📝 研究标题

🎯 研究目的

🧠 背景概述

🌍 现有知识

• 潮汐模拟：已有成熟模型（如本文使用的MIKE21）可用于模拟和预测沿海与河口地区的潮汐模式和水流。神经网络和谐波分析也已用于潮汐预测。

• AIS数据：自动识别系统（AIS）数据被广泛认为是追踪和分析船舶运动、交通模式及行为的综合性来源，存在数据预处理和清洗方法。

• 潮汐影响研究：已有研究承认潮汐对港口运营、船舶调度（泊位分配、窗口期）、船速和操纵（使用Norrbin等模型）的影响。优化技术（PSO、蒙特卡洛）已应用于潮汐区域的调度问题。

• 研究空白：尽管潮汐的影响已知，但对于繁忙河口港船舶在日常进出港过程中实际利用或顶着潮汐航行的程度，特别是从能源效率角度出发的量化认识尚显不足。本研究旨在量化这种行为。

👥 研究对象

• 数据来源：2022年全年通过珠江口区域（近港珠澳大桥）船舶的自动识别系统（AIS）数据。

• 研究实体：在定义的研究区域内，通过AIS数据捕获的225,333次船舶航行记录（进港和出港航程分开处理）。

• 模拟数据：使用MIKE21模型生成的同一时期和区域的模拟潮汐流数据（速度和方向）。

🧩 研究方法与实验设计

• 研究类型：利用历史AIS数据和模拟环境数据（潮汐流）进行的回顾性观察研究。定量分析。

• 数据收集：收集了2022年珠江口（港珠澳大桥区域）的AIS数据。使用MIKE21水动力模型生成了相应的潮汐流数据。

• 数据处理：
• AIS：预处理包括缺失点插值、移除重复和错误数据（基于MMSI、速度阈值）、重采样。
• 潮流：模拟每小时数据，然后插值到秒级以匹配AIS数据时间戳。

• 分析流程：
1. 使用ArcGIS Pro可视化船舶交通密度，确定高流量的重点研究航线（约8公里宽）。
2. 将预处理后的AIS数据（船舶位置、时间戳、航向、速度）与基于时间和位置（使用重点航线内的9个代表点）的相应插值潮汐流数据（速度、方向）进行融合。
3. 计算船舶航向（COG）与潮流方向之间的夹角。
4. 根据潮流对船舶行为进行分类：
• 顺流（利用潮汐）：夹角 ≤ 30°
• 横流：30° < 夹角 < 90°
• 逆流（顶着潮汐）：90° ≤ 夹角 ≤ 180°
5. 分析每个类别（进港 vs 出港）船舶的月度和总体百分比。
6. 分析顺流和逆流航行船舶所经历的流速分布。

• 使用工具：ArcGIS Pro、MIKE21软件、Python（推测使用Pandas, openpyxl库进行数据处理和融合）。

🛠️ 技术路线

1. 数据获取：获取2022年珠江口AIS数据 & 使用MIKE21模拟2022年潮汐流。

2. 数据预处理：清洗、插值、重采样AIS数据。插值模拟水流数据以匹配AIS时间分辨率。

3. 区域定义：通过AIS分析（ArcGIS）识别高密度航运路线。定义分析子区域。

4. 数据融合：时空匹配每个AIS数据点与相应的模拟水流数据（速度和方向）。

5. 行为分类：计算船向与流向夹角。根据预定角度范围分类为顺流、横流或逆流。

6. 定量分析：计算各行为类别船舶的比例（总体、月度、进出港）。分析相关流速分布。

7. 结果解读：评估潮汐利用程度及其对潜在节能的影响。

📈 主要发现

• 逆流航行普遍：绝大多数进港船舶（75-76%）逆流航行。对于出港船舶，情况更为均衡，41-45%逆流航行。

• 潮汐利用情况：仅15-16%的进港船舶利用了潮汐（顺流航行），而出港船舶则有41-45%这样做。横流航行最不常见（进港9%，出港11-15%）。

• 出港船更善于利用潮汐：与进港船舶相比，出港船舶表现出明显更高的顺流航行倾向。

• 流速影响显著：这种差异在较高潮汐流速（> 0.6 m/s）下尤为明显。利用这些较强顺流的出港船舶比例远高于进港船舶。反之，进港船舶比出港船舶更可能顶着强逆流航行。

• 航运量与速度：2022年全年船舶交通量稳步增长。出港船舶通常比进港船舶航行速度更快（平均8.3节 vs 6.8节）。

🧪 实验要点记录

• 模拟工具：MIKE21二维水动力模型。非结构化网格，分辨率可变（重点区域最小40m）。

• 数据周期：2022年全年。

• AIS预处理：线性插值、重复数据删除（>1分钟间隔）、错误检查（MMSI=0, 速度>100节, 速度>5倍航迹计算速度）。

• 水流数据：每小时模拟，然后插值到秒级。用u（东西向）和v（南北向）分量表示。

• 行为定义：船舶航向与流向夹角：≤30° (顺流), 30-90° (横流), 90-180° (逆流)。

• 分析焦点：港珠澳大桥区域，珠江口（经度113.77°E-113.85°E）。划分为9个分析区。

🔍 研究优劣分析

• 优势：
• 利用了覆盖全年的大规模真实世界AIS数据，提供了稳健的统计结果。
• 结合了经验性船舶数据与经过验证的水动力模拟（MIKE21）。
• 量化了船舶关于潮汐相互作用的实际行为，而非仅理论潜力。
• 解决了对大量全球港口（河口型）都具有重要意义的问题（港口节能）。
• 研究方法似乎可适用于其他河口港。

• 局限性：
• 仅聚焦于单一特定地点（珠江口）；未经进一步研究，结果可能不具普适性。
• 依赖于MIKE21模拟水流数据的准确性。
• 未量化具体节省/浪费的能量（建议未来工作使用CFD）。
• 相关性不等于因果关系；其他因素（如交通、港口操作、天气、目的地限制）也影响调度决策，本文未分析这些因素。
• 对于为何进港船舶较少利用潮汐的原因（如归因于抵达时间不确定性）提出了推测，但未被明确证实。

💭 个人思考与启发

📌 标签与分类

📅 笔记日期