張斌, 鄭中義, 馮寶明, 馬亮

(1.大連海事大學(xué)航海學(xué)院, 大連 116000； 2.大連海事局, 大連 116000； 3.中國水產(chǎn)科學(xué)研究院黃海水產(chǎn)研究所, 青島 266071)

海運(yùn)以運(yùn)量大、運(yùn)輸距離長、成本低等優(yōu)點(diǎn)，在國際貿(mào)易中起著運(yùn)力支柱的作用，目前全球商品貿(mào)易貨運(yùn)量的80%以上是通過海運(yùn)完成的，海運(yùn)是國際貿(mào)易中主要的運(yùn)輸方式，在國際貿(mào)易貨物運(yùn)輸中占有非常重要的地位[1]。而復(fù)雜水域作為水路運(yùn)輸?shù)倪B接點(diǎn)，其低下的通航效率將會成為全球供應(yīng)鏈的瓶頸，對國際貿(mào)易影響甚大[2]。另外，2017年5月，科技部、交通運(yùn)輸部“十三五”交通領(lǐng)域科技創(chuàng)新專項(xiàng)規(guī)劃中將“船舶交通智能組織與協(xié)同調(diào)度技術(shù)”列為“水運(yùn)交通”中的智能船舶關(guān)鍵技術(shù)之一。因此，研究復(fù)雜水域的船舶交通組織調(diào)度，進(jìn)行通航船舶的精細(xì)化管理，不僅可以豐富海上交通運(yùn)輸工程學(xué)科理論，同時(shí)也具有非常重要的應(yīng)用價(jià)值。復(fù)雜水域的通航船舶交通組織優(yōu)化，其主要目的在于引導(dǎo)、協(xié)調(diào)、監(jiān)控和規(guī)范船舶行為，為水上交通管理部門和調(diào)度部門制定科學(xué)合理的船舶組織方案，從而建立良好高效的安全通航秩序，避免船舶擁塞，甚至碰撞、擱淺等事故的發(fā)生，從而保護(hù)船舶和通航水域的安全，提高船舶通航的效率以及航道等有限資源的利用率。

1 現(xiàn)有研究綜述

關(guān)于復(fù)雜水域，并沒有一個(gè)統(tǒng)一的定義，目前普遍認(rèn)為，交匯水域、壩區(qū)航段、彎曲航段、狹窄航段、錨泊區(qū)、淺灘航段、島礁水域等通航條件較差而船舶通航密度卻較大的繁忙水域被視為復(fù)雜水域[3]。而本文交通組織所針對的復(fù)雜水域包括通航船舶密度大、航道和航行環(huán)境復(fù)雜的運(yùn)河、港口水道、狹水道、橋區(qū)、船閘和交叉水域，即對這些水域船舶交通組織方面的研究成果進(jìn)行梳理和分析。

1.1 港口水道船舶交通組織

為了提高港口船舶通航的效率，考慮到船舶航速不固定的特點(diǎn)，Liu 等[4]提出了一種全航次約束的船舶交通組織方法，通過驗(yàn)證表明，所建立的模型相對誤差較小，通用性強(qiáng)，能有效提高船舶交通組織的效率。Li 等[5]通過對海港到達(dá)船舶預(yù)先進(jìn)行規(guī)劃管理來消解船舶交通組織的潛在沖突，在考慮船舶優(yōu)先級的情況下，以延遲最小化為優(yōu)化任務(wù)，并以新加坡港為應(yīng)用實(shí)例進(jìn)行了驗(yàn)證?；趩l(fā)式調(diào)度算法，Ozlem等[6]開發(fā)了用于模擬擁擠狹窄水道上實(shí)際船舶到達(dá)的模型，該模型可以給出船舶進(jìn)入伊斯坦布爾海峽的時(shí)間、相鄰船舶時(shí)間間隔以及通航船舶的數(shù)量，為擁擠狹窄水道的通航船舶交通組織提供決策指導(dǎo)。Jia 等[7-8]研究了海港交通和引航員以及航道資源和錨地資源的聯(lián)合調(diào)度問題，建立了整數(shù)規(guī)劃模型來最小化船舶的靠泊和離崗延誤成本，開發(fā)了拉格朗日松弛算法并利用上海外高橋港的實(shí)際布局和運(yùn)行數(shù)據(jù)，對模型進(jìn)行了求解。不過該模型算法只針對特定的港口布局，其通用性有待進(jìn)一步研究。劉儉等[9]采用基于海面能見度、風(fēng)速、水流、引航和船舶尺度等因子建立模型，以船舶安全因素和航運(yùn)效率因素的加權(quán)和為目標(biāo)函數(shù)，并通過交通組織參數(shù)的設(shè)定和調(diào)整得到最佳的交通組織方案。賴志俊[10]提出了一個(gè)基于改進(jìn)型微粒群算法的船舶組織方案優(yōu)化數(shù)學(xué)模型，該模型在綜合考慮了船舶航行安全因素和航運(yùn)效率的情況下，采用基于海面能見度、風(fēng)速、水流、引航和船舶大小等因子進(jìn)行加權(quán)的方式來評價(jià)調(diào)度方案的最優(yōu)程度。該模型充分提高了船舶和港口的生產(chǎn)效率，不過模型中忽略了很多與航行相關(guān)因素，應(yīng)進(jìn)一步完善；另外，在算法效率方面也需改進(jìn)。

