本数据库基于全球船舶自动识别系统（AIS）公开数据源整理而成，系统记录了2019年至今全球范围内7万余艘船舶的航行轨迹与航程信息，共计收录约1440万条高精度轨迹点数据。数据库包含“航程指标表”与“港口OD指标表”两大模块：前者以小时为粒度记录船舶的实时位置（经纬度）、航速、航行状态、水深、距最近港口距离等动态信息；后者则刻画船舶从起始港口到目的港口的完整航程，涵盖起止时间、持续时间、航线、起止点经纬度及港口位置等关键要素。通过这两张表的关联，用户可以还原每艘船舶的微观移动路径与宏观运输活动，为全球海运网络的量化分析提供系统化的数据基础。
数据特点：
- 高时空分辨率，覆盖全球主要航运动脉：数据以“小时”为时间采样频率，空间上涵盖全球海域的经纬度点位。用户可基于每小时连续轨迹，精确计算船舶航速变化、停留时长、航线偏移等动态指标，适用于港口拥堵监测、航线效率评估等高频分析场景。
- 丰富的船舶属性与作业类型标注：每条记录均关联MMSI、船名、IMO号、呼号、船舶类型、船旗国、作业类型（如捕鱼、客货运输、油轮等）及水深信息。学者可按船舶类型或作业方式分组，对比不同船队（如集装箱船 vs. 散货船）的航行行为差异，或探究船旗国对运营效率的影响，支撑运输经济学与海事政策研究。
- 航程与港口OD一体化数据结构：港口OD指标表提供了针对每个航程的起始/目的港口名称、起止时间、持续时长及港口精确坐标，并与航程指标表中的轨迹点通过“航程编号”唯一关联。用户可直接提取任意港口对之间的所有航程，计算平均航行时间、准点率、碳排放强度等指标，为全球供应链优化和港口竞争力评估提供可量化的输入。
数据应用价值：
- 赋能运输经济学与贸易流动研究：数据包含船舶实际航线、港口停靠序列及航程时间，可用于估算双边贸易成本、测度港口连通性、检验“距离衰减”效应等经典命题，本数据可帮助研究者更精细地控制航程异质性，提升模型解释力。
- 支撑港口规划与物流效率优化：通过统计各港口的船舶到发频次、锚地等待时长、泊位利用率等指标，可识别港口运营瓶颈。企业用户可基于“距最近港口距离”“航行状态”等字段，量化特定港口在台风季节或节假日期间的效率波动，为动态调整航运排班和仓储布局提供决策依据。
- 助力全球供应链风险与韧性评估：连续多年的轨迹数据允许回溯重大事件（如红海危机、运河拥堵、地缘冲突）对全球船流的影响路径。研究者可比对事件发生前后航线偏离度、航次取消率、航程延长比例等指标，构建供应链脆弱性预警模型，为政府和企业制定应急预案提供实证支持。
- 推动绿色航运与碳排放核算：结合航速、航程与船舶类型，可基于主流排放因子模型计算单船或区域船队的温室气体排放量。数据中的“作业类型”和“水深”能进一步区分港口操纵、沿海航行、公海航行等不同排放阶段，使碳核算精度提升至小时级别，满足国际海事组织对船舶排放报告的精细化要求。
CnOpenData世界船舶轨迹与航程数据以公开AIS数据为基础，构建了覆盖2019年至今、包含千万级轨迹点与完整港口OD信息的高质量海运数据集。其高时空分辨率、丰富的船舶属性及航程一体化结构，为运输经济学、物流管理、港口规划、供应链风险及绿色航运等领域的量化研究提供了可靠的数据基石。我们诚邀学界与业界用户利用本数据，捕捉船舶运行的微观动态，重构全球海运网络的宏观认知，共同推动航运大数据从“可观测”走向“可决策”。
时间区间
2019-2025
字段展示
样本数据
航程指标表
港口OD指标表
数据更新频率
年度更新