雙向航道集裝箱港口船舶調(diào)度優(yōu)化

　　摘要：針對(duì)擁有雙向航道的集裝箱港口中船舶進(jìn)出港所遇到的會(huì)遇和追越等問題，提出了一種重點(diǎn)考慮服務(wù)規(guī)則的新型船舶調(diào)度優(yōu)化算法。首先，考慮雙向航道的現(xiàn)實(shí)約束限制，兼顧港口夜航的安全規(guī)定;然后，構(gòu)建了以所有船舶在港總等待時(shí)間最小為目標(biāo)的混合整數(shù)規(guī)劃模型，得出最佳的船舶進(jìn)出港次序;最后，設(shè)計(jì)了嵌入聚合式策略的分支切割算法進(jìn)行求解。通過數(shù)值實(shí)驗(yàn)可知，運(yùn)用嵌入聚合策略的分支切割算法所得結(jié)果與下界值的平均相對(duì)偏差為2.59%;同時(shí)與模擬退火算法與量子差分進(jìn)化算法的對(duì)比結(jié)果表明，所提分支切割算法所得的目標(biāo)函數(shù)值相較于后兩者所得目標(biāo)函數(shù)值分別減少了23.56%和17.17%，驗(yàn)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(shí)間間隔和船舶類型比例對(duì)方案結(jié)果的影響，為雙向航道船舶進(jìn)出港調(diào)度次序的優(yōu)化提供了決策支持。

　　關(guān)鍵詞：雙向航道;集裝箱港口;船舶調(diào)度;嵌入式聚合;分支切割算法

　　1引言

　　隨著航運(yùn)業(yè)的蓬勃發(fā)展，擁有雙向航道的各大集裝箱港口的業(yè)務(wù)越來越繁忙，盡可能減少抵港船舶的等待時(shí)間是相關(guān)各方關(guān)注的焦點(diǎn);但在這類港口中，船舶于航道內(nèi)、航道與港池交匯處時(shí)常發(fā)生的會(huì)遇現(xiàn)象和航道內(nèi)不同類型船舶間的追越現(xiàn)象，不僅給船舶的進(jìn)出港過程帶來極大的安全隱患，還對(duì)船舶的等待時(shí)間造成較大影響，必須重點(diǎn)關(guān)注。國內(nèi)外學(xué)者針對(duì)港口減少船舶等待時(shí)間的問題已經(jīng)進(jìn)行了大量深入細(xì)致的研究，并取得了階段性成果。根據(jù)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(fā)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(shí)間。Imai等[1]針對(duì)泊位分配和船舶服務(wù)優(yōu)先級(jí)問題，以到港船舶的作業(yè)與等待時(shí)間之和最短為優(yōu)化目標(biāo)，構(gòu)建了相應(yīng)混合整數(shù)模型，并設(shè)計(jì)了一種基于遺傳算法的拓展啟發(fā)式算法進(jìn)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(biāo)，建立了一個(gè)旨在優(yōu)化泊位分配、減小船舶總等待時(shí)間的雙目標(biāo)模型，并提出了一種自適應(yīng)灰狼優(yōu)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(shí)間最短為目標(biāo)，構(gòu)建了一個(gè)連續(xù)泊位與離散泊位通用的數(shù)學(xué)模型，并設(shè)計(jì)了自適應(yīng)大鄰域搜索啟發(fā)式算法來求解。Dulebenets等[4]研究了船舶導(dǎo)流相關(guān)問題，以船舶服務(wù)成本最小為目標(biāo)，建立了一種利用備用港池來疏導(dǎo)多用戶集裝箱船的模型，采用了文化基因啟發(fā)式算法來求解。