甘浩亮[11]從液化天然氣貨物性質(zhì)和船舶結(jié)構(gòu)特點(diǎn)著手，分析了液化天然氣船舶進(jìn)出港行為特征，從降低液化天然氣船舶進(jìn)出港對港口其他船舶的影響考慮，對于目標(biāo)港口的液化天然氣船舶進(jìn)出港航行方案進(jìn)行了比對分析，并選取了最佳方案。Ozgecan[12]采用多種排隊(duì)模型分析了伊斯坦布爾海峽的狹長水道內(nèi)船舶航行的風(fēng)險(xiǎn)和效率，并針對水道中突發(fā)的交通阻塞問題進(jìn)行了多種中斷排隊(duì)優(yōu)化。Pulugurthal 等[13]從航道流量角度進(jìn)行了船舶調(diào)度優(yōu)化，側(cè)重于航道的運(yùn)輸效率，忽略了船舶進(jìn)入泊位的作業(yè)效率。Kelareva[14-15]在考慮潮高的基礎(chǔ)上，建立了約束規(guī)劃模型和混合整數(shù)規(guī)劃模型來優(yōu)化散貨碼頭的船舶調(diào)度，其目的是獲得碼頭最大的吞吐量。李世超[16]在分析港區(qū)船舶行為與船舶交通組織之間的關(guān)系，以及影響港口水域船舶交通組織因素的基礎(chǔ)上，構(gòu)建了港口水域船舶交通組織影響因素鏈網(wǎng)模型和港口水域船舶時(shí)空擁堵模型，并針對特定港口水域交通組織進(jìn)行優(yōu)化研究。Zhang等[17]提出了雙向水道的船舶調(diào)度模型和算法，并與先到先服務(wù)的模式進(jìn)行對比驗(yàn)證。陳卓歐[18]在分析天津港主航道現(xiàn)狀的基礎(chǔ)上，對其交通組織方式的改進(jìn)提出一定的建議，并嘗試以最小化船舶平均等待時(shí)間為目標(biāo)函數(shù)，以相鄰兩條船舶進(jìn)入航道間隔、追越次數(shù)等參數(shù)為約束條件，建立船舶最優(yōu)調(diào)度數(shù)學(xué)模型，為天津港船舶調(diào)度效率的提升提供理論參考。Eduardo等[19]采用模擬退火算法，以船舶總等待時(shí)間最短為優(yōu)化目標(biāo)，建立了船舶通過長江口北漕航道的調(diào)度優(yōu)化數(shù)學(xué)模型。鄭紅星等[20]構(gòu)建了船舶進(jìn)出散貨港口的單向混合整數(shù)線性規(guī)劃模型，并設(shè)計(jì)了啟發(fā)式規(guī)則與模擬退火算法相結(jié)合的混合算法進(jìn)行求解，并驗(yàn)證了方案及算法的有效性。晏榆洋等[21]分析構(gòu)建港口船舶調(diào)度優(yōu)化問題的多約束優(yōu)化目標(biāo)函數(shù)，建立了基于蟻群算法的港口船舶調(diào)度優(yōu)化模型，并進(jìn)行了仿真模擬實(shí)驗(yàn)，驗(yàn)證了船舶調(diào)度優(yōu)化模型的可行性和優(yōu)越性。

Lucas 等[22]以新加坡海域?yàn)槔?，將海上交通管理問題視為資源受限的調(diào)度問題, 建立了混合整數(shù)和約束規(guī)劃模型，優(yōu)化了模型的有效性，并利用航道的AIS(automatic identification system)數(shù)據(jù)集對模型進(jìn)行了驗(yàn)證。Alessandro等[23]將航道調(diào)度問題看作多資源受限調(diào)度問題進(jìn)行了建模，考慮了任務(wù)的最早和最晚開始時(shí)間以及與時(shí)間相關(guān)的資源容量因素，運(yùn)用整數(shù)規(guī)劃方法證明該方法優(yōu)于其他相關(guān)研究的方法。Wang等[24]建立了一種新的單向受限航道的船舶自組織協(xié)作模型算法，并將模擬結(jié)果與先到先服務(wù)方法相比，船舶的平均延誤時(shí)間明顯縮短。Liang等[25]將模糊層次分析法與專家系統(tǒng)相結(jié)合，提出了一種新的模糊層次分析法，對長江上游水道中的船舶進(jìn)行排序，并為每艘船舶生成最優(yōu)的組織策略，以提高船舶調(diào)度的效率和準(zhǔn)確性，同時(shí)也可以通過縮短行程時(shí)間來增加航道的通過能力。Liu等[26]結(jié)合元胞自動(dòng)機(jī)和多智能體方法，提出了一種新的港口船舶交通研究模型，根據(jù)天津港交通流的仿真結(jié)果，得到了不同特殊交通規(guī)則下液化天然氣船舶通行能力及其對一般船舶交通流的影響，可為優(yōu)化液化天然氣船舶港口交通組織提供理論支持。設(shè)計(jì)了數(shù)學(xué)規(guī)劃模型對船舶和拖輪的協(xié)調(diào)調(diào)度。Xia等[27]提出了港口船舶組織優(yōu)化與減速相結(jié)合的問題，通過一系列港口實(shí)際數(shù)據(jù)的實(shí)驗(yàn)，驗(yàn)證了船舶減速交通組織方法的有效性，其相關(guān)研究和方法可用于解決港口船舶減排問題。

