双向航道集装箱港口船舶调度优化

　　摘要：针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题，提出了一种重点考虑服务规则的新型船舶调度优化算法。首先，考虑双向航道的现实约束限制，兼顾港口夜航的安全规定;然后，构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型，得出最佳的船舶进出港次序;最后，设计了嵌入聚合式策略的分支切割算法进行求解。通过数值实验可知，运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%;同时与模拟退火算法与量子差分进化算法的对比结果表明，所提分支切割算法所得的目标函数值相较于后两者所得目标函数值分别减少了23.56%和17.17%，验证了该算法的有效性。在所提算法所得方案的敏感性分析中比较了抵港安全时间间隔和船舶类型比例对方案结果的影响，为双向航道船舶进出港调度次序的优化提供了决策支持。

　　关键词：双向航道;集装箱港口;船舶调度;嵌入式聚合;分支切割算法

　　1引言

　　随着航运业的蓬勃发展，拥有双向航道的各大集装箱港口的业务越来越繁忙，尽可能减少抵港船舶的等待时间是相关各方关注的焦点;但在这类港口中，船舶于航道内、航道与港池交汇处时常发生的会遇现象和航道内不同类型船舶间的追越现象，不仅给船舶的进出港过程带来极大的安全隐患，还对船舶的等待时间造成较大影响，必须重点关注。国内外学者针对港口减少船舶等待时间的问题已经进行了大量深入细致的研究，并取得了阶段性成果。根据其所提出的方法不同，主要分为以下三类。

　　航道论文范例：长江叙渝段航道最大开发尺度研究

　　1)主要着重从泊位分配角度来减少船舶总等待时间。Imai等[1]针对泊位分配和船舶服务优先级问题，以到港船舶的作业与等待时间之和最短为优化目标，构建了相应混合整数模型，并设计了一种基于遗传算法的拓展启发式算法进行求解。Xiang等[2]研究了不确定性泊位分配问题，以最小化泊位分配成本和最大化客户满意度为双目标，建立了一个旨在优化泊位分配、减小船舶总等待时间的双目标模型，并提出了一种自适应灰狼优化算法来求解。Mauri等[3]研究了抵港船舶的泊位分配问题，以所有抵港船舶的在港时间最短为目标，构建了一个连续泊位与离散泊位通用的数学模型，并设计了自适应大邻域搜索启发式算法来求解。Dulebenets等[4]研究了船舶导流相关问题，以船舶服务成本最小为目标，建立了一种利用备用港池来疏导多用户集装箱船的模型，采用了文化基因启发式算法来求解。

　　Ting等[5]研究了离散动态情况下的泊位分配问题，以所有船舶的等待与作业时间之和最短为目标，构建了相应混合整数规划模型，并设计了粒子群优化算法进行求解。udipriyanto等[6]研究了泊位的协同分配问题，以船舶等待时间、集装箱装卸时间和船舶总周转时间之和最小为目标，采用了离散事件仿真对系统进行建模求解。Kordić等[7]考虑了离散泊位分配问题和混合泊位分配问题，以泊位分配成本最小为目标，提出了一种基于沉积算法的精确组合算法对模型进行求解。Qin等[8]针对水深变化时的泊位分配问题，以泊位服务时间最小为目标，建立了整数规划模型，并用启发式算法进行了求解。

　　2)主要着眼于通过泊位与岸桥的协同调度来减少船舶总等待时间。Correcher等[9]针对泊位和岸桥的协同分配问题，以最小化泊位和岸桥分配成本为目标，提出了一种新的混合整数模型，并用分支定界算法进行了求解。Xiang等[10]研究了集装箱码头离散泊位与岸桥的协同分配问题，以船舶抵港时间偏差、船舶装卸作业时间偏差和计划外船舶停靠对协同分配的归一化干扰成本最小为目标，提出了一种考虑实际约束的混合整数规划模型，并提出了一种滚动水平启发式算法来对其求解。Agra等[11]研究了一种基于相对位置的泊位和岸桥协同调度问题，提出了一种将时间和空间变量离散化的泊位分配模型，最后以泊位分配与岸桥调度协同成本最小为目标，用分支切割算法对模型进行了求解。韩骏等[12]为缩短船舶在港停留时间，考虑到集装箱港内泊位与岸桥分配的集成与合作对港口营运效率的影响，以船舶总在港时间最小为目标，提出了一种全新的泊位与岸桥协同调度方法，并设计了免疫遗传算法对所建模型进行了求解。周鹏飞等[13]以到港船舶的平均等待时间最短为目标，构建了泊位与岸桥协同分配模型，并设计了新型改进遗传算法用于求解。

