雙向航道集裝箱港口船舶調度優化

　　摘要：針對擁有雙向航道的集裝箱港口中船舶進出港所遇到的會遇和追越等問題，提出了一種重點考慮服務規則的新型船舶調度優化算法。首先，考慮雙向航道的現實約束限制，兼顧港口夜航的安全規定;然后，構建了以所有船舶在港總等待時間最小為目標的混合整數規劃模型，得出最佳的船舶進出港次序;最后，設計了嵌入聚合式策略的分支切割算法進行求解。通過數值實驗可知，運用嵌入聚合策略的分支切割算法所得結果與下界值的平均相對偏差為2.59%;同時與模擬退火算法與量子差分進化算法的對比結果表明，所提分支切割算法所得的目標函數值相較于后兩者所得目標函數值分別減少了23.56%和17.17%，驗證了該算法的有效性。在所提算法所得方案的敏感性分析中比較了抵港安全時間間隔和船舶類型比例對方案結果的影響，為雙向航道船舶進出港調度次序的優化提供了決策支持。

　　關鍵詞：雙向航道;集裝箱港口;船舶調度;嵌入式聚合;分支切割算法

　　1引言

　　隨著航運業的蓬勃發展，擁有雙向航道的各大集裝箱港口的業務越來越繁忙，盡可能減少抵港船舶的等待時間是相關各方關注的焦點;但在這類港口中，船舶于航道內、航道與港池交匯處時常發生的會遇現象和航道內不同類型船舶間的追越現象，不僅給船舶的進出港過程帶來極大的安全隱患，還對船舶的等待時間造成較大影響，必須重點關注。國內外學者針對港口減少船舶等待時間的問題已經進行了大量深入細致的研究，并取得了階段性成果。根據其所提出的方法不同，主要分為以下三類。

　　航道論文范例：長江敘渝段航道最大開發尺度研究

　　1)主要著重從泊位分配角度來減少船舶總等待時間。Imai等[1]針對泊位分配和船舶服務優先級問題，以到港船舶的作業與等待時間之和最短為優化目標，構建了相應混合整數模型，并設計了一種基于遺傳算法的拓展啟發式算法進行求解。Xiang等[2]研究了不確定性泊位分配問題，以最小化泊位分配成本和最大化客戶滿意度為雙目標，建立了一個旨在優化泊位分配、減小船舶總等待時間的雙目標模型，并提出了一種自適應灰狼優化算法來求解。Mauri等[3]研究了抵港船舶的泊位分配問題，以所有抵港船舶的在港時間最短為目標，構建了一個連續泊位與離散泊位通用的數學模型，并設計了自適應大鄰域搜索啟發式算法來求解。Dulebenets等[4]研究了船舶導流相關問題，以船舶服務成本最小為目標，建立了一種利用備用港池來疏導多用戶集裝箱船的模型，采用了文化基因啟發式算法來求解。

　　Ting等[5]研究了離散動態情況下的泊位分配問題，以所有船舶的等待與作業時間之和最短為目標，構建了相應混合整數規劃模型，并設計了粒子群優化算法進行求解。udipriyanto等[6]研究了泊位的協同分配問題，以船舶等待時間、集裝箱裝卸時間和船舶總周轉時間之和最小為目標，采用了離散事件仿真對系統進行建模求解。Kordić等[7]考慮了離散泊位分配問題和混合泊位分配問題，以泊位分配成本最小為目標，提出了一種基于沉積算法的精確組合算法對模型進行求解。Qin等[8]針對水深變化時的泊位分配問題，以泊位服務時間最小為目標，建立了整數規劃模型，并用啟發式算法進行了求解。