對于進(jìn)出港的通航船舶，泊位等資源會影響船舶的交通組織，因此有些學(xué)者在優(yōu)化船舶交通時(shí)，考慮了泊位因素。為解決雙向航道的船舶交通組織優(yōu)化問題，Zhang等[28]建立了考慮泊位等資源的船舶交通組織優(yōu)化數(shù)學(xué)模型，且考慮因素較全面，包含單/雙向轉(zhuǎn)換、船舶橫向安全間距等約束。為了緩解局部交通組織對整體交通效率的影響，Xin等[29]提出了一種自組織分組交通組織模型，通過仿真結(jié)果表明，可以避免長距離限速航行，有利于緩解水路交通擁堵。

陳向[30]在分析天津港交通組織規(guī)則的基礎(chǔ)上，分析了復(fù)式航道的特點(diǎn)，建立復(fù)式航道的船舶組織優(yōu)化模型，并利用實(shí)際航道船舶數(shù)據(jù)驗(yàn)證了模型算法的有效性。孫甲坤[31]提出了天津港復(fù)式航道交通流組織模式的設(shè)計(jì)原則，并針對現(xiàn)行交通流組織模式所存在的安全隱患，提出了相關(guān)的優(yōu)化方案。李翔[32]采用改進(jìn)的蟻群算法，以在港船舶等待時(shí)間最短為優(yōu)化目標(biāo)函數(shù)求解在某一時(shí)刻港口船舶的最佳組織序列。Jesús 等[33]在考慮潮高因素約束下，對通過內(nèi)河的船舶進(jìn)行交通組織。Zhang等[34-37]在考慮泊位因素的基礎(chǔ)上，采用(模擬退火)遺傳算法對單向、雙向以及復(fù)式航道的船舶交通組織問題進(jìn)行單目標(biāo)及多目標(biāo)的優(yōu)化，其優(yōu)化目標(biāo)包括總等待時(shí)間最短/航道占用時(shí)間最短，為港口交通管理部門提供船舶組織序列的決策參考。Li 等[38]建立了用于海港船舶調(diào)度的混合整數(shù)線性規(guī)劃模型，并采用列生成算法，應(yīng)用上海洋山深水港的數(shù)據(jù)對模型進(jìn)行驗(yàn)證，同時(shí)也考慮了泊位影響因素。蔣思怡[39]在考慮靠泊條件、船舶港內(nèi)掉頭、船舶優(yōu)先級、乘潮水位、船舶間安全距離等因素的條件下，建立了以船舶調(diào)度時(shí)間最短、船舶等候時(shí)間最短、船舶等候時(shí)間方差最小為優(yōu)化目標(biāo)的狹水道船舶進(jìn)出港優(yōu)化調(diào)度模型，最后采用廈門港海滄碼頭船舶調(diào)度實(shí)例進(jìn)行了驗(yàn)證分析，表明該模型和調(diào)度方案的合理性和公平性。

Jia等[40]開發(fā)了一個(gè)考慮了公平和效率兩個(gè)性能指標(biāo)的優(yōu)化模型，進(jìn)而做出最佳船舶交通組織決策，利用上海港運(yùn)營數(shù)據(jù)對模型和求解方法進(jìn)行了驗(yàn)證，效果良好。Omar 等[41]提出了一種基于約束分離技術(shù)的混合整數(shù)規(guī)劃公式和精確求解方法來解決船舶交通組織問題，并考慮了拖輪和引航約束，其結(jié)果優(yōu)于先到先服務(wù)策略。Guo 等[42]提出了用于管理船舶交通組織和卸壓作業(yè)的綜合調(diào)度模型，實(shí)驗(yàn)結(jié)果表明該模型可避免過早卸壓載和縮短船舶在港口停留時(shí)間?？v觀港口航道船舶交通組織的研究成果，對某些航道船舶的特點(diǎn)、交通組織機(jī)理以及影響因素進(jìn)行了分析，對需要解決的關(guān)鍵問題包括船舶安全間距、安全航速、船舶間的時(shí)隙沖突、交通流沖突、狹水道中船舶領(lǐng)域等問題進(jìn)行了重點(diǎn)研究，為港口航道的船舶交通組織做出了重大的貢獻(xiàn)，但目前船舶交通的研究主要針對某一具體航道，其理論及應(yīng)用欠缺普適性。雖然研究成果促進(jìn)了船舶交通管理技術(shù)及方法的進(jìn)步，但由于船舶交通信息的繁雜、多源、多變等特點(diǎn)，以及船舶發(fā)展的大型化和通航密度的進(jìn)一步增大，研究具有普適性的智能化的航道船舶交通組織具有重要的理論和實(shí)際應(yīng)用價(jià)值。

