CN107341573B - 一种复式航道水域的船舶交通组织优化方法 - Google Patents
一种复式航道水域的船舶交通组织优化方法 Download PDFInfo
- Publication number
- CN107341573B CN107341573B CN201710543296.5A CN201710543296A CN107341573B CN 107341573 B CN107341573 B CN 107341573B CN 201710543296 A CN201710543296 A CN 201710543296A CN 107341573 B CN107341573 B CN 107341573B
- Authority
- CN
- China
- Prior art keywords
- ship
- water area
- compound channel
- channel water
- ships
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 150000001875 compounds Chemical class 0.000 title claims abstract description 98
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008520 organization Effects 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000013178 mathematical model Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 238000005065 mining Methods 0.000 claims abstract description 3
- 210000000349 chromosome Anatomy 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000003643 water by type Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007418 data mining Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims 2
- 238000005206 flow analysis Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- LPVJWXJBZPCDLM-HUWNQDJBSA-N 7-boat Chemical compound O([C@H]1\C(C)=C/[C@]23O[C@@]2(C([C@H](C)[C@@H](OC(C)=O)[C@H]2[C@H](C2(C)C)[C@@H]1OC(C)=O)=O)C[C@H]([C@H]3OC(C)=O)C)C(=O)C1=CC=CC=C1 LPVJWXJBZPCDLM-HUWNQDJBSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种复式航道水域的船舶交通组织优化方法，包括：S100、划分船舶等级；S200、对进出复式航道水域的船舶交通流进行分类，并提取复式航道水域船舶交叉的关键点；S300、根据复式航道水域船舶交通流分析结果，建立复式航道水域的船舶交通组织优化数学模型；S400、对船舶进出复式航道水域的动态AIS数据进行挖掘和筛选，结合建立不同类型船舶进出复式航道水域的速度变化方程；S500、采用多目标遗传算法结合不同类型船舶进出复式航道水域的速度变化方程模型求解复式航道水域船舶交通组织优化数学模型。本发明通过对复式航道水域船舶交通行为的分析，确定复式航道水域优化的重点，构建符合复式航道水域的船舶交通组织优化数学模型。
Description
技术领域
本发明涉及航运交通控制领域，具体说是涉及一种复式航道水域的船舶交通组织优化方法。
背景技术
随着航运交通事业的不断进步以及船舶向大型化、高速化、专业化方向发展，船舶交通组织服务作为保障船舶安全、提高港口营运效率、加强海上环境保护的重要手段，逐渐成为船舶交通管理领域研究的核心问题。统计数据表明，2016年，规模以上港口完成货物吞吐量118亿吨，同比增长3.2％，全年完成集装箱吞吐量2.2亿标箱，同比增长3.6％。在庞大的增长数据背后，不可忽视的出现了单、双向航道通过能力不足、小型船舶占用主航道时间过长、航道中船舶交叉与会遇频繁等因素显著影响港口作业安全和效率。为了提高船舶交通服务水平，许多港口开展了针对航道的拓宽与整治工程，如天津港主航道拓宽工程中，将原来双向通航的主航道浚深，同时在主航道两侧各增加一条小船航道形成复式航道；长江口深水航道拓宽工程利用双进双出的通航条件，用于提升航道利用率、减少船舶交汇的目的。值得注意的是，随着沿海港口航道基础设施建设的不断深入，使用复式航道将会成为沿海及内河主要港口提升通航水平、改善交通服务的一个重要手段。但是复式航道与双向航道或单向航道相比，其通航船型众多、通航水域复杂，发生船舶碰撞、搁浅等事故的概率更高。因此，关于复式航道水域船舶交通组织优化方法的研究亟待开展。
发明内容
鉴于已有技术存在的不足，本发明的目的是要提供一种提高港口资源利用效率，保障港口水域的通航环境和通航秩序的船舶交通组织优化方法。
为了实现上述目的，本发明技术方案如下：
图1为本发明交通组织优化方法；
图2本发明实施例进出港交通流分组图；
图3为本发明实施例进港交通流靠泊北港池船舶在39号灯浮附近会遇；
