CN108346319A - 一种进出大型海港复杂航道的全局交通组织优化方法 - Google Patents
一种进出大型海港复杂航道的全局交通组织优化方法 Download PDFInfo
- Publication number
- CN108346319A CN108346319A CN201810348923.4A CN201810348923A CN108346319A CN 108346319 A CN108346319 A CN 108346319A CN 201810348923 A CN201810348923 A CN 201810348923A CN 108346319 A CN108346319 A CN 108346319A
- Authority
- CN
- China
- Prior art keywords
- ship
- traffic
- channel
- navigation channel
- 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.)
- Granted
Links
- 230000008520 organization Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 210000000349 chromosome Anatomy 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 210000001519 tissue Anatomy 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 21
- 238000013461 design Methods 0.000 abstract description 9
- 108090000623 proteins and genes Proteins 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 230000035772 mutation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 239000003643 water by type Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 208000031404 Chromosome Aberrations Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 206010067477 Cytogenetic abnormality Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种进出大型海港复杂航道的全局交通组织优化方法，包括：制定复杂航道航路指派及航路内部交通模式转换；以航道利用率最优解及船方等待时间最少为全局目标函数，建立进出大型海港复杂航道全局交通组织优化模型，所述优化模型包括复杂航道入口冲突消解子模型、平行航道交通流交叉转换子模型、多航道汇聚交通流疏散子模型；通过启发式算法，求得优化后的交通组织方案。本发明首次从全局角度出发，针对船舶进出大型海港复杂航道，设计船舶进出复杂航道的全局交通组织方法，可为港口调度员提供理论指导，大大改善以往仅依靠人工经验的低效调度模式，进而确保船舶航行安全及效率，提升海港运作效益。
Description
技术领域
本发明涉及航运交通控制领域，具体说是涉及一种进出大型海港复杂航道的全局交通组织优化方法。
背景技术
随着全球一体化的不断加深，国际贸易往来愈加密切，船舶运输业凭借其运价低廉，在国际贸易运输中占据着越来越重要的位置，船舶因而也在不断向着大型化、高速化、专业化方向发展。港口作为船舶运输的中转站，为满足船舶航行需求，继而提升自身竞争力，纷纷对航道及港池进行了拓宽及加深，进出港水域船舶交通量随之增加，且交通情形愈加复杂。与此相反，当前缺乏科学合理的交通组织手段，且现有技术中提出的模型与算法还不够完善。为更有效的解决复杂航道船舶进出港问题，提升船舶在港口水域航行安全及效率，需要梳理复杂航道船舶交通，建立调度优化模型，为操作员提供科学合理调度方案。
发明内容
鉴于已有技术存在的不足，本发明的目的是提供一种消除航道内船舶交通冲突、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全局交通组织优化方法。
为了实现上述目的，本发明技术方案如下：
一种进出大型海港复杂航道的全局交通组织优化方法，其特征在于包括如下步骤：
S100、复杂航道通航模式制定：包括制定复杂航道航路指派及航路内部交通模式转换；
S200、建立全局交通组织优化模型：以航道利用率最优解及船方等待时间最少为全局目标函数，建立进出大型海港复杂航道全局交通组织优化模型，所述优化模型包括复杂航道入口冲突消解子模型、平行航道交通流交叉转换子模型、多航道汇聚交通流疏散子模型；