1.2 運(yùn)河船舶交通組織

Chen 等[43]提出了一種由船舶編隊(duì)和水道交叉口協(xié)調(diào)調(diào)度組成的交通組織框架，通過實(shí)驗(yàn)?zāi)M多達(dá)50艘船只在阿姆斯特丹運(yùn)河網(wǎng)絡(luò)中航行的場景，證明所提出方法的有效性。為減少運(yùn)河交通的沖突和擁堵，Anita等[44]利用Petri網(wǎng)和遺傳算法優(yōu)化運(yùn)河交通，并利用模擬方式對模型算法進(jìn)行了驗(yàn)證。為了縮短船舶總的通過時(shí)間；Günther等[45-46]討論了Kiel運(yùn)河的雙向船舶交通問題，并提出了一個(gè)用于航線網(wǎng)絡(luò)調(diào)度的數(shù)學(xué)模型。Lübbecke[47]建立了船舶組織的數(shù)學(xué)模型和算法，并利用基爾運(yùn)河實(shí)際交通數(shù)據(jù)，驗(yàn)證了所建立的組合算法對決策支持的適用性。Peng等[48]提出了一種簡化的多目標(biāo)遺傳算法優(yōu)化模型，用于在分流河道流量不等的情況下進(jìn)行運(yùn)河調(diào)度，為運(yùn)河調(diào)度提供決策參考。Pellegrini等[49]借鑒列車調(diào)度中的車頭時(shí)距概念，類似地在運(yùn)河水道中沿同一方向移動(dòng)的船舶之間創(chuàng)建安全距離。此外，船只被允許在不同的時(shí)間到達(dá)。Matteo等[50]設(shè)計(jì)了數(shù)學(xué)規(guī)劃模型對運(yùn)河港口的船舶和拖輪進(jìn)行了協(xié)調(diào)調(diào)度，并提出了基于這些模型的啟發(fā)式算法，以及利用實(shí)驗(yàn)分析評估了算法的性能。針對基爾運(yùn)河的狹窄航段大型船舶無法雙向通行的問題，F(xiàn)rank等[51]提出了新的優(yōu)化模型，包括可變船速、側(cè)線段容量和船舶等待時(shí)間限制，在符合相關(guān)交通規(guī)則和安全要求的前提下，將船舶的總通過時(shí)間降至最低。

1.3 通過橋區(qū)船舶交通組織

魏宏平[52]通過對海河下游水域船舶航行特點(diǎn)進(jìn)行分析，提出了針對船舶通過海河開啟橋與原海門大橋的交通組織優(yōu)化方案。劉敬賢等[53]研究了港珠澳大橋水域的交通流，并提出了交通組織優(yōu)化方案。周泓伶[54]通過研究長江橋區(qū)水域特點(diǎn)，采用現(xiàn)場統(tǒng)計(jì)方式獲得通過橋區(qū)的船舶信息，并應(yīng)用統(tǒng)計(jì)學(xué)方法分析船舶屬性信息，擬合出船長、船速、船間距的分布規(guī)律，在此基礎(chǔ)上，對船舶交通流航跡進(jìn)行仿真分析，為橋區(qū)航行船舶提供一定的參考。由于橋區(qū)水域情況復(fù)雜、船舶密度大，而且每個(gè)橋區(qū)的情況均不相同，因此，研究橋區(qū)交通組織的共性特征，對于提高通航效率以及保障航行安全具有重要的意義。

1.4 考慮交叉水域的船舶交通組織

張?zhí)烊A等[55]通過船舶交通流分隔、船舶動(dòng)態(tài)報(bào)告、航速控制、設(shè)定船舶緩沖區(qū)等措施，就天津港主航道與北航道交匯處的船舶交通組織方式進(jìn)行了研究和討論。鄭娟[56]引入交通組織原理，研究了Y形航道的船舶交通特征，利用仿真軟件對Y形航道的船舶交通進(jìn)行仿真，得出Y形交匯水域采用不同組織規(guī)則對航道船舶通過能力的影響，該成果豐富了航道通過能力方面的研究，對于交叉航道的船舶交通管理具有參考價(jià)值。張新宇等[57]以天津港為例，解決了的Y形交叉水域的交通流沖突問題，為復(fù)式航道的船舶組織研究奠定了基礎(chǔ)。Li等[58]通過分析港口受限航道的特點(diǎn)，提出了多港池受限航道的一般結(jié)構(gòu)，并明確了船舶交通沖突的四個(gè)關(guān)鍵區(qū)域。在此基礎(chǔ)上，考慮潮汐、通航連續(xù)性和通航規(guī)則等約束條件，提出了多港池受限航道船舶交通調(diào)度的多目標(biāo)優(yōu)化模型，以及一種結(jié)合非支配排序遺傳算法和禁忌搜索的啟發(fā)式算法。最后，利用黃驊煤港的數(shù)據(jù)證明了該模型和算法的合理性和有效性。Zhang等[59]解決了復(fù)式航道交通組織時(shí)交通流間的沖突問題，建立了復(fù)式航道的交通組織模型，并借助遺傳算法利用天津港實(shí)際通航船舶數(shù)據(jù)對模型進(jìn)行了驗(yàn)證，為復(fù)式航道的船舶交通組織提供了決策參考。