图4为本发明实施例进港交通流靠泊东突堤以西港区船舶在39号灯浮会遇；
图5为本发明实施例船舶交通流在“Y”字航道口交叉的示意图；
图6为本发明实施例船舶交通流在16#-31#泊位交叉示意图；。
图7为本发明实施例万吨级散杂货船进港和出港速度分布及拟合曲线；
图8为本发明实施例5万吨及散杂货船进港和出港速度分布及拟合曲线；
图9为本发明实施例10万吨及散杂货船进港和出港速度分布及拟合曲线；
图10为本发明实施例小型集装箱船进港和出港速度分布及拟合曲线；
图11为本发明实施例中型集装箱船进港和出港速度分布及拟合曲线；
图12为本发明实施例大型集装箱船进港和出港速度分布及拟合曲线；
图13为本发明序值分配算法流程图；
图14为本发明拥挤距离算法流程图；
图15为本发明轮盘赌算法示意图；
图16为本发明多目标遗传算法流程图；
图17为本发明实施例Pareto前端收敛曲线；
图18为本发明实施例第一目标与第二目标柱状图；
图19为本发明实施例最小等待时间比较；
图20为本发明实施例平均等待时间比较；
图21为本发明实施例最大等待时间比较。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在对复式航道水域的船舶交通组织进行优化前，需要对水域的船舶交通组织系统进行一些基本定义：
单向航道(One-way Channel)：同一时间内，只允许一个方向通航的航道；
双向航道(Two-way Channel)：同一时间内，在满足安全的前提下，允许异向航行的两艘船同时通行的航道；
复式航道(Compound Channel)：同一航道设计断面处有两个或两个以上不同通航水深的航道。狭义上理解为双向航道与单向航道的组合。
小型船舶：此处的小型船舶是根据实施例天津港复式航道交通组织要求而设定的，具体是指万吨级及其以下并且船长小于等于146米、船宽小于等于22米、吃水符合限制条件的船舶。
同时，需要对本发明应用的前提条件进行说明：
a.港口锚地资源能满足船舶调度的需要，忽略锚地容量对船舶调度的影响；
b.调度期间的天气状况等不在考虑的因素之内(如能见度、风力等因素)，但是船舶吃水、潮高等因素需要考虑；
c.码头泊位分配由天津港集团公司的港口调度部门负责分配，在调度的时候对于具体的船舶靠泊的泊位是已知的，因此泊位分配不在考虑的范围内；
d.暂不考虑拖轮、引航调度，假设船舶申请进出港时刻引航员和拖轮已经准备就绪；
e.本发明不具有实时性，暂时不考虑在线算法的情况，一般港口实际调度作业流程是提前一天安排第二天的泊位和进出港计划，因此对于临时申请进出港等特殊情况，暂时不予考虑；
f.进港船舶在锚地等候进港，进港船舶起点以天津港主航道两侧的天津港南北锚地为起点，出港船舶在泊位等候出港。
基于上述设计背景，本发明设计了一种能够保证港口生产安全，提高港口资源利用效率，保障港口水域的通航环境和通航秩序的船舶交通组织优化方法，下面结合附图以及具体实施例进一步说明本发明的技术方案：
一种复式航道水域的船舶交通组织优化方法，如图1所示，其步骤包括：
S100、船舶等级划分，根据复式航道的物理条件以及海港总平面设计规范标准对进出复式航道的船舶依照船长、船宽以及载重吨位进行等级划分。
本实施例以天津港复式航道的交通组织优化管理为依托，对本发明所述优化方法进行说明。根据天津港复式航道的通航安全管理规定：对于船长小于146米，船宽小于22米的船舶采用辅助航道进出天津港复式航道，同时结合海港总平面设计规范，对船舶等级划分如表1所示：
表1船舶分级表
S200、分析复式航道水域船舶交通流，对进出复式航道水域的船舶交通流进行分类，并根据历史交通流数据对复式航道水域的船舶交通流的仿真结果，确定复式航道水域船舶交叉的关键点。在分类的基础上对特殊船舶即对深吃水的超大型船舶进行进出复式航道水域的可行性分析，以确定其通航要求，为下一步构建数学模型准备。本实施例中具体包括：
1.对进出港船舶交通流分组
对于营运类船舶的交通组织主要按照船舶的交通流的流向划分为：进港交通流和出港交通流。其中，在进港交通流中根据船舶采用的是辅助航道进港或主航道进港进行分类；根据靠泊的目的地可以分为靠泊不同港池的船舶。对于出港交通流，其划分方式与进港交通流相同。如图2所示为本发明实施例进出港交通流分组方案，为了构建复式航道中的船舶交通组织优化模型，作为本发明的优选实施方案，提出船舶交通流分组策略为：
通过i,j,k三个0-1变量即可标识船舶的运动状态。例如，对于船舶编号为n的船舶，
标识船舶的运动状态。当i＝1,j＝1,k＝1表示船舶n由主航道进港，并且靠泊泊位在北港池，同理可得其余船舶的标识含义。
2.分析船舶在复式航道水域交叉的关键点
所述复式航道水域交叉的关键点为复式航道水域交通流交差时，属于不同交通流的船舶汇聚的点。
本实施例以天津港复式航道为例，根据图3所示，对于在主航道航行的船舶(白色箭头所示)与在小船航道航行的船舶(黑色箭头所示)在39号灯浮附近，进入北航道的时候会合流，因此船舶在此处的交通流会重新组合。而对于进港靠泊东突堤以西港区的交通流如图4所示，39号灯浮处即为复式航道水域交叉的一个关键点。
同理，根据实施例天津港航道走向，在航道历程为9+000附近处以28°角分叉，将航道分为北航道和南航道分分支，此处也为复式航道水域交叉的一个关键点，有两股交通流在这里交叉为：即北航道出港船舶与主航道交叉。
如图5所示，在北航道与主航道的交叉水域中，主要有3股船舶交通流交叉：
第1股交通流：进港船流与北港池出港船流交叉，如图5编号①；
第2股交通流：北港池出港船流与南港池出港船流交叉，如图5编号②；
第3股交通流：靠泊南11#——15#泊位的船舶与主航道出港船流交叉，如图5编号③。
如图6所示为进港靠泊南疆港区16#——南31#泊位的船舶需要穿越航道的分隔带，与出港的交通流形成交叉。
3分析超大型深吃水船舶通航要求