S300、求解优化方案：通过启发式算法，求得优化后的交通组织方案。
进一步地，步骤S100中，所述复杂航道包括多条相互平行或交叉的子航道；所述航路指派是指根据船舶船长、船宽、船型、航行方向并结合子航道工况，为船舶分配合理子航道；
所述航路内部交通模式包括单向交通模式和双向交通模式；
单向交通模式是指某一时段范围内，航道仅允许进港船流或出港船流中的一个方向的船舶通航；
双向交通模式是指某一时段范围内，航道允许进出港两个方向的船舶同时航行，当船舶因船型、船宽或其他原因无法双向通航时，需要临时采取单向交通模式。
进一步地，步骤S200中，所述全局目标函数如下：
其中，航道总占用时间f1最短是指按照调度时间先后顺序，最后一艘船舶完成调度时刻Tfmax减去第一艘船舶开始调度时刻Tsmin所得时间差；船舶总等待时间f2是指每艘船舶开始调度时刻Tsi减去申请调度时刻Tai总和。
进一步地，所述步骤S200中，所述复杂航道入口冲突消解子模型是根据步骤S100中的航路指派，将所调度船舶根据所航航道异同分为n类；对于所航航道相同的船舶集合Nx,x∈(1,2,3...n)，根据步骤S100中制定的船舶交通模式结合船舶航行方式进行交通冲突判定，具体如下：
S210、在同一集合Nx中的船舶，当先后调度的两艘船舶i与j航向相同时，计算从锚地或泊位到达航道入口的时刻，两时刻之差Tg1与后船船速的乘积若小于后船最小安全航行距离Dsi，则调节后船出发时刻；
Tg1＝|(Tsi+Di/vi)-(Tsj-Dj/vj)| (3)
Twj＝Dsi/vj-Tg1 (4)
Tsj′＝Tsj+Twj (5)
其中，Tg1为两船到达航道入口航行时刻差，Tsi,Tsj分别为两船从起始地出发的时刻，vi,vj分别为两船航速，Di,Dj为两船各自所在地距离航道入口距离；Twj为调节后船的最小时间间隔，假定船舶j为后到达航道入口的船舶，当Tg1×vj小于船舶j最小安全距离时，执行公式(4)；相应地，Tsj′为船舶j调节后的出发时刻；
S220、在同一集合Nx中的船舶，找出两两航向相反的船舶对；当船舶对中的两船均为双向交通模式时，则在航道入口不存在交通冲突；若船舶对中的任一船舶交通模式为单向，则需进行交通冲突检测；
Tg2＝Toi-Tdj (6)
Twj＝Dsi/vj-Tg2 (7)
Tsj′＝Tsj+Twj (8)
其中，公式(6)为船舶对冲突检测，船舶i,j为一组航向相反的船舶对，船舶i离开航道的时刻Toi与船舶j到达航道的时刻Tdj之间时间间隔为Tg2，将Tg2为负值或小于一定的安全时间标准，执行公式(7)计算船舶j应等待的时间；公式(8)为更新后的船舶开始调度时刻Tsj′计算过程。
进一步地，所述步骤S200中，平行航道间的船舶交通流在平行航道出口处会相互形成交通流汇流或交叉情形，所述平行航道间交通流转换子模型包括：需对上述两种情形进行判别，并建立冲突消解约束；
交通流汇流情形冲突消解公式如下：
为方便表述，取X Y Z分别代表船舶进出方向，航行航道以及目的地，X＝0代表船舶出港，X＝1代表船舶进港；Y＝n，n为平行航道总数n≥2；共m个目的地，m≥2，Tgap0为两船航向小角度交叉(小于90°)的船舶安全会遇时间间隔；
不同航道驶来的船舶交叉情形冲突消解公式如下：
其中，E1ij为决策变量，为1时表示两船在航道出口存在航向交叉情形，为0时，表示两船在航道出口不存在航向交叉。
进一步地，步骤S200中，多航道汇聚交通流疏散子模型包括：不同航道船舶汇流冲突协调以及不同航道船舶汇聚的交叉冲突协调，公式如下，其中Tgap1为两船航向大角度交叉(大于等于90°)的船舶安全会遇时间间隔：
进一步地，步骤S300中，复杂航道全局交通组织启发式算法，具体包括：基于船舶交通组织所需的船舶调度属性，即船舶编号，进出港方向，所属航道及交通模式及港池位置，通过多层整数编码方式初始化，将调度方案及船舶属性通过类似于生物染色体形式表述；设计了染色体异常修复算子，通过启发式算法寻优。
与现有技术相比，本发明具有如下有益效果：
本发明首次从全局角度出发，针对船舶进出大型海港复杂航道，设计船舶进出复杂航道的全局交通组织优化方法。本发明契合港口航行规则，设计了更加科学合理的多目标数学模型，方法包括调度优化模型及相应的启发式算法；充分考虑复杂航道各处存在的交通冲突，可根据泊位及锚地等待的船舶，计算出一系列Pareto最优解，可为港口VTS(Vessel Traffic Scheduling)调度员提供具体的调度序列，大大改善以往仅依靠人工经验的低效调度模式，从而提升船舶航行安全及效率，提升海港运作效益，减少船舶等待调度时的废气排放，保护水域环境，并可同时惠于港口、船公司、VTSO，对港口的持续发展、港航企业经济效益提升、船舶安全、人员减负等四方面均有十分重要的意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明交通调度优化方法的流程图。
图2本发明实施例复杂航道模型的示意图。