1.5 船舶過船閘的交通組織

Verstichel等[60]提出了多個(gè)平行閘室的船閘調(diào)度問題。一個(gè)特定的啟發(fā)式方法被用于將船舶放于艙室中，并以先到先服務(wù)的方式對船閘進(jìn)行排序。并通過應(yīng)用延遲接受多鄰域元啟發(fā)式算法對初始結(jié)果進(jìn)行了改進(jìn)。Jannes 等[61]將船閘調(diào)度問題描述為將船舶分配給若干閘次的閘室排檔子問題，給出了求解閘次調(diào)度子問題的線性規(guī)劃模型，并提出了閘次排擋子問題的啟發(fā)式算法對問題進(jìn)行求解。Verstichel等[62]中對該問題做了進(jìn)一步研究，將問題分為排船和閘次調(diào)度兩個(gè)子模型，并進(jìn)行交互求解，對求解結(jié)果進(jìn)行對比表明效果優(yōu)于文獻(xiàn)[61]中啟發(fā)式算法的求解結(jié)果，不過對于解決多閘室調(diào)度問題，其求解性能并無明顯的優(yōu)勢。Ward[63]從數(shù)學(xué)的角度研究船閘調(diào)度問題。在探索不同的調(diào)度問題特性基礎(chǔ)上，研究了單船閘調(diào)度、船閘調(diào)度序列的復(fù)雜性、平行閘室的調(diào)度等調(diào)度問題。Hermans[64]探討了內(nèi)河船閘的優(yōu)化問題和算法，并證明了當(dāng)多艘船在同一船閘中通過時(shí)，船閘調(diào)度問題即是非確定性多項(xiàng)式(Non-deterministic Polynomial,NP)難問題。最后，針對單船閘優(yōu)化問題，提出了一種新的確定性調(diào)度算法。Uchacz[65]建立了船舶過船閘時(shí)間調(diào)度優(yōu)化模型，分析了模擬不同交通密度和不同拖帶長度下的等待過閘時(shí)間，并以圖形方式顯示結(jié)果。

Passchyn 等[66]研究了一系列連續(xù)船閘的調(diào)度問題，提供了兩種不同的數(shù)學(xué)規(guī)劃公式并進(jìn)行了經(jīng)驗(yàn)比較，研究了減少交通流量時(shí)間和減少排放之間的權(quán)衡，以及將集成模型的結(jié)果與船閘調(diào)度的啟發(fā)式模型的結(jié)果進(jìn)行比較。張亞[67]在考慮了閘室面積利用率和平均待閘時(shí)間評價(jià)指標(biāo)基礎(chǔ)上，建立了上下游船閘聯(lián)合調(diào)度模型，然后通過MATLAB對該聯(lián)合調(diào)度模型進(jìn)行仿真，證明該模型的可行性。Prandtstetter等[68]提出了一種求解相互依賴船閘調(diào)度問題的變鄰域搜索方法。Verstichel[69]介紹了船閘調(diào)度的仿真模型和優(yōu)化方法，該方法能夠模擬平行閘室船閘基礎(chǔ)設(shè)施的變化對交通調(diào)度的影響,并用實(shí)例進(jìn)行了驗(yàn)證。王澎濤[70]在考慮氣象因素對船閘調(diào)度影響的基礎(chǔ)上，建立一個(gè)二維正態(tài)分布的時(shí)空氣象概率模型，進(jìn)而建立了三峽與葛洲壩聯(lián)合調(diào)度模型?？浊f[71]基于單級多線船閘調(diào)度模型建立了一種考慮閘室負(fù)荷均衡、船閘服務(wù)質(zhì)量等條件的多級船閘調(diào)度模型。侯坤超[72]通過對影響船閘通過能力的因素進(jìn)行分析、指標(biāo)評價(jià)，用定量化方法確定船型標(biāo)準(zhǔn)化對船閘通過能力的影響。在此基礎(chǔ)上，以閘室面積利用率為優(yōu)化目標(biāo)，以綜合權(quán)重為約束，構(gòu)建船閘調(diào)度優(yōu)化模型。Bugarski等[73]基于船閘調(diào)度中存在主觀性以及一些不確定因素提出模糊決策支持系統(tǒng)。Ji等[74]針對船閘調(diào)度問題，提出了一種借鑒柔性作業(yè)車間調(diào)度的混合整數(shù)線性規(guī)劃模型，可以解決四個(gè)艙室船閘和20艘船的調(diào)度實(shí)例，實(shí)驗(yàn)結(jié)果表明，此模型比較適合處理高密度船閘交通場景。