根据船舶等级划分的标准，超大型船舶是指分级中的CLASS A类船舶，由于这类船舶的吨位、船宽和吃水的限制，对于其进出复式航道只能采取主航道单向进出港的方式且必须考虑乘潮水位问题，所以对于这类船舶需要优先调度。
S300、建立复式航道水域的船舶交通组织优化数学模型，根据复式航道水域的通航特点，综合考虑复式航道水域的物理条件、气象、水文等特点，建立复式航道水域的船舶交通组织优化数学模型，包括建立以总等待时间和总调度时间最小的目标函数模型、特殊类船舶约束数学模型、航行过程约束数学模型、船舶交叉协调约束模型。本实施例中具体包括：
1.构建复式航道水域船舶交通组织优化模型的目标函数
经过对复式航道水域交通管理部门的现场调查发现，港口调度部门对于船舶交通组织优化的结果在于作业过程的调度花费时间最少；而营运船舶和轮泊作业公司希望船舶在复式航道水域的等待时间最少。为了满足不同调度利益体的不同需求，在一个调度序列中，以船舶在复式航道水域总调度时间最少和船舶总等待时间最少的多目标函数。进一步地，所述目标函数为：
其中，总调度时间Z1表示每艘船舶的调度完成时刻减去调度开始时刻的差值。fi表示船舶调度结束时刻，si表示船舶调度开始时刻。总等待时间Z2表示每艘船舶在申报以后，等到加入调度队列作业之前的时间。bsi表示船舶调度开始之前的申报时刻。
2.特殊类船舶约束数学模型：
根据表1将船舶等级进行划分的结果，确定船舶通过主航道和小船航道进出港完成作业的分级标准。
首先对船舶编队进行划分，为了将不同去向和来向的交通流进行分类，需要按照船舶等级以及交通流的流向进行划分。在调度模型中，为了方便表示，依据运筹学的相关规范，采用
的符号表示船舶所属的类别。其中，n表示船舶编号，i,j分别表船舶进出港标识和船舶使用主航道或辅助航道的标识，k表示船舶需要停靠作业区的位置，{n}表示依照船舶分级标准所属的编队。
特殊类船舶约束数学模型的步骤包括：
步骤1、建立Class A类船舶优先编队约束模型，对于A类船舶而言，由于吃水和潮位的限制，依据港口规则，对这类船舶在满足其作业安全的要求下，需要优先安排其进出复式航道。对于这类船舶的交通组织的约束模型如下：
其中，对于出港的A类船舶优先调度表示为：
对于进港的A类船舶优先调度表示为：
步骤2、鉴于A类船舶需要在港口乘潮的情况下通过复式航道水域，构建了在涨落潮阶段的潮位约束模型如下：
其中，
表示A类船舶采用主航道进出港的标识号，α表示港口当时的潮高，
表示船舶当时的吃水。
3.构建航行过程约束模型
船舶在复式航道水域的调度过程是一个连续不间断的，船舶一旦确定了开始调度的时刻，船舶开始运动直到在复式航道水域的作业过程完成前是一个连续过程问题。因此，对于船舶在复式航道水域的关键节点的航行过程约束是非常重要的。本实施例中，依照海上交通工程学的相关理论，建立针对天津港复式航道的船舶交通组织，设计相关的航行过程约束。在航行过程约束中，针对一些航行过程控制的关键阶段及天津港复式航道特点，主要关注的约束节点有：船舶开始进入航道时刻、船舶抵达天津港复式航道水域22号灯浮、船舶抵达天津港复式航道水域39号灯浮以及船舶在Y字航道口等4个关键节点。在此关键阶段中的航行过程的约束模型如下：
a.船舶进入航道的时刻，即船舶经过第一端节点进入巷道时：
其中，
表示所属的船舶队列中的船舶进入航道的时间；
表示船舶申报的时间；
表示船舶到达航道入口的距离；
表示船舶的航行速度。
b.船舶抵达22号灯浮附近，即经过第一个交叉节点时：
其中，
表示船舶抵达29号灯浮附近的时刻；
表示船舶抵达29号灯浮附近的航行距离。
c.船舶抵达39号灯浮附近的时刻，即经过第二个交叉节点时：
其中，
表示船舶抵达39号灯浮附近的时刻；
表示船舶从29号灯浮航行到39号灯浮附近的航行距离。
d.船舶抵达Y字航道口门的时刻，即经过第二端节点离开航道时：
其中，
表示的是船舶抵达Y字航道口门的时刻；
表示驶离复式航道到抵达Y字航道口的距离。
4.构建船舶交叉协调约束模型：
当船舶在天津港复式航道水域的39号灯浮、警戒区内的交叉以及Y字航道口附近航行时，由于进出港船舶的去向不一，船舶在此区域会形成交叉的局面，船舶交通组织的一个关键就是解决船舶在此区域的交叉会遇问题。为此，建立交叉协调约束模型如下：
a.39号灯浮附近的协调避让
在39号灯浮附近存在主航道进港船舶与小船航道进北港池的船舶交叉、主航道航行进港靠泊南港池的船舶与出港船舶之间的交叉这两类船舶的交叉，其中：
(1)主航道进港船舶与小船航道进北港池的船舶交叉
主航道船舶与小船航道航行的船舶会在39号灯浮附近交叉，此时主航道的船舶应该与小船航道的船舶之间保持一个安全间距twi。
(2)主航道进港船舶靠泊南港池与出港船舶的交叉
主航道航行的船舶靠泊南疆港区的16#以外的泊位的船舶与出港的船舶会形成交叉。对于这类船舶由于需要穿越主航道与出港船舶之间形成交叉，因此在这之间需要保持一个异向航行船舶的安全间距
b.Y字航道口的协调避让
(1)进港船舶交通流靠泊南港池与北港池出港船舶交通流的交叉
对于进港靠泊南港池的船舶会与北港池出港的船舶在警戒区形成交叉的情况，具体见图5编号①。对于这种情况的交叉我们只需要增加一个异向安全间距即可协调船舶之间的冲突。
(2)北港池出港船舶与南港池出港船舶交叉
S400、获取不同类型船舶进出复式航道水域的速度变化方程，利用船舶进出复式航道水域的动态AIS数据进行挖掘和筛选，得到不同类型船舶进出复式航道水域的速度变化方程。
当船舶进入复式航道水域中，会根据交通流状况、VTS人员的指挥以及船舶操纵性的要求，其速度会不断变化。传统的方法主要采用平均值或加权平均法对船舶在航道中的速度用于调度模型的计算，而复式航道相比单双向航道其速度变化更大、难以准确描述船舶在关键阶段的速度变化。本发明对船舶进出复式航道水域的船舶动态AIS数据进行挖掘，找到不同吨位和不同类型的船舶在进出复式航道水域的普遍速度变化规律。其步骤包括：