图3为本发明实施例复杂航道中双进双出交通流模式的示意图。
图4为本发明实施例复杂航道中双出单进交通流模式的示意图。
图5为本发明实施例复杂航道中双进单出交通流模式的示意图。
图6为本发明实施例进港船舶交通流在关键水域Ⅱ的交通冲突的示意图。
图7为本发明实施例进出港船舶交通流在关键水域Ⅲ的交通冲突的示意图。
图8为本发明实施例多目标遗传算法的流程图。
图9为模拟实验调度界面(GUI)图。
图10为20船模拟实验第300代种群Pareto-optimal解的前沿面。
图11为四种调度方案目标函数值对比图。
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做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。
为更好的展示文中所述复杂航道特性，图2展示了一个带Y字分叉的复杂航道。其中，复杂航道右半部分包含三个并行的航道，从上到下依次定义为航道A、航道B、航道C，A、C航道仅供小型船舶航行。其中A航道为单向进港交通模式，C航道为单向出港交通模式，B航道为双向模式，其中，一些超大型船舶及有特殊需求的船舶需在B航道临时以单向交通模式航行。复杂航道左侧将通往N和S这两个大型港池，N港池在S港池上方。
本发明致力于消除船舶在冲突水域处的交通冲突，从航道占用时间最短以及船舶总等待时间最短两个维度出发，计算船舶进出序列及时隙，确保安全、高效的调度船舶进出港。在此需对本发明应用的前提条件进行说明：
1)对于进港船舶ETA，假定为船舶申请调度时间，在没有得到调度员允许的情况下，将一直在锚地等待调度；
2)本调度模型假定每艘进港船所靠泊泊位已提前指定完毕；
3)对于进港船来说，调度工作起始于锚地，终止于泊位；对于出港船来说，调度工作起始于泊位，终止于出港船舶航道出口；
4)调度模型解决船舶在航行过程中产生的交通流冲突，未考虑船舶即将靠离泊时产生的回旋圈对他船影响；
5)对应航道水深满足相应船舶航行需求，因此，航道对进出港船舶没有时间窗限制。
基于上述设计背景，如图1所示，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全局交通组织优化方法，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：
S100、复杂航道通航模式制定：包括制定复杂航道航路指派及航路内部交通模式转换；
所述复杂航道包括多条相互平行或交叉的子航道；所述航路指派是指根据船舶船长、船宽、船型、航行方向并结合子航道工况，为船舶分配合理子航道；
所述航路内部交通模式包括单向交通模式和双向交通模式；
单向交通模式是指某一时段范围内，航道仅允许进港船流或出港船流中的一个方向的船舶通航；
双向交通模式是指某一时段范围内，航道允许进出港两个方向的船舶同时航行，当船舶因船型、船宽或其他原因无法双向通航时，需要临时采取单向交通模式。
所有被调度的船舶根据其船长、船宽、船型为其分配特定的等级C1,C2,...Cα，(α≥1)。如表1所示为依据天津港海港进出港航道船舶航行规则要求对进出其航道的船舶依船长、船宽及船型分配航行模式。表中“B单”“B双”均指船舶在B航道中的交通模式。从表中可知，船舶被分为三个等级C1,C2,C3，分别采取的航行模式为B单、B双，A/C航道，A/C航道的确定需要C3型船舶结合航行方向来定。
表1船舶航行模式分配
S200、建立全局交通组织优化模型：以航道利用率最优及船方等待时间最少为全局目标函数，建立进出大型海港复杂航道全局交通组织优化模型，所述优化模型包括复杂航道入口冲突消解子模型、平行航道交通流交叉转换子模型、多航道汇聚交通流疏散子模型。
本实施例中具体包括：
构建以航道占用时间最短和船舶总等待时间最短的全局目标函数。
全局角度有两层含义：从航道资源角度来考虑，港口方面希望单位时间内可以服务更多的船舶，故应尽可能提高航道单位时间利用率，模型中通过航道占用时间最短来表示；从船舶用户角度来说，船方希望各自在锚地或泊位等待调度的时间尽可能的少，所以模型设计各船舶总等待时间最小为另一各目标函数值。第一、二目标值分别如公式1,2所示
其中，航道总占用时间f1表示最后一艘船舶调度完成时刻Tfmax减去第一艘被调度的船舶开始调度时刻Tsmin的差值。f2表示所有船舶总等待时间，其计算方法为每艘船舶i开始调度时刻Tsi减去申请调度时刻Tai所得差的总和。
复杂航道入口冲突消解子模型：
所述复杂航道入口冲突消解子模型是根据步骤S100中的航路指派，将所调度船舶根据所航航道异同分为n类；对于所航航道相同的船舶集合Nx,x∈(1,2,3...n)，根据步骤S100中制定的船舶交通模式结合船舶航行方式进行交通冲突判定，具体如下：S210、在同一集合Nx中的船舶，当先后调度的两艘船舶i与j航向相同时，计算从锚地或泊位到达航道入口的时刻，两时刻之差Tg1与后船船速的乘积若小于后船最小安全航行距离Dsi，则调节后船出发时刻；