1.6 船舶交通組織算法

船舶通過航道的交通組織是一個(gè)復(fù)雜的優(yōu)化問題，由于問題的約束條件多，求解該類問題難度較大，傳統(tǒng)的確定性算法存在一定困難，因此遺傳算法、模擬退火、禁忌搜索、蟻群等啟發(fā)式算法是常被采用的一類方法。Verstichel等[75]利用元啟發(fā)算法解決船舶過船閘的調(diào)度問題，彌補(bǔ)了混合整數(shù)線性規(guī)劃算法只能求解小規(guī)模船閘調(diào)度問題的缺點(diǎn)，并用實(shí)際數(shù)據(jù)對模型和算法的有效性進(jìn)行了驗(yàn)證。Sluiman[76]提出了一種雙向航路的船舶組織算法，該算法可以保證船舶之間的安全距離，增加航道利用率。并用巽他海峽、伊斯坦布爾海峽和日本內(nèi)海驗(yàn)證了算法的實(shí)用性。Luy[77]開發(fā)了NP難的離線船閘調(diào)度問題的組合優(yōu)化算法，包括算法和計(jì)算解的分析框架，并用基爾運(yùn)河的實(shí)例進(jìn)行驗(yàn)證。胡適軍等[78]在對船舶排閘問題進(jìn)行建模的基礎(chǔ)上，提出船舶排閘的遺傳算法，并利用仿真系統(tǒng)驗(yàn)證了遺傳算法的有效性。季彬[79]針對混合整數(shù)線性規(guī)劃方法只能有效求解小規(guī)模船閘泊位聯(lián)合調(diào)度問題的問題，提出了基于模糊控制的混合啟發(fā)式方法，通過實(shí)例驗(yàn)證表明該方法可用于求解中大規(guī)模船閘泊位的聯(lián)合調(diào)度問題。Gan等[80]提出了一種基于滑動(dòng)窗口的在線船舶排序與調(diào)度算法，來解決受限航道中船舶排序和調(diào)度問題，通過引入“位置偏移”概念，利用船舶在受限水道中的航行時(shí)間差，生成更高效的船舶序列，并引入滑動(dòng)窗口機(jī)制來處理交通不確定性，降低計(jì)算復(fù)雜度，由于滑動(dòng)窗口方案的計(jì)算量較小，為未來船舶排序和調(diào)度問題在線優(yōu)化方法的開發(fā)提供了可能。

2 現(xiàn)有研究特點(diǎn)

綜上所述，復(fù)雜水域船舶交通組織問題研究在深度和廣度方面均已取得了較好的成果，呈現(xiàn)出以下研究特點(diǎn)。

2.1 研究領(lǐng)域范圍較廣

研究方向基本包括了船舶航行所面對的典型復(fù)雜水域：單向[4,20,24,35,80]、雙向[17,19,23,28,32,45,46,51,72]以及復(fù)式港口航道[30,31,37,57,59]、典型的交叉水域[55-59]、運(yùn)河[44-51]、船閘[60-79]和橋區(qū)[52-54]的交通組織。在研究內(nèi)容方面，不僅包括影響因素的分析、提升安全效率的參考建議，也包括典型港口、航道、運(yùn)河等組織模型的建立，以及驗(yàn)證算法的設(shè)計(jì)。在優(yōu)化目標(biāo)方面，既包括總的等待時(shí)間最短[19,23,26,32,59]，也包括航道(船閘)占用時(shí)間最短[34-37,51]。研究成果不僅改善了復(fù)雜水域通航交通的安全和效率，也為船舶交通組織的相關(guān)管理部門提供了重要的決策參考。

2.2 研究方法多樣性

研究方法既包括傳統(tǒng)的排隊(duì)論、線性規(guī)劃[38]等，也包括元啟發(fā)智能算法，如遺傳算法[26,28,34-37,44, 59,77]、粒子群算法[10]、模擬退火算法[19,20,34]、蟻群算法[21,32]等。對于線性規(guī)劃、整數(shù)規(guī)劃等經(jīng)典算法，可以找到問題的最優(yōu)解，但過于依賴優(yōu)化問題的數(shù)學(xué)特征，適合求解小規(guī)模問題，隨著問題種類的增多以及規(guī)模的擴(kuò)大，很難在可接受的時(shí)間內(nèi)找到問題的優(yōu)解，而智能優(yōu)化算法不依賴求解問題的函數(shù)解析性質(zhì)，只需計(jì)算目標(biāo)函數(shù)的值即可，具有快速有效的特點(diǎn)，其中，遺傳算法對于解決單向[26,35]、雙向[28]、以及復(fù)式航道[30,36-37,59]的通航船舶組織問題均具有較好的效果，同時(shí)，面對復(fù)雜的情況，如考慮泊位因素[28,34,38,79]、引航員因素[7,41]以及卸壓載水計(jì)劃[42]，也可以找到可行解，另外，遺傳算法對于解決運(yùn)河及船閘交通組織問題，也是可行的[48,77]。在利用遺傳算法求解問題時(shí)，需要確定問題的目標(biāo)函數(shù)和解變量，然后對解變量進(jìn)行編碼、選擇、交叉、變異等操作，不同的編碼策略和參數(shù)選擇對遺傳算法的運(yùn)行效率和結(jié)果均有較大的影響，且不能保證找到最優(yōu)解。而粒子群的優(yōu)勢在于簡單、容易實(shí)現(xiàn)，且沒有許多參數(shù)需要調(diào)整以及交叉變異等操作，對于非線性、多峰問題具有較強(qiáng)的全局搜索能力，因此，賴志俊[10]利用粒子群算法對船舶交通組織進(jìn)行優(yōu)化，但算法搜索中容易陷入局部最優(yōu)，后期收斂較慢，有時(shí)全局捜索效率不高。

