本文面向多港口聚集海湾中原油海运贸易监测难题，提出一种融合 AIS 船舶轨迹、目的地文本语义、Geohash 空间概括与船舶吃水变化的原油运量估算流程。研究针对相邻港口航迹重叠、船对船转运、单点系泊、海底管道运输和 AIS 目的地记录不规范等问题，构建停留航段识别、目的地港口双向搜索、卸货区域自动提取和多方法运量计算模型。实验表明，基于船舶载重状态转换的方法在 2014—2022 年日本主要港口原油进口验证中表现最佳，可为港口尺度能源贸易监测和全球大宗商品流动分析提供技术支撑。
原油贸易对能源安全和经济运行具有关键意义。传统统计数据多停留在国家或年度尺度，难以揭示具体港口、海湾和卸货设施层面的运量变化。AIS 船舶自动识别系统提供了全球船舶轨迹大数据，但在多港口聚集海湾中，港口归属判定、卸货区域识别和运量估算仍面临复杂挑战。
东京湾、伊势湾等海域港口密集，相邻港口船舶航迹交叉重叠，仅靠空间聚类难以准确判断卸货归属。
除港内泊位外，还存在船对船转运、海上单点系泊和海底管道输送等离岸卸货方式，传统港界方法容易遗漏。
AIS 目的地由人工填写，常存在拼写不规范、港名混用、IMO 编号缺失和吃水更新滞后等问题。
本文技术流程可概括为四步：清洗并筛选原油轮 AIS 轨迹，识别离岸 30 km 内低速停留航段，利用 Geohash 概括停留空间并通过目的地文本双向搜索确定港口归属，最后基于吃水变化与船舶载重参数估算原油卸货量。
研究整合 exactEarth、龙船科技 AIS 数据和劳氏船舶档案、Marine Traffic 等船舶参数信息。采用 MMSI_IMO 唯一标识船舶，剔除缺失、错误和重复记录，仅保留船舶类型编号为 80—89 的油轮，并进一步筛选 Crude Oil Tanker。
在离岸 30 km 范围内，基于低速、短间隔和近距离连续轨迹条件识别停留航段：航速小于 1 节，时间间隔小于 1 小时，直线距离小于 2 km，并根据不同时期 AIS 采样频率设置最小连续记录条数阈值。
采用 Geohash 7 级格网概括停留点，空间误差约 ±76 m。该层级既能区分相邻泊位，又避免格网过细导致停留区域被过度切碎。敏感性实验表明，Geohash 7 在港口尺度监测中平衡了空间精度与计算成本。
针对 AIS 目的地文本不规范问题，首先计算目的地字段与标准港口名称或 IMO 编号的相似度，阈值设为 80%；随后从停留区前一点向上游轨迹反向搜索，并在停留区内部正向搜索，取双向搜索序列众数作为该停留区域的归属港口。
按照“避障、就近融合”原则，以 3 km 为融合半径构建卸货区域；若扩展方向与其他港口归属区域相交，则停止扩张。随后在区域基础上扩充进入前一点和离开后一点，以捕捉完整吃水变化过程。
研究利用日本港湾协会发布的 6 个主要港口年度原油进口统计对 2014—2022 年估算结果进行验证。结果表明，方法 I 在宏观年度运量监测中表现最佳，对 AIS 吃水记录短期抖动和更新滞后具有较高容错性。
| 验证内容 | 结果 | 解释 |
|---|---|---|
| 运量估算精度 | 方法 I 的 R² = 0.95，RMSE = 3.77×10⁶ 吨。 | 基于满载—空载状态转换，对吃水记录滞后和短期异常更稳健。 |
| 相对其他方法提升 | 相较方法 II、III、IV、V，RMSE 分别降低 16.41%、22.90%、60.06%、9.16%。 | TPC 和吃水比例类方法更适合微观卸货过程，但对数据质量更敏感。 |
| 卸货区域提取 | 伊势湾港口分配可信度为 0.94。 | 较 K-means 提升 0.12，较 DBSCAN 提升 0.21。 |
| 稳定性 | 原油运量计算相对误差标准差比聚类算法低 0.56—0.80。 | 文本语义与空间拓扑结合降低了相邻港口错分风险。 |
本文提出的流程突破了传统国家级贸易统计的尺度限制，能够在多港口聚集海湾中自动识别原油卸货区域并估算进口量，为能源安全、港口基础设施利用率评估和全球大宗商品流动监测提供了数据驱动方法。
通过目的地港口双向搜索和避障融合规则，解决多港口海湾中航迹重叠和泊位邻近导致的错分问题。
基于载重状态转换的方法对 AIS 吃水记录抖动、滞后和部分缺陷具有较强容错性，适合年度和月度总量监测。
方法能够识别港内泊位、单点系泊、船对船转运和海底管道等多种卸货方式，更接近真实海上贸易模式。