一、适用对象 海事管理部门、港口运营企业及客运船舶公司。 二、适用范围 涵盖各类固定航线的客运船舶，包括渡轮、客船等在日常运营中的载客数据记录与分析。 三、解决的问题 通过自动计算单航次的载客饱和度、超载量及超载率，有效识别运营中的超载风险，弥补传统人工统计效率低、易出错的不足。 四、核心价值点 1、将数据驱动决策引入水上客运安全管理中，显著提升监管效率和响应速度。通过结构化记录船舶班次、载客数量与时间信息，管理人员可快速掌握整体运营负荷，识别高频超载船舶、时段与航线，为运力调度、班次优化提供数据支持。 2、该数据有助于落实安全生产责任，防范因超载引发的安全事故，保障旅客生命财产安全，提升公共航运服务的可靠性与信任度。 3、该数据可用于长期数据分析，为船舶单位与监管机构提供决策参考，从而实现船舶运力的科学配置、风险的有效防控和水上交通安全管理水平的整体提升。 五、外部复用价值 对海事局，提供实时、不可篡改的超载证据链，实现精准执法；对港口，可依据预警智能分配泊位与资源，提升运转效率；对公众，公开饱和度数据可帮助规避拥挤航班，提升出行满意度与安全感。
一、数据采集 客运船舶客流动态饱和度分析的数据来源为公司内部的环岛客运船舶智能动态监控系统。具体采集字段包括： 额定载客量：船舶设计允许的最大载客数量，通常由船舶证书确定，作为基础静态数据录入系统。 实际载客量：通过系统中的实时售票数据获取本航次的实际载客人数。 航次信息：包括船舶名称、出发码头、到达码头、船舶出发时间，用于关联和分析单航次负载情况。 二、数据处理 原始数据需经过清洗、整合和标准化处理： 数据清洗：剔除异常值（如负载客量、超过物理限值的异常数值），并对缺失数据采用插值法或基于历史航次规律进行修复。 数据关联：将额定载客量、实际载客量、出发码头、到达码头等多源数据通过船舶名称和船舶出发时间进行关联，形成结构化数据表。 三、核心算法规则 基于处理后的数据，计算以下核心指标： （1）载客饱和度 定义：单航次实际载客量与额定载客量的百分比比值，反映船舶载客负荷程度。 公式：载客饱和度=（实际载客量/额定载客量）×100% （2）超载量与超载率 超载量：当实际载客量超过额定载客量时，计算超出部分的绝对值；若未超载，则值为0。 超载量=max(0,实际载客量−额定载客量) 超载率：量化超载的严重程度，为超载量与额定载客量的比值。 超载率=（超载量/额定载客量）×100% （3）四级预警体系 根据计算结果触发动态预警状态： 红色预警：超载量＞0（即实际载客量超过额定载客量）时立即触发，需启动应急响应机制。 橙色预警：载客饱和度≥95%但未超载时触发，提示接近满载风险。 黄色预警：载客饱和度≥85%但低于95%时触发，提示中等负载状态。 绿色无预警：载客饱和度＜85%时视为安全状态，无需预警。 四、数据应用 （1）实时监控看板 可视化展示全域船舶的饱和度热力图、预警分布及趋势曲线，帮助调度中心快速掌握整体运营状况。 （2）智能调度决策 结合历史数据与实时预警，动态调整航班班次或分配备用船舶，缓解高负载航线压力。 （3）安全监管与合规分析 对频繁触发红色预警的船舶或航线进行重点排查，辅助海事部门开展安全督查。 （4）长期规划优化 基于饱和度趋势分析，为船舶扩容、航线调整或新增运力提供数据支撑，提升客运系统的整体效率与安全性。
| 字段名 | 类型 | 描述 |
|---|---|---|
序号 |
-- | -- |
船舶名称 |
-- | -- |
出发码头 |
-- | -- |
到达码头 |
-- | -- |
船舶出发时间 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 序号 | 19 |
| 船舶名称 | 如心轮 |
| 出发码头 | 大岙 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/5090996