步骤1、基于AIS数据的属性进行分组数据挖掘，得到符合需要的AIS数据。
AIS(船舶自动识别系统Automatic Identification System)数据采样分布不均匀且AIS数据点不完整，不能反映船舶进出复式航道水域的全过程，因此需要对AIS数据进行挖掘，得到符合需要的AIS数据。由于船舶种类众多，船型、长度、载重吨差别很大，本发明仅针对于特定类型的散杂货、油船、以及集装箱船舶进行的速度统计，因此需要将AIS信息中的小船(如引航船、渔船、公务船等)信息去掉。
首先，根据需要对统计的对象进行分组，本发明按照船舶的吨位、船长和船舶类型进行分组，根据《海港总平面规范》附录一中的船舶分级标准确定。从中可以找到吨位和船长的依据，而船舶类型主要分为了散杂货船、集装箱船以及油船，存储其类型。
其次，采用先根遍历一次筛选出的数据，并根据船舶的MMSI编号判断动态数据是否是同一艘船舶，并将同一艘船的动态数据进行记录。
然后，根据动态数据的条数的大小进行由高到低的排序，以方便后续的操作。
步骤2、对步骤1得到的数据进行筛选，筛选步骤包括：数据清洗、初步筛选以及精细筛选。
在对数据分组的时候并没有对数据表中的数据进行任何的清理，因此不符合常规的数据也一并存入这个表中，需要对不符合要求的数据进行筛选，具体包括：
数据清洗，针对本实施例而言，删除速度小于0的或异常大的速度值(港口附近的速度值一般不会大于30节以上)；删除精度大于180°，纬度大于90°的值；
初步筛选，首先确定港口所在水域的边界坐标，本实施例中天津港的主航道附近水域的坐标为(28°51.924′N，118°07.812′E)以西区域。另外，相同吨位等级的船舶船长还有一定的差别，而且不同的船舶停靠的泊位也不同，且泊位距离航道出口距离的远近也有差别，必须去掉船长和泊位远近的因素以便于统计。具体操作方法如下：根据船舶操纵学的知识，将船舶进港划分为4个阶段(高速阶段、中速阶段、低速阶段和制动阶段)，而这些阶段的划分是根据船舶此时所处位置距离泊位的远近来确定的。因此，我们以船舶靠泊的泊位为起点，以船舶当前的经纬度坐标的点为终点，计算出船舶与泊位之间的距离等效为船长的倍数：
其中，ΔD表示船舶当前位置与泊位之间的距离等效为船舶长度的倍数；Length表示船舶船长；D表示船舶当前位置与泊位之间的距离；
精细筛选，经过初步筛选后，还需要对船舶进港/出港进行判别，以及对于速度采集密集点和AIS记录不完整的点进行删除。
进出港的识别：首先确定天津港复式航道的真方位，记为
提取船舶的航向值，记为
如果
则判定船舶处于进港状态；如果
则判定船舶处于出港阶段。同时存储进港的船舶动态数据点和出港的数据存。
速度密集点的删除：由于不是等间隔时间采样，AIS数据点出现了不连续等情况，当船舶处于高速和中速阶段，航速的变化不大，而这些条密集的点会对统计造成干扰，因此对于速度变化小的点需要删除，以保留能够反映船速变化的数据点，以便于统计的需要。本发明通过对前后两点的速度差除以这两点之间的时间间隔，求出船舶的变化率，当变化率小于设定的阈值时，则删除前一个点，当大于设定的阈值时，则保留这两个点。
步骤3、根据经过步骤2筛选得到数据，建立的不同类型船舶进出复式航道水域的速度变化方程。本实施例采用天津天津港复式航道交通流数据进行分析和验证：
如图7所示为万吨级散杂货船进港和出港速度分布曲线，拟合曲线方程为：
进港：y＝-0.0015x2+0.2757x－0.0646,R2＝0.9485
出港：y＝-0.002x2+0.3221x－0.2369,R2＝0.8946
如图8所示为5万吨级散杂货船进港和出港速度分布及拟合曲线，曲线拟合公式为：
进港：y＝-0.0019x2+0.286x+0.5196,R2＝0.8717
出港：y＝-0.002x2+0.2858x+0.9005,R2＝0.6844
图9是10万吨级散杂货船和油轮进港和出港速度分布及拟合曲线，曲线拟合公式为：
进港：y＝0.0006x2+0.0331x+1.6253,R2＝0.8271
出港：y＝-0.0008x2+0.2093x－1.1516,R2＝0.8618
图10是小型集装箱船舶进出港速度分布及拟合曲线，曲线拟合公式为：
进港：y＝-0.0012x2+0.2296x+0.1923,R2＝0.8412
出港：y＝-0.0012x2+0.2302x－0.0922,R2＝0.8338
图11是中型集装箱船舶进出港速度分布及拟合曲线，曲线拟合公式为：
进港：y＝-0.0015x2+0.243x+0.6363,R2＝0.8845
出港：y＝-0.0009x2+0.2212x+0.1986,R2＝0.8645
图12是大型集装箱船舶进出港速度分布及拟合曲线，曲线拟合公式为：
进港：y＝-0.001x2+0.2123x+0.9508,R2＝0.8754
出港：y＝-0.0008x2+0.2124x-0.3553,R2＝0.8658
S500、采用多目标遗传算法对所述复式航道水域的船舶交通组织优化数学模型及所述不同类型船舶进出复式航道水域的速度变化方程模型进行求解，并对复式航道水域的船舶交通进行优化。
根据复式航道水域的船舶交通组织优化模型具有约束条件多、规模大的特点，同时结合复式航道水域的实际作业需求，针对性的设计了复式航道水域船舶交通组织优化数学模型的多目标遗传算法，该算法包括：染色体的四层编码与解码、适应度函数设计、序值分配和拥挤距离计算与选择、交叉与变异算子设计。
编码与解码设计：本发明采用四层染色体编码的方法表示船舶的各种属性。其中，第一层编码表示船舶的编号，编号采用自然数的编码方法，可以很清楚知道调度的具体是哪一艘船舶；第二层编码表示船舶的进出港方向，进港为1，出港为0；第三层编码表示船舶采用的进出航道，船舶采用主航道进港为1，采用小船航道为0；第四层编码表示船舶所在泊位的区域，泊位在北港池的为1，泊位在南港池和闸东航道的为0。