　　3)主要从航道内船舶的调度角度出发，对如何减小船舶总等待时间作出了细致的分析。张新宇等[14]研究了单向航道内的调度问题，以船舶总等待时间与总调度时间之和最短为目标，建立了相应船舶调度优化模型，并设计了新型遗传算法进行求解。郑红星等[15]针对多港池散货港口的船舶调度优化问题，考虑了进出港时段交替条件和成簇进出港规则，以进港船舶等待时间最短为目标，建立了混合整数线性规划模型，并设计了模拟退火算法与新型启发式规则相结合的混合算法对模型进行了求解。

　　Zhang等[16]综合考虑港口资源利用效率，提出了一种新型的泊位与航道协同分配方法，以所有到港船舶等待时间与在港时间之和最短为目标，构建了基于单向航道的船舶调度优化模型，并设计了启发式算法进行求解。何春华[17]考虑到拥有双向航道的港口船舶通行能力有足够的上升空间，建立了基于大数据信息传递的船舶调度优化模型，并设计了基于模糊波束集成法的聚类分析策略对模型进行了求解，成功提高了双向航道港口的船舶调度效率。

　　综上，现有研究主要通过泊位和岸桥的协同分配调度减少抵港船舶的总等待时间，其中：第1)类方法仅通过关注泊位分配问题来减少船舶的总等待时间，研究数量最多且研究历史最长;第2)类方法通过综合考虑泊位和岸桥的集成分配优化来研究该问题，研究数量次之且近年来数量增长较快;第3)类方法重点考虑航道对该问题的影响，研究数量较少且重点关注单向航道。但在港口的实际工作中，航道内、航道与港池交汇处的交通规则和夜晚作业的规章制度对船舶的进出港过程有很大的影响，进而影响船舶的总等待时间，在现实作业中不可忽略，而这些方面的现有研究较少，与码头实际不太相符，急需深入研究。

　　为此，不同于现有研究，本文以拥有双向航道的集装箱港口为研究对象，重点考虑船舶进出港过程中发生的会遇、追越等现象对船舶进出港过程的影响，兼顾港口夜航规则和不同类型船舶的进出港服务规则，研究最优的船舶进出港次序，使得所有抵港船舶的总等待时间最小。问题描述一般来说，在固定计划期开始，预计抵港的船舶及时将船型、载货状况和船期等相关信息发送给港方;港方依据收集到的船舶信息，结合港口的泊位和岸桥等作业资源实时状况，以及航道通行的交通规则，提前为抵港船舶制定相应的锚地停泊、进港时间、泊位分配方案和出港时间等方案。在港方制定的上述方案中，就拥有双向航道的港口而言，船舶进出港过程中的追越和会遇现象需要重点考虑。

　　在港口实际作业过程中，在同一方向行进的船舶可通过追越前船来实现快速进港或离港，但受航道的自然环境所限，在航道的一些特定航段内的追越风险极大(类似航段的会遇简称为危险追越)，必须避免;而在相反方向、错位方向行进的船舶，会遇现象屡见不鲜，且多见于主航道上正常行驶的进港和出港船舶间、不同港池的航道口与主航道的相交处(类似会遇简称为风险会遇)，必须合理调配船舶的进出次序，以避免进出港池的船舶和行驶在主航道上的船舶会遇，消除在一些地形较为复杂航段的主航道船舶会遇。另外在港口的实际运营过程中，航道和港池内的船舶驾驶主要服从以下规则：

　　1)错位会遇时，直行船舶先行;2)相向会遇时，大船先行;3)窄航道内不可追越;4)追越前船为大船，后船也为大船时不可追越;5)夜间不可航行大船;6)危险品船不可追越，且不能在夜间进出港。本文问题可描述为：在船舶预停靠泊位已知的情况下，以一固定计划期内港口预计抵港的所有船舶为研究对象，重点关注规避风险会遇和消除危险航段追越等现实约束，兼顾船期和各种船舶驾驶服务规则，以所有抵港船舶的总等待时间最小为优化目标，最终给出每艘抵港船舶的最佳进出港时机。