　　2)主要著眼于通過泊位與岸橋的協同調度來減少船舶總等待時間。Correcher等[9]針對泊位和岸橋的協同分配問題，以最小化泊位和岸橋分配成本為目標，提出了一種新的混合整數模型，并用分支定界算法進行了求解。Xiang等[10]研究了集裝箱碼頭離散泊位與岸橋的協同分配問題，以船舶抵港時間偏差、船舶裝卸作業時間偏差和計劃外船舶�？繉�協同分配的歸一化干擾成本最小為目標，提出了一種考慮實際約束的混合整數規劃模型，并提出了一種滾動水平啟發式算法來對其求解。Agra等[11]研究了一種基于相對位置的泊位和岸橋協同調度問題，提出了一種將時間和空間變量離散化的泊位分配模型，最后以泊位分配與岸橋調度協同成本最小為目標，用分支切割算法對模型進行了求解。韓駿等[12]為縮短船舶在港停留時間，考慮到集裝箱港內泊位與岸橋分配的集成與合作對港口營運效率的影響，以船舶總在港時間最小為目標，提出了一種全新的泊位與岸橋協同調度方法，并設計了免疫遺傳算法對所建模型進行了求解。周鵬飛等[13]以到港船舶的平均等待時間最短為目標，構建了泊位與岸橋協同分配模型，并設計了新型改進遺傳算法用于求解。

　　3)主要從航道內船舶的調度角度出發，對如何減小船舶總等待時間作出了細致的分析。張新宇等[14]研究了單向航道內的調度問題，以船舶總等待時間與總調度時間之和最短為目標，建立了相應船舶調度優化模型，并設計了新型遺傳算法進行求解。鄭紅星等[15]針對多港池散貨港口的船舶調度優化問題，考慮了進出港時段交替條件和成簇進出港規則，以進港船舶等待時間最短為目標，建立了混合整數線性規劃模型，并設計了模擬退火算法與新型啟發式規則相結合的混合算法對模型進行了求解。

　　Zhang等[16]綜合考慮港口資源利用效率，提出了一種新型的泊位與航道協同分配方法，以所有到港船舶等待時間與在港時間之和最短為目標，構建了基于單向航道的船舶調度優化模型，并設計了啟發式算法進行求解。何春華[17]考慮到擁有雙向航道的港口船舶通行能力有足夠的上升空間，建立了基于大數據信息傳遞的船舶調度優化模型，并設計了基于模糊波束集成法的聚類分析策略對模型進行了求解，成功提高了雙向航道港口的船舶調度效率。

　　綜上，現有研究主要通過泊位和岸橋的協同分配調度減少抵港船舶的總等待時間，其中：第1)類方法僅通過關注泊位分配問題來減少船舶的總等待時間，研究數量最多且研究歷史最長;第2)類方法通過綜合考慮泊位和岸橋的集成分配優化來研究該問題，研究數量次之且近年來數量增長較快;第3)類方法重點考慮航道對該問題的影響，研究數量較少且重點關注單向航道。但在港口的實際工作中，航道內、航道與港池交匯處的交通規則和夜晚作業的規章制度對船舶的進出港過程有很大的影響，進而影響船舶的總等待時間，在現實作業中不可忽略，而這些方面的現有研究較少，與碼頭實際不太相符，急需深入研究。

　　為此，不同于現有研究，本文以擁有雙向航道的集裝箱港口為研究對象，重點考慮船舶進出港過程中發生的會遇、追越等現象對船舶進出港過程的影響，兼顧港口夜航規則和不同類型船舶的進出港服務規則，研究最優的船舶進出港次序，使得所有抵港船舶的總等待時間最小。問題描述一般來說，在固定計劃期開始，預計抵港的船舶及時將船型、載貨狀況和船期等相關信息發送給港方;港方依據收集到的船舶信息，結合港口的泊位和岸橋等作業資源實時狀況，以及航道通行的交通規則，提前為抵港船舶制定相應的錨地停泊、進港時間、泊位分配方案和出港時間等方案。在港方制定的上述方案中，就擁有雙向航道的港口而言，船舶進出港過程中的追越和會遇現象需要重點考慮。