Tg1＝|(Tsi+Di/vi)-(Tsj-Dj/vj)| (3)
Twj＝Dsi/vj-Tg1 (4)
Tsj′＝Tsj+Twj (5)
其中，Tg1为两船到达航道入口航行时刻差，Tsi,Tsj分别为两船从起始地出发的时刻，vi,vj分别为两船航速，Di,Dj为两船各自所在地距离航道入口距离；Twj为调节后船的最小时间间隔，假定船舶j为后到达航道入口的船舶，当Tg1×vj小于船舶j最小安全距离时，执行公式(4)；相应地，Tsj′为船舶j调节后的出发时刻。对于本实施例来说，在正常情况下，A/C航道单向航行，B航道处于双向通航、单向进港或单向出港交通模式之一。因此，整体上看，并行航道内交通可分为三种类型，如图3-5所示，分别为双进双出、双进单出、双出单进。故在本实施例中的A/B/C型航道中，进港船在水域Ⅰ处上航道，出港船在水域Ⅱ上航道，因此水域Ⅰ、Ⅱ均存在同向船舶交通冲突，需S210模型。
S220、在同一集合Nx中的船舶，找出两两航向相反的船舶对；当船舶对中的两船均为双向交通模式时，则在航道入口不存在交通冲突；若船舶对中的任一船舶交通模式为单向，则需进行交通冲突检测；
Tg2＝Toi-Tdj (6)
Twj＝Dsi/vj-Tg2 (7)
Tsj′＝Tsj+Twj (8)
其中，公式(6)为船舶对冲突检测，船舶i,j为一组航向相反的船舶对，船舶i离开航道的时刻Toi与船舶j到达航道的时刻Tdj之间时间间隔为Tg2，将Tg2为负值或小于一定的安全时间标准，执行公式(7)计算船舶j应等待的时间；公式(8)为更新后的船舶开始调度时刻Tsj′计算过程。对于B型航道来说，需要进行单向交通与双向交通的转换，此时应确保在B型航道入口处避免对遇局面的发生，故进出B型航道的异向船舶对间，可能存在异向船舶对之间的交通冲突，当异向船舶对中任一船舶交通模式为单向交通时，船舶对中即将上航道的船舶应进行S220约束，调节其上航道时刻。
由于实施例中平行航道间以及多航道交叉口处交通冲突较为复杂，为更好地用模型展示，在此引入三个下标变量X Y Z，分别表示船舶进出港方向、航行模式、泊位所在港池。规定X为1表示船舶进港，X为0表示船舶出港；Y为0表示船舶航行于A/C航道，Y为1表示船舶需在B航道内采取单向交通模式航行，Y为2表示船舶在B航道内采取双向交通模式；Z为0靠泊泊位在N港池，为1表示船舶靠泊泊位在S港池。
平行航道交通流交叉转换子模型：
平行航道间的船舶交通流在平行航道出口处会相互形成交通流汇流或交叉情形，所述平行航道间交通流转换子模型包括：需对上述两种情形进行判别，并建立冲突消解约束；
图6所示为本实施例平行航道内的出港船舶在平行航道出口的交通流冲突示意图。图中前两个情形分别为船舶汇流进S港池及船舶汇流进N港池，第三个情形为船舶分别驶往不同港池的交通流交叉情形。
经前文分析，在本实施例中，航经A/B平行航道的船舶有可能在冲突水域Ⅱ发生汇流或交叉冲突。进港船在A/B航道出口水域为多船交汇水域，除可能发生追越局面外，还应避免两船甚至多船间交叉局面的发生，Tgap0表示防止船舶小角度交叉的最小时间间隔,则A/B航道间交通流转换子模型如公式9-12所示。
公式9防止来自B航道且即将驶向N港池的船舶追越来自A航道且将驶向N港池的船舶的约束如下:
公式10防止来自A航道且即将驶往S港池的船舶追越来自B航道且将驶往S港池的船舶的约束如下：
防止来自B航道且即将驶往N港池的船舶与来自A航道且将驶往S港池的船舶交叉的约束如下，其中E1ij为决策变量，为1时表示两船即将处于上述情形，为0则表示上述情形不存在。
防止来自A航道且即将驶往S港池的船舶与来自B船航道且将驶往N港池的船舶交叉的约束如下，其中E2ij为决策变量，为1时表示两船即将处于上述情形，为0则表示上述情形不存在。
多航道汇聚交通流疏散子模型：
所述多航道汇聚交通流疏散子模型包括：不同航道船舶汇流冲突协调以及不同航道船舶汇聚的交叉冲突协调，具体如下：
图7为本实施例中多航道交叉口交通流在水域Ⅲ的冲突示意图，可细分为来自不同港池出港船汇流，N港池出港船与A/B航道进S港池的船舶交叉。
本实施例不同航道船舶汇流冲突为：进S港池船舶与从N港池出港船舶的交叉冲突；不同航道船舶汇聚的交叉冲突为：N港池出港船舶与S港池出港船舶的追越冲突。
公式13-14分别为针对出港船、进港船的时隙约束，防止出港船与进港船发生交叉冲突，其中E3ij、D1ij是决策变量，当其为1表示进出港两船间存在交通冲突一，为0表示进出港船舶间不存在交通冲突一。Tgap2表示船舶大角度交叉的时间间隔。
公式15-16分别针对N港池、S港池出港船的时隙约束，协调N港池、S港池出港船之间的汇流冲突。
S300、设计适用于复杂航道全局交通组织的启发式算法，求得优化后的交通组织方案。
本实施例设计多目标遗传算法解决复杂航道全局交通组织模型，如图8所示，为算法流程图，具体包括：
1.多层整数编码初始化：
