6 12.7 3.6
客船 船长（m） <55 55~125 125~225 >225
占比（%） 80.7 9.4 6.6 3.3
货船 载重吨（万t） <6 6~10 10~20 >20
占比（%） 70.2 16.2 11.8 1.8
油轮 载重吨（万t） <6 6~12 12~20 >20
占比（%） 65.5 16.2 4.9 13.4

3.3 船舶速度分布特征

基于ArcGIS空间分析工具对海上丝绸之路船舶航速进行统计并分级（图5，表4）。结果表明：海上丝绸之路海域船舶航速以低速（0~5 kn）和中高速（10~20 kn）为主，分别占总船舶的60.8%和30.2%，其中，低速船舶主要分布在近岸海域，总体上与捕捞船和客船分布特征相符合，中高速船舶与货船和油轮分布特征相符合，其中，中高速船舶主要分布在新加坡—科伦坡—阿巴丹的主航线区。中速船舶主要分布于马来半岛、苏门答腊岛、斯里兰卡等近岸海域；高速船舶所占比例较小，其中，高速客船分布于马来半岛近岸海域，其他类型高速船舶则零星分布于主航线区。总体来看，各类型船舶均以中低速为主，中高速船舶为货船和油轮，高速船舶为客船。
图5 海上丝绸之路各类船舶速度分级

Fig.5 The speed classification of all kinds of ships in Maritime Silk Road

表4 海上丝绸之路船舶航速统计

Tab.4 The speed statistics of all kinds of ships in Maritime Silk Road

船舶类型 低速
（0~5 kn）		 中速
（5~10 kn）		 中高速
（10~20 kn）		 高速
（20~30 kn）
捕捞船（%） 79.2 17.7 3.0 0.1
客船（%） 74.2 7.4 12.7 5.7
货船（%） 52.3 8.7 38.0 0.9
油轮（%） 64.3 7.2 28.4 0.1
全部船舶（%） 60.8 8.1 30.2 0.8

4 海上丝绸之路船舶活动时空变化的影响因素

4.1 地理条件与自然资源分布

海上丝绸之路的地理位置及特征、自然资源分布状况在一定程度上影响了船舶活动的时空分布特征。海上丝绸之路总体呈现“海峡水道众多，海底地形复杂多样”的地貌特征，平均水深较大。其中马六甲海峡呈“喇叭形”的狭长水道，地形平坦，平均水深较大，可供20万t级大型货船、油轮通行，巨型船舶需绕行龙目海峡；霍尔木兹海峡是进出波斯湾的狭窄水道，海峡岛屿、浅滩、礁石众多，平均水深较大，可供大型、巨型油轮通行。海上丝绸之路自然灾害较多，夏秋季节热带气旋多发，强风、巨浪、风暴潮等自然灾害也较多，对中小型捕捞船、客船、货船影响较大。
海上丝绸之路沿线资源丰富，特别是石油、锡等矿产资源、渔业资源、旅游资源具有良好的开发条件。如波斯湾地区、印度尼西亚拥有丰富的油气资源，石油资源的开采及加工及港口专用码头建设影响油轮活动的空间格局，致使迪拜港、阿巴斯港等波斯湾沿岸港口区油轮交通流量密集，此外，远东地区对石油需求的增加，使得马六甲—科伦坡、科伦坡—阿巴丹航线油轮活动频繁。北印度洋寒暖流交汇、印度沿岸印度河、恒河、高韦里河等河口，马来西亚沿岸，浮游生物繁盛，渔业资源丰富，周边海域渔业养殖捕捞业发达，捕捞船高度聚集。

4.2 沿线经济发展水平与港口基础设施建设

“21世纪海上丝绸之路”倡议的提出为沿线经济的发展注入了新鲜血液，逐渐成为推动区域经济增长的重要力量。2013—2018年，东盟、南亚等地区GDP分别增长了18%和51%，对外贸易分别增长了17.4%和8.2%，经济和对外贸易的快速增长也推动了现代航运业和港口物流产业的快速增长，使得海上丝绸之路成为连接亚欧非三大洲最为繁忙的海运通道。而港口、物流、航运等交通基础设施建设是影响海上丝绸之路船舶活动的重要因素，例如全球性中转枢纽港新加坡港、科伦坡港等港口，港口现代化、智能化程度较高，转口贸易发达，有利于大型、巨型油轮、货船的停靠，港区及附近海域船舶聚集；此外，波斯湾沿岸港口，拥有专业化油码头、现代化的装卸设备，油气贸易发达，有利于巨型、大型油轮、货船的停靠，湾区内油轮、货船活动密度较高；同样，海上丝绸之路沿线国家级现代化渔港的建设和服务配套设施的完善推动了周边海域大量捕捞船的聚集。

4.3 海上交通管制

海上交通管制是为了保证船舶航行安全和运营效率而采取的一种手段，其通常包括技术手段、法律手段和行政手段，这些管制手段在一定程度上影响了海上丝绸之路船舶活动的时空特征。为了有效提高船舶航行安全和降低狭窄拥挤水道船舶密度，多实行航道分道通航制度、船舶定制线等手段来规范船舶航行。海上丝绸之路沿线海峡众多，海峡水道狭窄、船舶密度大。其中，马六甲海峡实行分道通航及“STRAITREP”报告制度，并由VTS系统提供相应监控服务；霍尔木兹海峡实行海峡航行规范及《国际海上避碰规则》中的分道通航制度。此外，沿线各港口实行VTS监控和服务系统，对进出港船舶航行安全和污染防控等方面发挥了重要作用。海上丝绸之路沿线国家的禁渔管理制度也使得沿线海域捕捞船活动时空格局变化明显。

5 结论与讨论

基于2018年海上丝绸之路船舶AIS数据和GIS空间分析工具探讨了捕捞船和商业性船舶的时空分布特征，并对其驱动机制进行了分析，结果发现：
①海上丝绸之路船舶捕捞船舶受昼夜更替、季度变化和气候变化影响较大，白天时段和禁渔期之后捕捞船在波斯湾、印度东西沿岸、马六甲海峡南部、马来半岛东部海域捕捞作业活动较为频繁，受季风气候影响11月之后捕捞船数量明显减少；商业船舶时刻、日、月变化明显，季度变化不明显，午夜、中午时刻、每月中下旬及9~11月船舶活动较为频繁，9月为商船活动转折点，波动幅度较大。
②海上丝绸之路沿线海域船舶活动较为密集，其中油轮和货船所占比例较大，客船所占比例较小；商业船舶主要以新加坡港、巴生港、科伦坡港、迪拜港、达曼港等大型港口为依托，沿新加坡—科伦坡—阿巴丹的主航线分布，且油轮和货船呈现高度重叠关系；捕捞船多集中于近岸渔场及养殖区域，呈团状分布特征。
③海上丝绸之路以中小型船舶为主，主要分布于新加坡、迪拜等大型港口及新加坡—科伦坡—阿巴丹的主航线区；大型和巨型油轮、货船较少，分布较为稀疏。小型客船广泛分布于马来半岛、印尼诸岛屿、斯里兰卡、印度之间，呈“W”型分布特征；中型客船则集聚于印度柯钦港和新加坡港海域，大型客船比较少。捕捞船以中小型船舶为主，分布于印度西南、马来半岛西侧、斯里兰卡周边海域；大型和巨型船舶比例较小，主要分布于主航线区。海上丝绸之路船舶以低速为主、中高速为辅，低速船舶分布于近岸海域，各类型船舶均有分布；中高速船舶广泛分布于新加坡—科伦坡—阿巴丹航线区，货船和油轮所占比例较大，高速船舶以客船为主。
④海上丝绸之路船舶活动时空分布特征受多方面条件综合制约，其中，地理条件与自然资源分布、经济发展与港口基础设施建设、海上交通管制等影响因素影响较大。
海上丝绸之路是贯穿东西、连接亚欧非的传统海上通道，沿线船舶交通流密度大，结构复杂，加之海峡众多且狭长，岛屿、浅滩、礁石广泛分布，夏秋季节热带气旋多发，强风、巨浪等自然灾害多，船舶会遇、碰撞及重大风险事故频率较高，对中小型船舶影响较大；此外，商业性船舶与捕捞船舶之间存在空间利用冲突等问题。
本文通过对海上丝绸之路船舶活动时空分布特征的研究，为探寻船舶交通流规律，保障海上船舶航行安全提供了一定的支持，丰富海上船舶交通流的理论与方法，扩展交通运输研究的新领域。受数据的影响，本文的数据可能会存在一定的误差，但并不影响海上船舶活动时空特征的总体分析。下一步将进行不同区域船舶活动特征及与贸易的关系研究，通过船舶活动特征预测海上贸易演化规律。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Meng Q, Weng J, Li S. Analysis with automatic identification system data vessel traffic characteristics in the Singapore Strait[J]. Transportation Research Record, 2014,2426:33-43.

[2]
潘家财, 邵哲平, 姜青山. 数据挖掘在海上交通特征分析中的应用研究[J]. 中国航海, 2010, 33(2):60-62,73.

[3]
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.

[4]
刘虎, 李伟峰. 基于AIS数据的海上交通流区域自动识别[J]. 中国航海, 2016, 39(4):87-90,132.

[5]
Yip T L. A marine traffic flow model[J]. TransNav:International Journal on Marine Navigation and Safety of Sea Transportation, 2013, 7(1):109-113.

[6]
Yu H, Fang Z, Lu F, et al. Impact of oil price fluctuations on tanker maritime network structure and traffic flow changes[J]. Applied Energy, 2019,237:390-403.

[7]
Zhang L, Meng Q, Fwa Tien F. Big AIS data based spatial-temporal analyses of ship traffic in Singapore port waters[J]. Transportation Research Part E, 2019,129:1-18.

[8]
Liu Z, Wu Z, Zheng Z. A novel framework for regional collision risk identification based on AIS data[J]. Applied Ocean Research, 2019(89):261-272.

[9]
Qu X, Meng Q, Li S. Ship collision risk assessment for the Singapore Strait[J]. Accident Analysis and Prevention, 2011, 43(6):2030-2036.

[10]
Silveira P A M, Teixeira A P, Soares C G. Use of AIS data to characterise marine traffic patterns and ship collision risk off the coast of Portugal[J]. The Journal of Navigation, 2013, 66(6):879-898.

[11]
Gao M, Shi G, Li S. Online prediction of ship behavior with automatic identification system sensor data using bidirectional long short-term memory recurrent neural network[J]. Sensors, 2018, 18(12):1-16.

[12]
潘晋, 汪咏, 黄义飞, 等. 基于AIS数据的船桥碰撞概率评估方法研究[J]. 华中科技大学学报:自然科学版, 2019, 47(11):109-114.

[13]
Zhang W, Feng X, Qi Y, et al. Towards a model of regional vessel near-miss collision risk assessment for open waters based on AIS Data[J]. Journal of Navigation, 2019, 72(6):1449-1468.

[14]
Chen Z, Xue J, Wu C, et al. Classification of vessel motion pattern in inland waterways based on Automatic Identification System[J]. Ocean Engineering, 2018,161:69-76.

[15]
Qian X. Application of Macroscopic Fundamental Diagrams to Dynamic Traffic Management[D]. Delft: Delft University of Technology, 2009.

[16]
徐力, 项鹭, 柴田, 等. 厦门港航道通过能力建模及应用[J]. 中国航海, 2019, 42(2):32-36.

[17]
姚海元, 黄俊, 齐越, 等. AIS数据在航道通过能力提升中的仿真应用[J]. 系统工程, 2018, 36(10):125-136.

[18]
唐皇, 魏立桥, 尹勇, 等. 基于概率有向图模型的船舶进出港航路规划[J]. 华中科技大学学报:自然科学版, 2020, 48(5):105-109.

[19]
邢辉, 段树林, 黄连忠, 等. 基于AIS数据的渤海湾地区海运排放测算[J]. 中国环境科学, 2016, 36(3):953-960.

[20]
朱倩茹, 廖程浩, 王龙, 等. 基于AIS数据的精细化船舶排放清单方法[J]. 中国环境科学, 2017, 37(12):4493-4500.

Options
文章导航

/

〈 〉