　　在港口實際作業過程中，在同一方向行進的船舶可通過追越前船來實現快速進港或離港，但受航道的自然環境所限，在航道的一些特定航段內的追越風險極大(類似航段的會遇簡稱為危險追越)，必須避免;而在相反方向、錯位方向行進的船舶，會遇現象屢見不鮮，且多見于主航道上正常行駛的進港和出港船舶間、不同港池的航道口與主航道的相交處(類似會遇簡稱為風險會遇)，必須合理調配船舶的進出次序，以避免進出港池的船舶和行駛在主航道上的船舶會遇，消除在一些地形較為復雜航段的主航道船舶會遇。另外在港口的實際運營過程中，航道和港池內的船舶駕駛主要服從以下規則：

　　1)錯位會遇時，直行船舶先行;2)相向會遇時，大船先行;3)窄航道內不可追越;4)追越前船為大船，后船也為大船時不可追越;5)夜間不可航行大船;6)危險品船不可追越，且不能在夜間進出港。本文問題可描述為：在船舶預�？坎次灰阎�的情況下，以一固定計劃期內港口預計抵港的所有船舶為研究對象，重點關注規避風險會遇和消除危險航段追越等現實約束，兼顧船期和各種船舶駕駛服務規則，以所有抵港船舶的總等待時間最小為優化目標，最終給出每艘抵港船舶的最佳進出港時機。

　　2算法設計

　　在本文中，確定進出港船的優先級問題是關鍵，通過測算不同交通狀況下的不同類型船舶完成追越或會遇所需時間，計算出相應延遲時間，進而計算出所有船舶的總等待時間。算法的設計思路是用分支定界法將總等待時間的計算問題分解成處于不同交通狀態下船舶延遲時間的子問題，再引入割平面對子問題進行迭代尋優。

　　2.1進出港船舶優先級的設定

　　進出港過程中船舶會發生以下幾種追越或會遇：

　　1)兩船相向會遇，若一艘為大船，一艘為小船，則大船先行;若兩艘船為同類型的船(即都為大船或都為小船)，則出港船先行。2)一船從港池口出(過彎)，一船在主航道內行駛(直行)，則由直行船先行。3)前船為大船時，后船為速度較快的小船，此時若兩船所在航段為寬航道，則可進行追越;前船為小船時，后船為速度較快的大船，此時若兩船所在航段為寬航道，則可進行追越;前船為小船時，后船為速度較快的小船，此時若兩船所在航段為寬航道，則可進行追越;其余任何情況均禁止追越。危險品船可視為在固定時段才可進出港的大型船舶。

　　2.2確定進港船數

　　考慮當前時段內有艘進港船舶，此艘在理想狀態下可以全部一次性進港，也可將其拆分至不同批次依次進港(批次可分為均等批次與非均等批次)，共有以下種情況：1)船舶進港過程中暢通無阻，沒有任何出港船與其發生會遇現象;2)船舶進港過程中存在出港船與其發生會遇現象，但在服務規則下無需避讓，該情況實際等同于情況;3)船舶進港過程中存在出港船與其發生會遇現象，且在服務規則下需要進行避讓，此情況會造成一段的整體性延時;4)船舶進港過程中存在追越現象，造成一段的整體性延時。

　　結語

　　在綜合考慮雙向航道港口的船舶調度效率影響因素的基礎上，設計了新型船舶服務規則，并構建了新的船舶調度模型，最終對船舶進出港次序優先級進行了優化，有效地減小了船舶等待時間。同時，設計了分支切割算法，并融入了聚合策略，以此拓寬了算法思路，在一定程度上對算法的性能進行了提升。針對安全間隔時間和大小船比例進行了敏感性分析實驗，結果表明，隨著安全間隔時間越長，目標值優化率先變大后變平穩;而隨著大小船比例增大，目標值優化率前期略微變小，后期幾乎保持不變。綜合考慮這兩個因素，安全間隔時間對本文方案的影響更大。

　　船舶大型化是可預知的發展趨勢，未來船舶進出港受潮汐的影響也將更大，在此方面本文并未重點考慮，進一步的研究可詳細分析潮汐因素對雙向航道船舶調度的影響，并考慮更多服務規則下的港口船舶調度優化問題。

　　參考文獻

　　[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：鄭紅星1,2*，朱徐濤1，李振飛2

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jzlw/27475.html