根据实施例中模型特点，实施例遗传算法采用四层染色体编码形成基因位。一个基因位代表一艘船舶信息，其所包含四层信息分别为：船舶编号N，进出港方向X，航行模式Y，以及靠泊泊位所在港池Z。X,Y,Z中数字具体代表的含义与模型中船舶下标变量一致，在此不再赘述。举例来说：5120为代表一艘船舶信息的基因位，5代表船舶编号为5,1代表船舶航行方向为进港，2代表船舶采取主航道双向通航模式航行，0代表船舶靠泊泊位在N港池。
所有基因位采取一定方式的排列组合可形成染色体，其可代表一个具体的调度方案。举例来说：20114120300111015120为一个调度方案，其船舶调度序列的先后为：2,4,3,1,5。
一定数量的染色体序列可组成一个种群，也即为一个调度方案解空间。
2.目标函数及适应度值：
由于模型目标函数分别为最小总航道占用时间f1以及最小船舶总等待时间f2，故目标函数越小，所对应的调度序列越优。为使优秀染色体有较大的选择概率，适应度函数值取为目标函数的倒数。即：y1＝1/f1,y2＝1/f2。
3.染色体异常修复算子：
在实际港口操作中，进港船舶i在调度之前，应该首先确保即将靠泊的泊位m空闲。若泊位此时有船舶j正在进行作业，必须确保船舶j先调度出港，然后调度船舶i进港。然而由于算法中初始种群是随机生成的，有可能会包含不可行的染色体序列；另外，变异算子也可能将染色体变为不可能。因此，在计算染色体目标函数前，应先对染色体进行修复，具体步骤如下：
1)检查染色体是否存在进出方向不同的船舶靠泊同一泊位的情况(例如进港船i与出港船j靠泊同一泊位m，若存在，进行步骤2)，否则，进行步骤6)；
2)判断进港船i与出港船j调度顺序，若船舶i在船舶j之前调度，则染色体需要修复，进行步骤3)，否则，进行步骤6)；
3)删除船舶i与j在染色体对应位置的基因位；
4)随机产生一个整数r1∈[1,N-2]，N为待调度船舶个数，将船舶j基因位插入r1所标示位置中；
5)随机产生一个整数r2∈[r1+1,N-1]，并将船舶i基因位信息插入r2所标识位置中；
6)染色体为可行解，无需修复。
4.选择算子：
由于多目标函数自身特性，经常会出现无法比较优劣的解，在进行选择操作前，需为每个染色体进行序值分配以及拥挤距离计算。
序值分配：指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。同一个前端染色体序值相同，其染色体之间，任意一个染色体的所有目标值均不会全部大于该序值内其他染色体对应的目标值。针对于本调度模型，由于需要优化两个目标函数，所有可在二维坐标系中，将同一个前端的染色体的两个目标值分别映射到横纵坐标轴，在该二维平面，这些点集构成的面，称为前沿面。对于本发明所述复杂航道全局交通组织问题来说，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，分别是航道总占用时间最短以及船舶总等待时间最短。
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。
选择算法：选择采用锦标赛算法。选择策略为每次从种群中取出一定数量个体，然后选择其中最好的一个进入子代种群。重复该操作，直到新的种群规模达到原来的种群规模其基本思想为：
1)确定每次选择的个体数量，本实施例一次选择2个。
2)从种群中随机选择两个个体(每个个体入选概率相同)构成组，根据每个个体被分配的序值及拥挤距离，优先选择序值小的个体，在序值相同情况下，优先选择拥挤距离大的个体，进入子代种群。
3)重复步骤2)，得到的个体构成新一代种群。
5.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。
6.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。
本实施例通过模拟20船进出港调度实验，得到Pareto-optimal染色体，取其中两条进行解码，并与其他常用调度手段进行对比，来验证调度模型及算法的高效性。
调度实验包含船舶数据、泊位数据、航道数据，分别如表2-5所示。表2中船舶编号按照申请调度时间先后顺序进行编号。表4中距离代表泊位距Y字航道口距离。
表2船舶信息
表3锚地数据
表4泊位信息
模拟实验中涉及参数众多，本实施例采用MATLAB软件制作了简易的GUI(graphical user interface)界面，如图9所示，
算法参数设置：
种群个数：200，交叉概率Pc:0.95,变异概率Pm＝0.05,最大代数MAXGEN＝300.
调度结果如图9所示，GUI界面左侧为分别为第一、第二目标值进化二维坐标系。坐标系中，位置靠上的线条代表每代所以个体平均目标值，位置靠下的线条代表每代最优个体目标值。第一、第二目标值进化曲线分别在第170代、60代趋于稳定。经过300代计算，最小航道占用时间以及最小船舶总等待时间分别为175分钟以及358分钟，并且最终计算出12条Pareto最优解。12条染色体调度序列及其目标函数值分别如表5-6所示，相应的，12染色体构成的前沿面如图10所示。
表5 12条Pareto-optimal染色体调度序列
表6 Pareto-optimal调度序列目标函数值.