例如，如果一艘编号为5的船舶采用主航道进港，泊位所在的区域为北港池，则编码表示为：(5,1,1,1)；编号为29的船舶采用小船航道出港，所在的泊位为南港池区域，则编码表示为：(29,0,0,0)其余船舶编码方法与上述类似，不在赘述。
编码与解码是一个互为逆的一个过程，根据上述四层染色体编码的方法可以知道，染色体解码可以根据船舶的编号得到调度序列、进出港方向、采用的主航道还是小船航道的通航模式以及所在泊位是北港池区域还是南港池区域。本发明所采用的编码方法，无需复杂的解码方法便可以得到需要的信息，便于以自然数和实数为特征的求解。
适应度函数设计：本发明构建的调度数学模型的目标函数是总调度时间和总等待时间最小。对调度时间和等待时间两个目标函数而言，在选择的过程中，目标函数值越小，调度用时越少，所选择的个体越好，其对应的适应度值应该越大。但在具体的调度中，应避免出现某一船舶等待时间过长的情况，因此需要设置一个等待时间阈值。其具体方法为：首先计算船舶的等待时间，如果等待时间超过设定的最大等待时间阈值，则降低这艘船舶的适应度值，使得其被选中的概率降低。通过这种方式，引导算法对优秀个体的保留，防止算法从一开始就陷入了局部最优解的局面。本申请中适应度函数为等待时间的倒数。
序值分配设计：在多目标优化问题中，序值为根据个体之间子目标函数值的情况，将个体赋予不同的序值，从而把个体分配到不同的前端。对于本申请所述复式航道船舶调度优化问题来说，每一个个体代表一个染色体，即一个船舶调度序列。该个体有两个目标函数值，分别是总调度时间最短以及总等待时间最短。
如果个体p至少有一个目标比个体q的好，而且个体p的所有目标都不比个体q的差，则个体p支配个体q，那么个体p的序值比个体q的低，反之，则p的序值比个体q的高。如果个体p和个体q互不支配，则个体p和个体q有相同的序值。序值为1的个体属于第一前端，序值为2的个体属于第二前端，依此类推。因此，在当前种群中，第一前端的个体是完全不受支配的，第二前端的个体受第一前端个体支配。如此，通过序值，将种群中的个体分配到不同的前端。如图13所示，序值rankCounter的分配从1开始，依次加1，直到所有体都分配序值为止。分配序值时，依次将种群中未分配序值的个体p与其他未分配序值的个体q进行比较，若该个体p支配个体q，则把当前序值rankCounter赋予个体p，否则，不能赋予个体p当前序值，个体p参与下一次序值分配，即等到下一个rankCounter再被赋予序值。
拥挤距离设计：拥挤距离指某前端中某个个体与该前端中的其他个体之间的距离，表征个体间的拥挤程度。只有处于同一前端的个体之间才需要计算拥挤距离，拥挤距离越大，个体间就越不拥挤，种群的多样性就越好。如图14所示，对多目标中的每一个目标，分别计算一次拥挤距离，再将这些拥挤距离相加即得到最后的拥挤距离。在每个目标对应的拥挤距离计算过程中，前端两头的两个个体的拥挤距离为无穷(inf)，其余个体的拥挤距离为与该个体相邻的前后两个个体在(-1，1)区间映射后的适应度值之差。其中，相邻个体指同一前端中个体间适应度值大小接近。显然，某个个体的拥挤距离越大，表示该个体与相邻个体的适应度值差别越大，种群的多样性就越好。因此，在序值相同的条件下，个体的拥挤距离越大越好。
选择算法：选择采用轮盘赌算法。他的基本思想是个体被选中的概率与其适应度函数值成正比。设群体大小为n，个体i的适应度为Fi，则个体i被选中遗传到下一代群体的概率为：
如图15所示，群体中每一染色体指定饼图中一个小块。块的大小与染色体的适应性分数成比例，适应性分数愈高，它在饼图中对应的小块所占面积也愈大。为了选取一个染色体，要做的就是旋转这个轮子，直到轮盘停止时，看指针停止在哪一块上，就选中与它对应的那个染色体。
交叉算子：交叉算子采用单点交叉，具体过程如下：选择某个点，然后以此分为左右部，两个基因的左右部互相交换基因序列。例如，染色体A的基因为1201，染色体B的基因为4110，以第三个点作为分界,则交换后的新基因为：1210和4101。
变异算子：变异算子采用随机单点位的突变方法。具体过程：对于染色体中的每一个基因位Pj(P代表一条染色体，j代表染色体中每一个基因位位置，其中j∈(1,2,3,4)。随机产生一个0到1的小数，若该随机数小于所设置的变异值，则该基因位的值变为1-Pj。
如图16所示，为优化算法流程图，其中初始种群中的不同染色体代表不同的船舶调度序列，每条染色体计算相应的目标值，目标值取倒数转换为相应的适应度值。适应度值进行序值排序和拥挤距离计算，计算出的用于选择算子，选择算子选择出的染色体种群再依次经过交叉、变异算子，生成新的一代种群。本发明中每一个种群包含许多染色体，每一个染色体代表一个调度序列方案。一条染色体上的基因位的个数和调度的船舶数相等，一个每个基因位都由四个部分表示，如1 4 1 1 0，14代表编号为14的船舶，1代表进港，下一个1代表采用主航道，最后的0代表泊位在南港池。
下面通过具体实例，将本发明提出的多目标遗传算法与常用算法进行对比，对本发明算法的性能做出说明。
为了能够直观的评价算法的性能，调度中常用“先到先服务规则”、“随机生成模拟数据的算法”作为对比的标准来评价算法的优劣性。
先到先服务规则(FCFS)：先到先服务规则最早在集装箱泊位分配中大规模使用。本文中先到先服务规则是指船舶按照申报的时间先后顺序安排进港，不考虑优先级，所有船舶进出港享有相同的机会。
随机生成模拟数据的算法(Random)：随机生成模拟数据的算法主要是用于检验算法的鲁棒性，用于改进算法的冗余性。
首先设计几组调度数据：
1.|V|＝20,(|V1|＝10；|V2|＝10)，总调度船舶20艘，进港10艘，出港10艘。