由于模擬退火算法在搜索的過程中可以接受比當(dāng)前最好解差的解作為初始解進(jìn)行局部搜索，因而該算法具有較好的跳出局部最優(yōu)的能力，因此，Eduardo等[19]運(yùn)用模擬退火算法對單、雙向船舶交通進(jìn)行了組織，效果良好，但模擬退火的運(yùn)算時(shí)間與全局搜索能力不可兼得，因此，有些學(xué)者[21,32]借助蟻群算法對船舶進(jìn)行組織優(yōu)化。但該方法容易出現(xiàn)停滯現(xiàn)象，不利于發(fā)現(xiàn)更好的解。因此，結(jié)合各自算法的特點(diǎn)，混合兩種智能算法[20,34]，融入各自的優(yōu)勢，對于船舶交通組織優(yōu)化具有重要的意義。文獻(xiàn)[20]在研究散貨港口的船舶組織時(shí)將啟發(fā)式規(guī)則與模擬退火算法相結(jié)合，顯著提高了目標(biāo)值的優(yōu)化率。文獻(xiàn)[34]將模擬退火算法和遺傳算法結(jié)合用于解決單航道的船舶交通組織問題，較單獨(dú)使用遺傳算法相比，其運(yùn)行效率和目標(biāo)結(jié)果均有所改善。另外，有些研究在借鑒車間調(diào)度、旅行商問題(travelling salesman problem,TSP)、車輛調(diào)度等問題的基礎(chǔ)上，對智能算法進(jìn)行改進(jìn)，效果良好，也豐富了復(fù)雜水域船舶組織的算法理論。在模型驗(yàn)證方面，既有模擬仿真驗(yàn)證，也有通航航道實(shí)船數(shù)據(jù)驗(yàn)證，并與其他交通組織模式(如先到先服務(wù))的結(jié)果進(jìn)行了對比，具有較強(qiáng)的說服力及適用性。

2.3 考慮的因素較全面

不僅考慮了通航規(guī)則、航道條件、船舶優(yōu)先級等特性，而且還考慮了影響船舶航行安全的水文、氣象等因素。同時(shí)，有些研究也考慮了影響港口船舶交通組織的泊位因素、交通流的交叉沖突、雙向通航寬度限制、上下游相鄰船閘的情況等因素，這就使船舶交通組織模型更完善、全面，更具有實(shí)際應(yīng)用意義。

3 進(jìn)一步探討或研究的空間

3.1 關(guān)于航道交通組織模型的研究需更深入、全面

關(guān)于提高通航效率的研究多集中在提出對策建議層面，就水道船舶交通組織的模型和算法研究相對較少。而且，大部分研究僅針對某一港口水道(船閘)，建立的通用性的船舶交通組織和模型的研究不多。同時(shí)，航道交通組織的影響因素較多，很多研究采用了較多的假設(shè)條件，忽略了一些影響組織安全的實(shí)際因素，因此，與實(shí)際情況相比，模型有待進(jìn)一步改善。

3.2 考慮潮水因素的影響

統(tǒng)計(jì)了中國渤海、黃海、東海、南海沿岸貨物吞吐量排名靠前的50個(gè)港口發(fā)現(xiàn)：幾乎所有的港口航道水深都會受到潮汐的影響，其中，平均超差在1 m 以內(nèi)的占12%，平均超差在1～2 m 和2～3 m的分別占50%和22%，而平均潮差3 m以上的占16%(圖1)。同時(shí)，由于船舶大型化的發(fā)展趨勢，很多大吃水船舶通航必須借助潮水。如安特衛(wèi)普港航道、斯特爾特河，德黑蘭港航道、漢堡港航道，船舶進(jìn)出航道均需借助潮水。因此，研究動(dòng)態(tài)變化的潮水影響的水道交通組織具有重要意義。

然而，關(guān)于考慮潮水因素的船舶交通組織研究并不多，文獻(xiàn)[17]雖然考慮了潮水時(shí)間窗對船舶組織的影響，但是時(shí)間窗是固定的，對于不同的吃水船舶，通航時(shí)間窗卻是不同的；文獻(xiàn)[32]也考慮了潮汐因素對船舶組織的影響，但是對潮汐數(shù)據(jù)進(jìn)行了簡化，不能反映出實(shí)際的潮汐因素對調(diào)度所帶來的影響。文獻(xiàn)[36]考慮的變化的潮高的影響，但與實(shí)際問題相比，模型有待完善。文獻(xiàn)[19]考慮了潮汐因素，但采用固定的通航窗口，而對于不同的船舶，由于其吃水不同，通航窗口也是不同的。張新宇等[57]在研究通航船舶組織時(shí)考慮了潮高因素，但與實(shí)際的情況相比，模型仍有待完善。蔣思怡[39]考慮了潮水的影響，但是潮水模型偏于簡化，算法的設(shè)計(jì)有待完善。因此，研究實(shí)時(shí)潮高對航道船舶交通組織的影響是下一步的研究重點(diǎn)。但是潮高是實(shí)時(shí)變化的，且與航道位置有關(guān)，因此，潮高的準(zhǔn)確預(yù)報(bào)以及動(dòng)態(tài)潮高對每艘船舶通航時(shí)間窗的選擇均是下一步的研究難點(diǎn)。