　　Ting等[5]研究了離散動(dòng)態(tài)情況下的泊位分配問題，以所有船舶的等待與作業(yè)時(shí)間之和最短為目標(biāo)，構(gòu)建了相應(yīng)混合整數(shù)規(guī)劃模型，并設(shè)計(jì)了粒子群優(yōu)化算法進(jìn)行求解。udipriyanto等[6]研究了泊位的協(xié)同分配問題，以船舶等待時(shí)間、集裝箱裝卸時(shí)間和船舶總周轉(zhuǎn)時(shí)間之和最小為目標(biāo)，采用了離散事件仿真對(duì)系統(tǒng)進(jìn)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(biāo)，提出了一種基于沉積算法的精確組合算法對(duì)模型進(jìn)行求解。Qin等[8]針對(duì)水深變化時(shí)的泊位分配問題，以泊位服務(wù)時(shí)間最小為目標(biāo)，建立了整數(shù)規(guī)劃模型，并用啟發(fā)式算法進(jìn)行了求解。

　　2)主要著眼于通過泊位與岸橋的協(xié)同調(diào)度來減少船舶總等待時(shí)間。Correcher等[9]針對(duì)泊位和岸橋的協(xié)同分配問題，以最小化泊位和岸橋分配成本為目標(biāo)，提出了一種新的混合整數(shù)模型，并用分支定界算法進(jìn)行了求解。Xiang等[10]研究了集裝箱碼頭離散泊位與岸橋的協(xié)同分配問題，以船舶抵港時(shí)間偏差、船舶裝卸作業(yè)時(shí)間偏差和計(jì)劃外船舶�？繉�(duì)協(xié)同分配的歸一化干擾成本最小為目標(biāo)，提出了一種考慮實(shí)際約束的混合整數(shù)規(guī)劃模型，并提出了一種滾動(dòng)水平啟發(fā)式算法來對(duì)其求解。Agra等[11]研究了一種基于相對(duì)位置的泊位和岸橋協(xié)同調(diào)度問題，提出了一種將時(shí)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(diào)度協(xié)同成本最小為目標(biāo)，用分支切割算法對(duì)模型進(jìn)行了求解。韓駿等[12]為縮短船舶在港停留時(shí)間，考慮到集裝箱港內(nèi)泊位與岸橋分配的集成與合作對(duì)港口營運(yùn)效率的影響，以船舶總在港時(shí)間最小為目標(biāo)，提出了一種全新的泊位與岸橋協(xié)同調(diào)度方法，并設(shè)計(jì)了免疫遺傳算法對(duì)所建模型進(jìn)行了求解。周鵬飛等[13]以到港船舶的平均等待時(shí)間最短為目標(biāo)，構(gòu)建了泊位與岸橋協(xié)同分配模型，并設(shè)計(jì)了新型改進(jìn)遺傳算法用于求解。

　　3)主要從航道內(nèi)船舶的調(diào)度角度出發(fā)，對(duì)如何減小船舶總等待時(shí)間作出了細(xì)致的分析。張新宇等[14]研究了單向航道內(nèi)的調(diào)度問題，以船舶總等待時(shí)間與總調(diào)度時(shí)間之和最短為目標(biāo)，建立了相應(yīng)船舶調(diào)度優(yōu)化模型，并設(shè)計(jì)了新型遺傳算法進(jìn)行求解。鄭紅星等[15]針對(duì)多港池散貨港口的船舶調(diào)度優(yōu)化問題，考慮了進(jìn)出港時(shí)段交替條件和成簇進(jìn)出港規(guī)則，以進(jìn)港船舶等待時(shí)間最短為目標(biāo)，建立了混合整數(shù)線性規(guī)劃模型，并設(shè)計(jì)了模擬退火算法與新型啟發(fā)式規(guī)則相結(jié)合的混合算法對(duì)模型進(jìn)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(xié)同分配方法，以所有到港船舶等待時(shí)間與在港時(shí)間之和最短為目標(biāo)，構(gòu)建了基于單向航道的船舶調(diào)度優(yōu)化模型，并設(shè)計(jì)了啟發(fā)式算法進(jìn)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(shù)據(jù)信息傳遞的船舶調(diào)度優(yōu)化模型，并設(shè)計(jì)了基于模糊波束集成法的聚類分析策略對(duì)模型進(jìn)行了求解，成功提高了雙向航道港口的船舶調(diào)度效率。

