港口统计数字通常是指港口管理当局发布的公共数据。公共数据不容易获取，而且在报告方法和报告格式方面各不相同。随着AIS（Automatic Identification System）数据可供使用，令建立全球实时港口信息系统变得可行。我们研发了多项技术来构建全球性港口信息系统，涵盖基于（AIS）数据的港口挤塞和港口连通性指标。

聚类算法和双层 DBSCAN（Density-Based Spatial Clustering of Applications with Noise）：我们首先研发了一种聚类算法来自动识别泊位和锚地区域以追踪船舶靠泊、系泊和船舶状况。泊位区域的描述对于港口信息系统的发展至关重要。因此，我们构建了一个具有两层聚类的空间聚类算法（spatial clustering algorithm）来消除干扰。在第一层，我们从 AIS 数据中取得船舶在港口的轨迹。 DBSCAN 用于去除干扰并按速度过滤的每艘船的所有系泊点进行聚类。在第二层，我们再次使用DBSCAN来区分靠泊和锚地区域。 运行 DBSCAN 的迭代以最小化梯度，直至算法接近预设的阈值。

港口挤塞与港口连通性：港口挤塞程度是吸引航运公司挂靠港口的重要因素。港口挤塞是指船舶在锚地区域排队等待码头靠泊。在研发我们的港口信息系统时，我们界定了两个挤塞指标：（1）在靠泊码头之前停泊在锚地的船舶比例，以及（2）船舶在锚地的平均等待时间。而另一方面，港口连通性反映了该地区连接全球市场的能力。我们创建了一个新的连通性索引，不仅可以显示船舶流量和路由多样性，还可以显示网络属性。连通性指数的计算采用四个步骤：（1）提取航运轨迹和行程长度，（2）计算船舶停靠港口的数量和连接不同国家的数量，以反映港口的策略重要性以吸引长途船舶，（3）构建了基于所有轨迹的全球班轮运输网络来计算网络指标，以及（ 4）统一所有指标来计算总分。

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