圖1 中國沿岸港口平均潮差統(tǒng)計(jì)Fig.1 Statistics of mean tidal range of coastal ports in China

3.3 考慮并整合其他因素信息

航道船舶交通組織影響因素眾多，除了受水流、潮汐、能見度、大風(fēng)等自然條件和航道條件影響外，還有拖輪、引航員、集裝箱碼頭岸吊、泊位、船舶種類及船舶狀況等因素的影響；同時(shí)，對于長航道，有可能包括港口航道、船閘、橋區(qū)交通、交叉水域等，因此下一步應(yīng)該全面考慮影響因素、實(shí)現(xiàn)多種信息系統(tǒng)的整合和數(shù)據(jù)互通以及多個(gè)通航區(qū)船舶的聯(lián)合交通組織進(jìn)而建立復(fù)雜水域通航秩序管理新格局、實(shí)現(xiàn)船舶交通組織一體化。

3.4 智能改進(jìn)混合算法的運(yùn)用

傳統(tǒng)的精確求解方法可以得到問題的最優(yōu)解，但對小規(guī)模問題適用，當(dāng)問題的規(guī)模較大時(shí)，一般無法在可接受的時(shí)間內(nèi)獲得問題的最優(yōu)解。而智能優(yōu)化算法，具有全局優(yōu)化性能，通用性強(qiáng)，且適合并行處理。因此，借助近似求解的智能算法，雖然不能保證一定找到最優(yōu)解，但是在較短的時(shí)間內(nèi)可以找到一個(gè)可接受的優(yōu)解。因此，隨著通航船舶數(shù)量的增加，對智能算法的研究更具有實(shí)際的意義。然而，傳統(tǒng)單一的智能算法容易使結(jié)果陷入局部最優(yōu)，為了在較大的范圍搜索優(yōu)解，根據(jù)智能算法的特點(diǎn)，將兩種智能算法結(jié)合，并根據(jù)實(shí)際問題進(jìn)行改進(jìn)，可以方便更快找到最優(yōu)解。

3.5 船舶自動(dòng)識別系統(tǒng)大數(shù)據(jù)的處理及應(yīng)用

隨著船舶及交通管理部門信息化程度的提高，可獲得海量的船舶自動(dòng)識別系統(tǒng)(automatic identification system,AIS)數(shù)據(jù)，對這些大數(shù)據(jù)進(jìn)行處理、數(shù)據(jù)挖掘，可獲得船舶行為特征、規(guī)律以及便于船舶領(lǐng)域的研究，為交通組織服務(wù)。同時(shí)，利用海量的船舶自動(dòng)識別系統(tǒng)數(shù)據(jù)，借助深度學(xué)習(xí)算法可對船舶的交通組織進(jìn)行訓(xùn)練，以便獲得更優(yōu)的交通組織方案。因此，船舶自動(dòng)識別系統(tǒng)大數(shù)據(jù)的處理、深度挖掘、規(guī)律分析、航道航跡提取和深度學(xué)習(xí)等關(guān)鍵技術(shù)在交通組織方面的應(yīng)用是下一步的研究重點(diǎn)之一。

4 結(jié)論和展望

由于影響因素眾多，且每個(gè)復(fù)雜水域的情況不盡相同，因此復(fù)雜水域的船舶交通組織研究是一個(gè)循序漸進(jìn)的過程，需要更多研究學(xué)者的貢獻(xiàn)。對目前中內(nèi)外眾多學(xué)者在復(fù)雜水域交通組織方面取得的豐富成果進(jìn)行梳理，在進(jìn)行分析評價(jià)的基礎(chǔ)上，探討了該問題研究的特點(diǎn)，并提出了下一步重點(diǎn)研究方向，包括影響交通組織因素的全面考慮(水流、潮汐、能見度、拖輪、引航員等)，由于每增加一個(gè)因素，都會使模型的建立和算法的設(shè)計(jì)更加復(fù)雜，尤其是運(yùn)算復(fù)雜度和時(shí)間會驟增，因此，優(yōu)化的模型以及高效的算法或智能算法的優(yōu)勢融合，以此實(shí)現(xiàn)船舶交通智能組織與多種資源約束的協(xié)同調(diào)度，是下一階段研究的難點(diǎn)之一。另外，對海量通航船舶數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，抽象出具有較強(qiáng)普適性、通用性的復(fù)雜水域交通組織模型，并借助大數(shù)據(jù)，利用機(jī)器學(xué)習(xí)等技術(shù)以獲得更優(yōu)的交通組織方案，進(jìn)而實(shí)現(xiàn)復(fù)雜水域船舶交通組織的信息化、一體化、智能化，也是下一階段的研究重點(diǎn)。鑒于日益繁忙的復(fù)雜水域航道，更有效的在線交通組織優(yōu)化算法和模型的研究也十分必要。