利用自动识别系统数据量化台风Phanfone对菲律宾港口活动的影响（英）

核心观点

该研报探讨了如何利用高频自动识别系统（AIS）数据评估台风对海上活动的影响。研究以 2019 年袭击菲律宾的台风 Phanfone 为例，通过贝叶斯结构时间序列模型分析每日船舶交通，量化了受台风影响的港口的干扰程度。

研究方法

• 数据来源：联合国全球平台（UNGP）和国际海道测量局（IHS Markit）提供的 AIS 数据，世界港口索引（WPI）提供的港口坐标，以及国际最佳路径跟踪存档（IBTrACS）提供的台风路径数据。
• 港口区域定义：基于 WPI 提供的港口坐标，采用 2km 和 10km 的圆形缓冲区方法定义港口区域，将 1984 个港口区域合并为 1450 个。
• 港口活动衡量：通过每日唯一船舶计数指标衡量港口活动水平。
• 因果影响估计：采用贝叶斯结构时间序列模型（BSTS）和 CausalImpact R 包，构建合成控制组，量化台风对受影响港口的因果影响。

研究结论

• 台风 Phanfone 对部分港口造成显著影响：Cebu、Iloilo 和 Isabel 港口的每日船舶交通量显著下降，与合成控制组的预测相比，分别下降了 35%、14% 和 47%。
• 并非所有受影响港口都受到同等影响：Batangas、Bacolod 和 Capiz 港口的平均每日船舶数量没有显著变化。
• 船舶交通模式发生变化：一些港口的船舶交通量增加，而另一些港口则减少，这可能是由于船舶交通路线和运营偏好的变化，以及灾后人道主义需求的增加。
• AIS 数据可用于实时预测港口活动：该研究为利用 AIS 数据进行港口活动实时预测提供了一个有价值的框架，有助于灾害风险管理、港口运营规划和资源分配。

改进方向

• 使用更精确的港口边界定义：以提高 AIS 指标的准确性。
• 扩展到其他指标：例如船舶货物吨位或港口停留时间，以更全面地了解港口活动。
• 应用于其他案例研究：以评估该框架对其他受台风影响港口的适用性。