2.|V|＝30,(|V1|＝15；|V2|＝15)，总调度船舶30艘，进港15艘，出港15艘；
3.|V|＝40,(|V1|＝20；|V2|＝20),总调度船舶40艘，进港20艘，出港20艘；
4.|V|＝50,(|V1|＝25；|V2|＝25)，总调度船舶50艘，进港20艘，出港20艘；
对于每个调度场景分别采用本发明算法、Random和FCFS算法运行10次，得到的结果如表2所示：
表2几种算法实例的比较
表2中的类别1表示总调度时间(第一目标函数值)、类别2表示总等待时间(第二目标函数值)。横向来看，当随着船舶艘次的增加，算法的总调度时间和总等待时间逐渐增加，分别从每个算法的效率来看，本发明算法的效率明显比随机生成算法和FCFS的效率高。纵向来看，在一个调度序列中，船舶用于调度作业的时间比等待时间要多，说明整个港口运行在正常的范围内。随着船舶总数的增加，等待时间增加更快。根据Random算法来看，船舶在30-40艘船之间的效果较好，说明本发明算法在一个调度时间序列的船舶艘次30-40算法的鲁棒性最好，当超过40艘船以后算法的鲁棒性开始变差，船舶艘次增加到50的时候，算法等待时间大幅度增加，说明算法已经出现了不适应性，求解难度增加。
下面通过具体的调度实例对本发明的整体方案做进一步说明。
首先读取表3中的前30组调度数据，在对这30艘船进行调度之前，首先根据船舶申报位置对船舶进行分组，分成进港队列和出港队列，同时对分组的船舶进行编号和划分不同的类别。分组的数据如表4和表5所示。
表3 30艘船的实际调度数据
表4出港队列编号
表5进港队列编号
调度结果如表6和表7所示：
表6主航道船舶调度序列
表7小船航道船舶调度序列
由表6-7可知，主航道船舶的调度序列中，Pareto1-Pareto10中前面四艘船舶的调度序列是一致的，造成这个结果的原因在于这四艘船舶的申报时间和进出港时间是错开的，彼此之间相隔的时间间隔比较大，同时航道水深也满足其通过对要求，因此没有协调的必要。而编号27,21,26的主航道航行的三艘船舶申报时间差不多，因此它们进出港之间需要协调。同样的情况出现在船舶编号9,28,29这三艘船舶之间。而编号11的船舶由于其只能采取单向进港，同时与编号16,5,22,6,23号船舶之间需要协调，但是遵循大船优先的原则，11号船舶需要优先调度。最后编号1,7的船舶之间不需要协调，查询其申报时间，都是进港船舶，且采取单向进港。对于采取小船航道航行的船舶，编号24,14,18,3号船舶之间不需要协调避让，编号13,17,2,15,19这5艘船舶申报时间间隔相近，且与主航道船舶之间存在冲突，需要对其安排合理的进出港秩序。
表8 10组调度实验对比结果
从表8可以看出，10组调度试验中，第一目标函数值要远小于第二目标函数值，且第一目标值分布比较集中，如图17所示，第一目标和第二目标种群变化最开始集中在两端，当算法稳定是，主要集中在两者中间区域，这说明算法能够在一定范围内寻优。从图18可知，第一目标比较集中，主要调度时间在1300分钟左右。而总等待时间差别比较大，这说明总调度时间和总等待时间是一个矛盾的存在，在调度中Pareto2和Pareto9的解的效果比其余的要好。同时，从表8后半部分的比较来看，小船航道的船舶的平均等待时间要比主航道船舶的平均等待时间要长，这符合调度的规则。图19-21所示，分别为主航道船舶用时的最小值，平均值和最大值，发现小船航道的船舶在这三个方面用时都要比主航道的船舶用时长，符合港口调度规则。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种复式航道水域的船舶交通组织优化方法，其特征在于，其步骤包括：
S100、划分船舶等级，根据复式航道的物理条件以及海港总平面设计规范标准对进出复式航道的船舶等级依照船长、船宽以及载重吨位划分为Class A、Class B、…、Class E；
S200、分析复式航道水域船舶交通流，对进出复式航道水域的船舶交通流进行分类，并根据历史交通流数据对复式航道水域的船舶交通流的仿真结果，确定复式航道水域船舶交叉的关键点；
S300、建立复式航道水域的船舶交通组织优化数学模型，根据复式航道水域船舶交通流分析结果，建立复式航道水域的船舶交通组织优化数学模型，包括建立以总等待时间和总调度时间最小的目标函数模型、特殊类船舶约束数学模型、航行过程约束数学模型、船舶交叉协调约束模型；
S400、求取不同类型船舶进出复式航道水域的速度变化方程，对船舶进出复式航道水域的动态数据进行挖掘和筛选，建立不同类型船舶进出复式航道水域的速度变化方程，具体包括：
步骤1、基于AIS数据的属性进行分组数据挖掘，得到符合需要的AIS数据，
步骤2、对步骤1得到的数据进行筛选，筛选步骤包括：数据清洗、初步筛选以及精细筛选，
步骤3、根据经过步骤2筛选得到的数据，建立不同类型船舶进出复式航道水域的速度变化方程；
S500、采用多目标遗传算法结合不同类型船舶进出复式航道水域的速度变化方程求解复式航道水域船舶交通组织优化数学模型，具体包括：
步骤1、根据复式航道水域的船舶交通组织优化要求，设定适应度函数，
步骤2、基于复式航道水域的船舶交通组织优化目标，对遗传空间个体进行序值分配及拥挤距离的计算，
步骤3、采用轮盘赌算法对染色体个体进行选择，结合交叉算子和变异算子对船舶调度序列进行优化。
2.根据权利要求1所述的复式航道水域的船舶交通组织优化方法，其特征在于，所述步骤S300中建立特殊类船舶约束数学模型前，还包括根据船舶类型以及复式航道水域船舶交通流特征对各船舶赋予不同的调度优先等级；其中Class A类优先等级最高、Class E类优先等级最低，且同类船舶出港调度优先等级高于进港调度优先级。
3.根据权利要求2所述的复式航道水域的船舶交通组织优化方法，其特征在于，所述步骤S300中建立特殊类船舶约束数学模型前，还包括结合港口水域涨落潮规律，对Class A类船舶进出复式航道水域的时隙及航行航道的安排。