　　綜上，現(xiàn)有研究主要通過泊位和岸橋的協(xié)同分配調(diào)度減少抵港船舶的總等待時(shí)間，其中：第1)類方法僅通過關(guān)注泊位分配問題來減少船舶的總等待時(shí)間，研究數(shù)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(yōu)化來研究該問題，研究數(shù)量次之且近年來數(shù)量增長較快;第3)類方法重點(diǎn)考慮航道對(duì)該問題的影響，研究數(shù)量較少且重點(diǎn)關(guān)注單向航道。但在港口的實(shí)際工作中，航道內(nèi)、航道與港池交匯處的交通規(guī)則和夜晚作業(yè)的規(guī)章制度對(duì)船舶的進(jìn)出港過程有很大的影響，進(jìn)而影響船舶的總等待時(shí)間，在現(xiàn)實(shí)作業(yè)中不可忽略，而這些方面的現(xiàn)有研究較少，與碼頭實(shí)際不太相符，急需深入研究。

　　為此，不同于現(xiàn)有研究，本文以擁有雙向航道的集裝箱港口為研究對(duì)象，重點(diǎn)考慮船舶進(jìn)出港過程中發(fā)生的會(huì)遇、追越等現(xiàn)象對(duì)船舶進(jìn)出港過程的影響，兼顧港口夜航規(guī)則和不同類型船舶的進(jìn)出港服務(wù)規(guī)則，研究最優(yōu)的船舶進(jìn)出港次序，使得所有抵港船舶的總等待時(shí)間最小。問題描述一般來說，在固定計(jì)劃期開始，預(yù)計(jì)抵港的船舶及時(shí)將船型、載貨狀況和船期等相關(guān)信息發(fā)送給港方;港方依據(jù)收集到的船舶信息，結(jié)合港口的泊位和岸橋等作業(yè)資源實(shí)時(shí)狀況，以及航道通行的交通規(guī)則，提前為抵港船舶制定相應(yīng)的錨地停泊、進(jìn)港時(shí)間、泊位分配方案和出港時(shí)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(jìn)出港過程中的追越和會(huì)遇現(xiàn)象需要重點(diǎn)考慮。

　　在港口實(shí)際作業(yè)過程中，在同一方向行進(jìn)的船舶可通過追越前船來實(shí)現(xiàn)快速進(jìn)港或離港，但受航道的自然環(huán)境所限，在航道的一些特定航段內(nèi)的追越風(fēng)險(xiǎn)極大(類似航段的會(huì)遇簡稱為危險(xiǎn)追越)，必須避免;而在相反方向、錯(cuò)位方向行進(jìn)的船舶，會(huì)遇現(xiàn)象屢見不鮮，且多見于主航道上正常行駛的進(jìn)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(huì)遇簡稱為風(fēng)險(xiǎn)會(huì)遇)，必須合理調(diào)配船舶的進(jìn)出次序，以避免進(jìn)出港池的船舶和行駛在主航道上的船舶會(huì)遇，消除在一些地形較為復(fù)雜航段的主航道船舶會(huì)遇。另外在港口的實(shí)際運(yùn)營過程中，航道和港池內(nèi)的船舶駕駛主要服從以下規(guī)則：

　　1)錯(cuò)位會(huì)遇時(shí)，直行船舶先行;2)相向會(huì)遇時(shí)，大船先行;3)窄航道內(nèi)不可追越;4)追越前船為大船，后船也為大船時(shí)不可追越;5)夜間不可航行大船;6)危險(xiǎn)品船不可追越，且不能在夜間進(jìn)出港。本文問題可描述為：在船舶預(yù)�？坎次灰阎�的情況下，以一固定計(jì)劃期內(nèi)港口預(yù)計(jì)抵港的所有船舶為研究對(duì)象，重點(diǎn)關(guān)注規(guī)避風(fēng)險(xiǎn)會(huì)遇和消除危險(xiǎn)航段追越等現(xiàn)實(shí)約束，兼顧船期和各種船舶駕駛服務(wù)規(guī)則，以所有抵港船舶的總等待時(shí)間最小為優(yōu)化目標(biāo)，最終給出每艘抵港船舶的最佳進(jìn)出港時(shí)機(jī)。