从12条Pareto-optimal染色体中选择两条进行解码并与其他常用调度序列对比。本实施例中，设定第一目标值最小个体染色体为Min1O，第二目标值最小所对应个体为Min2O。Min2O染色体如表7所示，下面通过该染色体序列详细解释本专利解码过程。
表7 Min2O染色体
根据染色体所标识的船舶航行模型及其航行方向，实施例将船舶解码为三组，如表8-10所示，分别为：主航道进港船舶队列，主航道出港船舶队列，小船航道船舶队列。表中Ta为船舶申请调度时间，Ts为船舶开始调度时间，T1,T2,T3分别为船舶航行至关键水域Ⅰ、Ⅱ、Ⅲ时刻，Tf为船舶调度完成时刻，Tw为船舶等待时刻。Ts，T1，T2，T3，Tf，Tw均为算法计算出的结果。
表8主航道进港船舶航行时刻表
表9主航道出港船舶航行时刻表
表10小船航道船舶航行时刻表.
Min1O染色体所代表的船舶开始及结束调度时刻如表11所示，该调度序列航道总占用时间为175分钟，船舶总等待时间为2152分钟。
表11 Min1O方案调度时刻
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，将与实践操作中两种常见的调度方案进行对比。调度中常用“先到先服务规则”，由于复杂航道交通复杂，为减缓交通从图，复杂航道调度也常用一段时间内先出后进这样的“单向模式”调度模式。
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。
单向模式调度规则(one-way mode)：指对一段时间内待调度的船舶，先对出港船舶按照申请时间先后进行调度，然后再对进港的船舶按照申请时间先后顺序进行调度。
20船按照FCFS调度方式所得调度信息如表12所示。该调度序列第一目标值及第二目标值分别为368分钟,1475分钟。
表12 20船FCFS调度方案时刻表
表13 One-way mode船舶调度序列
One-way mode调度序列如表13所示，第一目标值、第二目标值经计算分别为358、1201分钟。四种调度方案对比如图11所示。从图中可知，从航道占用时间长短角度来考虑，Min1O、Min2O均比FCFS以及One-way mode有很大提升，从船舶总等待时间角度，Min2O方案仅需要358分钟，采用该方案，可以极大优化船舶等待时间。
另外，当港口积攒许多待调度船舶，为在尽可能短的时间调度船舶进出港，而仅考虑航道总占用时间的情况下，Min1O调度方案应是调度员的首选方案。
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)
1.一种进出大型海港复杂航道的全局交通组织优化方法，其特征在于包括如下步骤：
S100、复杂航道通航模式制定：包括制定复杂航道航路指派及航路内部交通模式转换；
S200、建立全局交通组织优化模型：以航道利用率最优解及船方等待时间最少为全局目标函数，建立进出大型海港复杂航道全局交通组织优化模型，所述优化模型包括复杂航道入口冲突消解子模型、平行航道交通流交叉转换子模型、多航道汇聚交通流疏散子模型；
S300、求解优化方案：通过启发式算法，求得优化后的交通组织方案。
2.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S100中，所述复杂航道包括多条相互平行或交叉的子航道；所述航路指派是指根据船舶船长、船宽、船型、航行方向并结合子航道工况，为船舶分配合理子航道；
所述航路内部交通模式包括单向交通模式和双向交通模式；
单向交通模式是指某一时段范围内，航道仅允许进港船流或出港船流中的一个方向的船舶通航；
双向交通模式是指某一时段范围内，航道允许进出港两个方向的船舶同时航行，当船舶因船型、船宽或其他原因无法双向通航时，需要临时采取单向交通模式。
3.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S200中，所述全局目标函数如下：
其中，航道总占用时间f1最短是指按照调度时间先后顺序，最后一艘船舶完成调度时刻Tfmax减去第一艘船舶开始调度时刻Tsmin所得时间差；船舶总等待时间f2是指每艘船舶开始调度时刻Tsi减去申请调度时刻Tai总和。
4.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S200中，所述复杂航道入口冲突消解子模型是根据步骤S100中的航路指派，将所调度船舶根据所航航道异同分为n类；对于所航航道相同的船舶集合Nx,x∈(1,2,3...n)，根据步骤S100中制定的船舶交通模式结合船舶航行方式进行交通冲突判定，具体如下：
S210、在同一集合Nx中的船舶，当先后调度的两艘船舶i与j航向相同时，计算从锚地或泊位到达航道入口的时刻，两时刻之差Tg1与后船船速的乘积若小于后船最小安全航行距离Dsi，则调节后船出发时刻；
Tg1＝|(Tsi+Di/vi)-(Tsj-Dj/vj)| (3)
Twj＝Dsi/vj-Tg1 (4)
Tsj′＝Tsj+Twj (5)
其中，Tg1为两船到达航道入口航行时刻差，Tsi,Tsj分别为两船从起始地出发的时刻，vi,vj分别为两船航速，Di,Dj为两船各自所在地距离航道入口距离；Twj为调节后船的最小时间间隔，假定船舶j为后到达航道入口的船舶，当Tg1×vj小于船舶j最小安全距离时，执行公式(4)；相应地，Tsj′为船舶j调节后的出发时刻；
S220、在同一集合Nx中的船舶，找出两两航向相反的船舶对；当船舶对中的两船均为双向交通模式时，则在航道入口不存在交通冲突；若船舶对中的任一船舶交通模式为单向，则需进行交通冲突检测；
Tg2＝Toi-Tdj (6)
Twj＝Dsi/vj-Tg2 (7)
Tsj′＝Tsj+Twj (8)
其中，公式(6)为船舶对冲突检测，船舶i,j为一组航向相反的船舶对，船舶i离开航道的时刻Toi与船舶j到达航道的时刻Tdj之间时间间隔为Tg2，将Tg2为负值或小于一定的安全时间标准，执行公式(7)计算船舶j应等待的时间；公式(8)为更新后的船舶开始调度时刻Tsj′计算过程。
5.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S200中，平行航道间的船舶交通流在平行航道出口处会相互形成交通流汇流或交叉情形，所述平行航道间交通流转换子模型包括：需对上述两种情形进行判别，并建立冲突消解约束；
交通流汇流情形冲突消解公式如下：
为方便表述，取X Y Z分别代表船舶进出方向，航行航道以及目的地，X＝0代表船舶出港，X＝1代表船舶进港；Y＝n，n为平行航道总数n≥2；共m个目的地，m≥2，Tgap0为两船航向小角度交叉(小于90°)的船舶安全会遇时间间隔；
不同航道驶来的船舶交叉情形冲突消解公式如下：
其中，E1ij为决策变量，为1时表示两船在航道出口存在航向交叉情形，为0时，表示两船在航道出口不存在航向交叉。
