全球LNG海上运输网络演化及中国贸易现状分析

随着“碳达峰”、“碳中和”发展目标的提出,液化天然气（Liquefied Natural Gas,简称LNG）作为清洁低碳能源逐渐受到能源市场的重视。在此背景下,重点分析LNG海上运输网络演化模式,对掌握全球能源格局动态和中国的进口贸易现状具有重要意义。本文利用船舶轨迹数据和复杂网络理论,聚焦2018—2020年全球LNG海上运输网络演化趋势;同时针对中国的贸易现状,重点分析中国LNG进口来源、主要进口港分布及进口量排名前三的进口港的货源流入状况。结果表明：① 2018—2020年,全球LNG海上运输网络呈扩大趋势,并呈现出“无标度”特性;同时骨干网络节点连接的“广度”和“深度”正在增强,全球LNG贸易存在趋于垄断的风险;② “一带一路”国家贸易参与度强,中北美、南亚和东南亚地区的进口港数量和进口航次数增长尤为明显,萨贝塔、邦尼按照贸易出口量排名已进入全球前八;③ 网络的平均最短路径值在2018—2020年逐年递增,“转运港”业务新模态逐渐兴起;截止到2020年共有21个转运港口参与LNG贸易中,美国占据全球转运的主导地位;④ 中国的LNG进口货量规模发展迅速,海上运输网络流向趋于多元,但澳大利亚仍占据主要来源地位;按照进口量统计天津港、深圳港和永安港排名前三,“减碳”压力促使经济发达地区建设接收站并且不断增大进口量。     

上海外高桥港区停泊船聚类分析与异常检测

停泊船空间分布规律挖掘,在海事监管、港口管理和航运公司船队管理方面有着重要意义。现有研究主要针对船舶停泊点进行空间聚类以识别码头和锚地,缺乏对码头、锚地内船舶停泊特征分析,及码头和锚地外的异常停船的检测。因此,利用海量船舶自动识别系统（AIS）数据探索船舶停泊规律显得很有必要,且具备可行性。根据海况设定停泊速度阈值和停泊位置变化量阈值,建立停船判定模型。按港区、船型筛选,获取2016年1至11月外高桥港区集装箱船停泊记录。根据类中心点密度和聚类数量,设定邻域半径（ε）和邻域密度（MinPts）,采用密度聚类（DBSCAN）算法对船舶停泊点进行密度聚类,并将聚类结果与外高桥港区码头、锚地分布图进行比较,生成可疑停船列表。对比船舶历史轨迹,明确可疑停船列表中船舶真实停泊记录,筛选出异常停船。研究发现,2016年1至11月外高桥港区船舶异常停泊点位于圆圆沙锚地至吴淞口锚地间的南港水道和江亚南沙锚地附近的南港水道航段。船舶停泊前、后位置变化幅度小,而速度变化幅度大,推测船舶突发故障是其异常停泊的原因。海事主管部门（MSA）可根据船舶水上移动通信业务识别码（MMSI）快速锁定航运公司,加强岸上船舶安全管理。船舶停泊位置和时间能够记录船舶发生故障地点及其持续时间,为船队管理提供重要依据。