4.根据权利要求1所述的复式航道水域的船舶交通组织优化方法，其特征在于，步骤S300所述航行过程约束模型构建步骤包括：
步骤1、提取航道各关键约束节点，所述关键约束节点包括两个复式航道端节点和N个交叉节点，其中N≥1；
步骤2、建立各关键约束节点的约束方程，其中：
a.船舶经过第一端节点时：
其中，
表示所属的船舶队列中的船舶进入航道的时间；
表示船舶申报的时间；
表示船舶到达航道入口的距离；
表示船舶的航行速度，k表示船舶所在港区位置；l表示船舶调度优先等级；i表示船舶进出港方向；j表示船舶使用航道类型；
b.船舶经过第一个交叉节点时：
其中，
表示船舶抵达第一个交叉节点的时刻；
表示船舶抵达第一个交叉节点航行距离；
…
c.船舶经过第N个交叉节点时：
其中，
表示船舶抵达第N个交叉节点的时刻；
表示船舶从第N-1个交叉节点到第N个交叉节点的航行距离；
d.船舶经过第二端节点时：
其中，
表示船舶经过第二端节点的时刻；
表示驶离第二端节点行驶的距离。
5.根据权利要求4所述的复式航道水域的船舶交通组织优化方法，其特征在于，船舶经过交叉节点时，根据不同航道行驶的船舶前后之间的距离，调整船舶速度。
6.根据权利要求1所述的复式航道水域的船舶交通组织优化方法，其特征在于，所述船舶数据至少包括船舶 静态数据、船舶动态数据，其中所述船舶静态数据至少包括船舶长度、船型、吨位，所述船舶动态数据至少包括地理坐标数据、船舶行驶方向数据。
7.根据权利要求1所述的复式航道水域的船舶交通组织优化方法，其特征在于，所述步骤S500采用多目标遗传算法结合不同类型船舶进出复式航道水域的速度变化方程模型求解复式航道水域船舶交通组织优化数学模型前，还包括根据船舶属性进行分层编码和解码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710543296.5A CN107341573B (zh) | 2017-07-05 | 2017-07-05 | 一种复式航道水域的船舶交通组织优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710543296.5A CN107341573B (zh) | 2017-07-05 | 2017-07-05 | 一种复式航道水域的船舶交通组织优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107341573A CN107341573A (zh) | 2017-11-10 |
| CN107341573B true CN107341573B (zh) | 2020-05-12 |
Family
ID=60218902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710543296.5A Active CN107341573B (zh) | 2017-07-05 | 2017-07-05 | 一种复式航道水域的船舶交通组织优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107341573B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346319B (zh) * | 2018-04-18 | 2021-01-15 | 大连海事大学 | 一种进出大型海港复杂航道的全局交通组织优化方法 |
| CN111007859B (zh) * | 2019-12-24 | 2023-06-02 | 智慧航海（青岛）科技有限公司 | 一种无人船自主航行仿真测试的船舶会遇态势生成方法 |
| CN113033929B (zh) * | 2019-12-24 | 2022-07-12 | 江苏金风科技有限公司 | 海上风电机组的登靠时间的计算方法和装置 |
| CN111899450B (zh) * | 2020-07-24 | 2022-04-29 | 宁波盛洋电子科技有限公司 | 一种监控进出港口船舶并发现危险船舶的方法及系统 |
| AU2022200545A1 (en) * | 2021-01-29 | 2022-08-18 | WiseTech Global (Licensing) Pty Ltd | Vessel tracking |
| CN112967526B (zh) * | 2021-02-01 | 2022-11-08 | 上海海事大学 | 一种基于ais数据的海上交通流基本图绘制方法 |
| CN113642106A (zh) * | 2021-08-09 | 2021-11-12 | 武汉理工大学 | 一种船舶通航模型构建方法、装置、电子设备及存储介质 |
| CN113689738B (zh) * | 2021-08-20 | 2022-06-14 | 大连海事大学 | 一种长航道大型船舶精细化逐段乘潮进港方法 |
| CN114219237B (zh) * | 2021-11-29 | 2022-09-16 | 长江三峡通航管理局 | 一种内河长距离联动控制通航调度方法 |
| CN114254962B (zh) * | 2022-03-01 | 2022-06-28 | 天津港第二集装箱码头有限公司 | 一种顺岸式边装卸自动化码头动态同步泊位计划方法 |
| CN116911560B (zh) * | 2023-07-27 | 2024-03-12 | 中国舰船研究设计中心 | 一种基于多目标优化的船舶任务系统决策规划方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2437589B (en) * | 2006-02-14 | 2009-12-16 | Furuno Electric Co | Navigational aid and carrier sense technique |