6.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S200中，多航道汇聚交通流疏散子模型包括：不同航道船舶汇流冲突协调以及不同航道船舶汇聚的交叉冲突协调，公式如下：
其中Tgap1为两船航向大角度交叉(大于等于90°)的船舶安全会遇时间间隔。
7.根据权利要求1所述的进出大型海港复杂航道的全局交通组织优化方法，其特征在于，步骤S300中，复杂航道全局交通组织启发式算法，具体包括：基于船舶交通组织所需的船舶调度属性，即船舶编号，进出港方向，所属航道及交通模式及港池位置，通过多层整数编码方式初始化，将调度方案及船舶属性通过类似于生物染色体形式表述；设计了染色体异常修复算子，通过启发式算法寻优。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810348923.4A CN108346319B (zh) | 2018-04-18 | 2018-04-18 | 一种进出大型海港复杂航道的全局交通组织优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810348923.4A CN108346319B (zh) | 2018-04-18 | 2018-04-18 | 一种进出大型海港复杂航道的全局交通组织优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108346319A true CN108346319A (zh) | 2018-07-31 |
| CN108346319B CN108346319B (zh) | 2021-01-15 |
Family
ID=62954910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810348923.4A Active CN108346319B (zh) | 2018-04-18 | 2018-04-18 | 一种进出大型海港复杂航道的全局交通组织优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108346319B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881563A (zh) * | 2020-07-17 | 2020-11-03 | 大连海事大学 | 限制性双向航道船舶交通组织优化方法 |
| CN113240234A (zh) * | 2021-04-02 | 2021-08-10 | 大连海事大学 | 煤炭港口装船设备分配与船舶交通组织协调优化方法 |
| CN113626929A (zh) * | 2021-07-07 | 2021-11-09 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN113689738A (zh) * | 2021-08-20 | 2021-11-23 | 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 |
| CN113689037A (zh) * | 2021-08-24 | 2021-11-23 | 大连海事大学 | 一种散货港口生产调度优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361411A (zh) * | 2014-11-12 | 2015-02-18 | 武汉理工大学 | 基于双向匹配的船岸间锚地申请与分配系统及方法 |
| CN105117793A (zh) * | 2015-08-10 | 2015-12-02 | 大连海事大学 | 一种双向通航港口船舶调度优化方法 |
| US20170309188A1 (en) * | 2016-04-21 | 2017-10-26 | Marcura Equities FZE | Vessel traffic management system |
| CN107341573A (zh) * | 2017-07-05 | 2017-11-10 | 大连海事大学 | 一种复式航道水域的船舶交通组织优化方法 |
-
2018
- 2018-04-18 CN CN201810348923.4A patent/CN108346319B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361411A (zh) * | 2014-11-12 | 2015-02-18 | 武汉理工大学 | 基于双向匹配的船岸间锚地申请与分配系统及方法 |
| CN105117793A (zh) * | 2015-08-10 | 2015-12-02 | 大连海事大学 | 一种双向通航港口船舶调度优化方法 |
| US20170309188A1 (en) * | 2016-04-21 | 2017-10-26 | Marcura Equities FZE | Vessel traffic management system |
| CN107341573A (zh) * | 2017-07-05 | 2017-11-10 | 大连海事大学 | 一种复式航道水域的船舶交通组织优化方法 |
Non-Patent Citations (6)
| Title |
|---|
| ZILIASKOPOULOS A等: "An intermodal optimum path algorithm for multimodal networks", 《EUROPEAN JOURNAL OF OPERATIONAL RESEARCH》 * |
| 张新宇等: "Vessel Scheduling Model of a One-Way Port Channel", 《JOURNAL OF WATERWAY PORT COASTAL AND OCEAN ENGINEERING》 * |
| 张新宇等: "基于模拟退火多种群遗传算法的港口船舶调度优化", 《中国航海》 * |
| 张新宇等: "基于航道与泊位资源协调调度的船舶交通优化", 《中国航海》 * |
| 蔡学龙: "多航道交汇水域船舶交通流的建模与仿真", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
| 陈向: "复式航道条件下的港口船舶调度优化", 《中国优秀硕士学位论文全文数据库（电子期刊）工程科技II辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881563A (zh) * | 2020-07-17 | 2020-11-03 | 大连海事大学 | 限制性双向航道船舶交通组织优化方法 |