　　2算法设计

　　在本文中，确定进出港船的优先级问题是关键，通过测算不同交通状况下的不同类型船舶完成追越或会遇所需时间，计算出相应延迟时间，进而计算出所有船舶的总等待时间。算法的设计思路是用分支定界法将总等待时间的计算问题分解成处于不同交通状态下船舶延迟时间的子问题，再引入割平面对子问题进行迭代寻优。

　　2.1进出港船舶优先级的设定

　　进出港过程中船舶会发生以下几种追越或会遇：

　　1)两船相向会遇，若一艘为大船，一艘为小船，则大船先行;若两艘船为同类型的船(即都为大船或都为小船)，则出港船先行。2)一船从港池口出(过弯)，一船在主航道内行驶(直行)，则由直行船先行。3)前船为大船时，后船为速度较快的小船，此时若两船所在航段为宽航道，则可进行追越;前船为小船时，后船为速度较快的大船，此时若两船所在航段为宽航道，则可进行追越;前船为小船时，后船为速度较快的小船，此时若两船所在航段为宽航道，则可进行追越;其余任何情况均禁止追越。危险品船可视为在固定时段才可进出港的大型船舶。

　　2.2确定进港船数

　　考虑当前时段内有艘进港船舶，此艘在理想状态下可以全部一次性进港，也可将其拆分至不同批次依次进港(批次可分为均等批次与非均等批次)，共有以下种情况：1)船舶进港过程中畅通无阻，没有任何出港船与其发生会遇现象;2)船舶进港过程中存在出港船与其发生会遇现象，但在服务规则下无需避让，该情况实际等同于情况;3)船舶进港过程中存在出港船与其发生会遇现象，且在服务规则下需要进行避让，此情况会造成一段的整体性延时;4)船舶进港过程中存在追越现象，造成一段的整体性延时。

　　结语

　　在综合考虑双向航道港口的船舶调度效率影响因素的基础上，设计了新型船舶服务规则，并构建了新的船舶调度模型，最终对船舶进出港次序优先级进行了优化，有效地减小了船舶等待时间。同时，设计了分支切割算法，并融入了聚合策略，以此拓宽了算法思路，在一定程度上对算法的性能进行了提升。针对安全间隔时间和大小船比例进行了敏感性分析实验，结果表明，随着安全间隔时间越长，目标值优化率先变大后变平稳;而随着大小船比例增大，目标值优化率前期略微变小，后期几乎保持不变。综合考虑这两个因素，安全间隔时间对本文方案的影响更大。

　　船舶大型化是可预知的发展趋势，未来船舶进出港受潮汐的影响也将更大，在此方面本文并未重点考虑，进一步的研究可详细分析潮汐因素对双向航道船舶调度的影响，并考虑更多服务规则下的港口船舶调度优化问题。

　　参考文献

　　[1]MAI，ISHIMURA，APADIMITRIOU.Berthallocationwithservicepriority[].TransportationesearchPartBMethodological，2003，37(5):437457

　　[2]IANG，UCC，IAOLX.Abiobjectiverobustmodelforberthallocationschedulingunderuncertainty[J].TransportationResearchPartE:LogisticsandTransportationReview，2017，106:294319

　　[3]AURIGR，IBEIROGM，UIZAN，et.a.AnadaptivelargeneighborhoodsearchforthediscreteandcontinuousBerthallocationproblem[J].ComputersandOperationsResearch，2016，70:140154

　　[4]ULEBENETS，OLIAS，MISHRAS.Acollaborativeagreementforberthallocationunderexcessivedemand[J].EngineeringApplicationsofArtificialIntelligence，2018，69:7692

　　[5]TINGCJ，WUKC，HAOC.Particleswarmoptimizationalgorithmfortheberthallocationproblem.ExpertsystemswithApplications，2014，41(4):15431550

　　作者：郑红星1,2*，朱徐涛1，李振飞2

转载请注明来自发表学术论文网：http://www.fbxslw.com/jzlw/27475.html