| CN102298855A (zh) * | 2011-08-11 | 2011-12-28 | 上海海事大学 | 基于仿真的危险化学品船舶交通组织优化方法 |
| CN105117793B (zh) * | 2015-08-10 | 2018-12-18 | 大连海事大学 | 一种双向通航港口船舶调度优化方法 |
-
2017
- 2017-07-05 CN CN201710543296.5A patent/CN107341573B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107341573A (zh) | 2017-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107341573B (zh) | 一种复式航道水域的船舶交通组织优化方法 | |
| Rong et al. | Data mining approach to shipping route characterization and anomaly detection based on AIS data | |
| Thiers et al. | A port simulation model as a permanent decision instrument | |
| CN105117793B (zh) | 一种双向通航港口船舶调度优化方法 | |
| CN113343368A (zh) | 一种基于arena的lng船舶进港对航道通过能力影响的计算方法 | |
| CN113610312B (zh) | 基于改进遗传算法的船舶航行实时最优航线规划方法 | |
| CN110309488B (zh) | 一种基于典型断面的内河航道船舶尾气排放量的确定方法 | |
| CN108346319B (zh) | 一种进出大型海港复杂航道的全局交通组织优化方法 | |
| CN114139642B (zh) | 联合船舶行程语义对象与图论理论的船舶航线提取方法 | |
| Zhang et al. | Multi-object-based vessel traffic scheduling optimisation in a compound waterway of a large harbour | |
| CN103577655A (zh) | 基于元胞自动机模型的港口航道微观仿真方法 | |
| Ol’khovik | Geoinformation system use for transportations planning in water area of Northern Sea Route | |
| Feng et al. | A simulation-based approach for assessing seaside infrastructure improvement measures for large marine crude oil terminals | |
| Li et al. | An adaptive heuristic algorithm based on reinforcement learning for ship scheduling optimization problem | |
| Sluiman | Transit vessel scheduling | |
| CN113112871B (zh) | 一种考虑船舶尺度的船撞桥危险度计算方法 | |
| CN105844363A (zh) | 一种减少油码头主航道通过成本的方法 | |
| Fan et al. | Sea space capacity and operation strategy analysis system | |
| Zhang et al. | Optimising feeder routing for container ships through an electronic chart display and information system | |
| Grinyak et al. | Ship routes planning based on traffic clustering | |
| Jia et al. | Vessel traffic scheduling optimization for passenger RoRo terminals with restricted harbor basin | |
| Mannarini et al. | Preliminary inter-comparison of AIS data and optimal ship tracks | |
| Carral et al. | Statistical methodology to determine the transit time required for Neopanamax vessels in the Panama Canal | |
| Puszcz et al. | Development of a model for simulation of vessel traffic streams | |
| CN102063530B (zh) | 基于0-1整数规划的船舶定线制系统警戒区优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |