港口統計數字通常是指港口管理當局發布的公共數據。公共數據不容易獲取，而且在報告方法和報告格式方面各不相同。隨著AIS (Automatic Identification System) 數據可供使用，令建立全球即時港口訊息系統變得可行。我們研發了多項技術來構建全球性港口訊息系統，涵蓋基於(AIS)數據的港口擠塞和港口連通性指標。

聚類演算法和雙層 DBSCAN (Density-Based Spatial Clustering of Applications with Noise)：我們首先研發了一種聚類演算法來自動識別泊位和錨地區域以追蹤船舶靠泊、繫泊和船舶状况。泊位區域的描述對於港口訊息系統的發展至關重要。因此，我們構建了一個具有兩層聚類的空間聚類演算法(spatial clustering algorithm)來消除干擾。在第一層，我們從 AIS 數據中取得船舶在港口的軌跡。DBSCAN 用於去除干擾並按速度過濾的每艘船的所有繫泊點進行聚類。在第二層，我們再次使用DBSCAN來區分靠泊和錨地區域。運行 DBSCAN 的迭代以最小化梯度，直至演算法接近預設的閾值。

港口擠塞與港口連通性：港口擠塞程度是吸引航運公司挂靠港口的重要因素。港口擠塞是指船舶在錨地區域排隊等待碼頭靠泊。在研發我們的港口訊息系統時，我們界定了兩個擠塞指標：（1）在靠泊碼頭之前停泊在錨地的船舶比例，以及（2）船舶在錨地的平均等待時間。而另一方面，港口連通性反映了該地區連接全球市場的能力。我們創建了一個新的連通性索引，不僅可以顯示船舶流量和路由多樣性，還可以顯示網絡屬性。連通性指數的計算採用四個步驟：（1）提取航運軌跡和行程長度，（2）計算船舶停靠港口的數量和連接不同國家的數量，以反映港口的策略重要性以吸引長途船舶，（3）構建了基於所有軌跡的全球班輪運輸網絡來計算網絡指標，以及（4）統一所有指標來計算總分。

Reference: Dong Yang, Xiwen Bai and Venus Lun, 2022, Port Statistics: The Rise of a New Era for Open Data, The Maritime Economist, 10:2, page 7-12

LSCM – Venus Lun