　　2算法設(shè)計(jì)

　　在本文中，確定進(jìn)出港船的優(yōu)先級(jí)問題是關(guān)鍵，通過測(cè)算不同交通狀況下的不同類型船舶完成追越或會(huì)遇所需時(shí)間，計(jì)算出相應(yīng)延遲時(shí)間，進(jìn)而計(jì)算出所有船舶的總等待時(shí)間。算法的設(shè)計(jì)思路是用分支定界法將總等待時(shí)間的計(jì)算問題分解成處于不同交通狀態(tài)下船舶延遲時(shí)間的子問題，再引入割平面對(duì)子問題進(jìn)行迭代尋優(yōu)。

　　2.1進(jìn)出港船舶優(yōu)先級(jí)的設(shè)定

　　進(jìn)出港過程中船舶會(huì)發(fā)生以下幾種追越或會(huì)遇：

　　1)兩船相向會(huì)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(nèi)行駛(直行)，則由直行船先行。3)前船為大船時(shí)，后船為速度較快的小船，此時(shí)若兩船所在航段為寬航道，則可進(jìn)行追越;前船為小船時(shí)，后船為速度較快的大船，此時(shí)若兩船所在航段為寬航道，則可進(jìn)行追越;前船為小船時(shí)，后船為速度較快的小船，此時(shí)若兩船所在航段為寬航道，則可進(jìn)行追越;其余任何情況均禁止追越。危險(xiǎn)品船可視為在固定時(shí)段才可進(jìn)出港的大型船舶。

　　2.2確定進(jìn)港船數(shù)

　　考慮當(dāng)前時(shí)段內(nèi)有艘進(jìn)港船舶，此艘在理想狀態(tài)下可以全部一次性進(jìn)港，也可將其拆分至不同批次依次進(jìn)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(jìn)港過程中暢通無阻，沒有任何出港船與其發(fā)生會(huì)遇現(xiàn)象;2)船舶進(jìn)港過程中存在出港船與其發(fā)生會(huì)遇現(xiàn)象，但在服務(wù)規(guī)則下無需避讓，該情況實(shí)際等同于情況;3)船舶進(jìn)港過程中存在出港船與其發(fā)生會(huì)遇現(xiàn)象，且在服務(wù)規(guī)則下需要進(jìn)行避讓，此情況會(huì)造成一段的整體性延時(shí);4)船舶進(jìn)港過程中存在追越現(xiàn)象，造成一段的整體性延時(shí)。

　　結(jié)語

　　在綜合考慮雙向航道港口的船舶調(diào)度效率影響因素的基礎(chǔ)上，設(shè)計(jì)了新型船舶服務(wù)規(guī)則，并構(gòu)建了新的船舶調(diào)度模型，最終對(duì)船舶進(jìn)出港次序優(yōu)先級(jí)進(jìn)行了優(yōu)化，有效地減小了船舶等待時(shí)間。同時(shí)，設(shè)計(jì)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(duì)算法的性能進(jìn)行了提升。針對(duì)安全間隔時(shí)間和大小船比例進(jìn)行了敏感性分析實(shí)驗(yàn)，結(jié)果表明，隨著安全間隔時(shí)間越長，目標(biāo)值優(yōu)化率先變大后變平穩(wěn);而隨著大小船比例增大，目標(biāo)值優(yōu)化率前期略微變小，后期幾乎保持不變。綜合考慮這兩個(gè)因素，安全間隔時(shí)間對(duì)本文方案的影響更大。

　　船舶大型化是可預(yù)知的發(fā)展趨勢(shì)，未來船舶進(jìn)出港受潮汐的影響也將更大，在此方面本文并未重點(diǎn)考慮，進(jìn)一步的研究可詳細(xì)分析潮汐因素對(duì)雙向航道船舶調(diào)度的影響，并考慮更多服務(wù)規(guī)則下的港口船舶調(diào)度優(yōu)化問題。

　　參考文獻(xiàn)

　　[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(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jzlw/27475.html