| CN111881563B (zh) * | 2020-07-17 | 2023-09-19 | 大连海事大学 | 限制性双向航道船舶交通组织优化方法 |
| CN113240234A (zh) * | 2021-04-02 | 2021-08-10 | 大连海事大学 | 煤炭港口装船设备分配与船舶交通组织协调优化方法 |
| CN113240234B (zh) * | 2021-04-02 | 2024-01-12 | 大连海事大学 | 煤炭港口装船设备分配与船舶交通组织协调优化方法 |
| CN113626929A (zh) * | 2021-07-07 | 2021-11-09 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN113626929B (zh) * | 2021-07-07 | 2024-01-23 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN113689738A (zh) * | 2021-08-20 | 2021-11-23 | 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 |
| 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 |
| CN113689037A (zh) * | 2021-08-24 | 2021-11-23 | 大连海事大学 | 一种散货港口生产调度优化方法 |
| CN113689037B (zh) * | 2021-08-24 | 2024-03-08 | 大连海事大学 | 一种散货港口生产调度优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108346319B (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108346319A (zh) | 一种进出大型海港复杂航道的全局交通组织优化方法 | |
| CN107341573B (zh) | 一种复式航道水域的船舶交通组织优化方法 | |
| Liu et al. | Integrated planning of berth allocation and vessel sequencing in a seaport with one-way navigation channel | |
| Li et al. | Vessel traffic scheduling optimization for restricted channel in ports | |
| CN105117793B (zh) | 一种双向通航港口船舶调度优化方法 | |
| Verstichel et al. | The generalized lock scheduling problem: An exact approach | |
| CN104281894A (zh) | 基于航道与泊位资源的船舶调度优化方法 | |
| CN113240234B (zh) | 煤炭港口装船设备分配与船舶交通组织协调优化方法 | |
| CN113689037A (zh) | 一种散货港口生产调度优化方法 | |
| Li et al. | An adaptive heuristic algorithm based on reinforcement learning for ship scheduling optimization problem | |
| CN103400251A (zh) | 基于遗传算法的散货码头泊位快速分配系统及方法 | |
| CN104657538A (zh) | 一种多节点航道调度的仿真方法 | |
| Zhong et al. | A Bi-objective green tugboat scheduling problem with the tidal port time windows | |
| CN116993104A (zh) | 集装箱码头泊位与岸桥分配的通用性优化方法及应用 | |
| CN111881563B (zh) | 限制性双向航道船舶交通组织优化方法 | |
| Jiang et al. | Optimization of integrated scheduling of restricted channels, berths, and yards in bulk cargo ports considering carbon emissions | |
| Xia et al. | Research on safety and efficiency warranted vessel scheduling in unidirectional multi-junction waterways of port waters | |
| CN116542488B (zh) | 一种基于人工智能的港口调度方法和系统 | |
| Zhang et al. | Optimising feeder routing for container ships through an electronic chart display and information system | |
| CN116468235A (zh) | 一种多港池混合型通航的港口船舶交通组织优化方法 | |
| Zhang et al. | Model and algorithm for vessel scheduling optimisation through the compound channel with the consideration of tide height | |
| Huang et al. | Improved Benders decomposition for stack-based yard template generation in an automated container terminal | |
| CN113780800A (zh) | 一种基于连续有序调度的多船岸桥调度方法 | |
| CN118014254B (zh) | 不确定环境下低碳连续泊位分配和岸桥调度方法 | |
| Liu et al. | Mathematical model and solution approach for berth allocation problem in tidal bulk ports with different vessel draft requirements |
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 |