串行式混合类型航道船舶交通组织优化

随着港口航道类型逐渐向多样化、复杂化的混合类型趋势发展,港口交通问题愈发严峻。调研国内外港口混合类型航道,抽象出一种串行式简单混合类型航道作为研究对象。分析混合航道船舶交通状况,构建以单向/混合通航模式转化、混合航道异类子航道间通航模式切换、港池连接水域船舶交通冲突消解等为约束的串行式简单混合类型航道船舶交通组织优化模型。基于Spark并行计算框架,结合NSGA-II算法遗传操作天然并行性特点,提出一种Spark分布式多目标遗传算法,将全部种群分散在多节点上并行执行算法的遗传操作。实验表明,提出的算法具有较快的收敛速度和较好的稳定性,模型求解出的优化方案合理、有效。

散货港装船设备分配与船舶交通组织协调优化

针对装船设备利用率与船舶进出港效率不匹配的问题,提出了一种应用于散货港口的装船设备分配与船舶交通组织协调优化模型,同时设计了一种基于启发式筛选规则的多目标遗传算法(Multi-Objective Genetic algorithm based on Heuristic Screening Rules,MOGA-HSR)。该算法融合了单向航道的船舶交通组织规则以及船货匹配规则,使用一种自适应交叉及变异概率函数,加快了求解的收敛速度。以黄骅港煤炭港区为例设计仿真试验,结果表明,MOGA-HSR求得的船舶进出港总时间和船舶总等待时间比带精英策略非支配排序的遗传算法(Genetic Algorithm for Non-Dominated Sorting with Elitist Strategy,NSGA-Ⅱ)求解结果分别缩短2.7%和2.5%,比先到先服务(First Come First Service,FCFS)求解结果分别缩短38%和30.8%,验证了模型和算法的有效性。

基于多源海事数据的大型船舶精细化分段乘潮研究

针对大型船舶长航道乘潮进港窗口期时长不充足问题,本文提出了基于船舶自动识别系统(Automatic Identification System,AIS)数据、港口潮汐数据、官方电子海图数据和航道地理位置数据等多源海事数据的大型船舶长航道精细化分段乘潮模型。首先,基于AIS数据采用K中心点算法对大型船舶乘潮航行行为特征进行挖掘,识别出大型船舶乘潮航迹关键点,计算大型船舶乘潮航行行为变化关键船位点。接着,结合长航道地理环境特征和大型船舶航行行为特征对长航道进行精细化分段,在此基础上基于港口潮汐数据构建大型船舶精细化分段乘潮窗口期计算模型。其次,设计乘潮历时自适应排列算法求解大型船舶乘潮最长窗口期;然后,以黄骅港综合港区航道为例验证了本文所提出的精细化分段乘潮模型。最后,基于电子海图数据利用地理信息系统平台实现大型船舶精细化分段乘潮三维动态推演,进一步验证大型船舶精细化分段乘潮航行的安全性。结果表明,该模型能够有效增加大型船舶乘潮进港窗口期时长,提高大型船舶乘潮进港效率,可为港航管理部门制定大型船舶进港计划提供理论指导。

考虑装船设备作业冲突的散货出口码头装船作业调度优化

针对散货出口码头装船设备作业冲突导致装船作业工艺流程频繁中断的问题,提出一种散货出口码头装船作业调度方法。考虑装船方案、装船设备碰撞以及交叉作业冲突等约束,以最小化最大装船作业完成时间为目标,建立散货出口码头装船作业调度优化的混合整数规划模型。基于该模型特点,设计一种基于启发式逻辑的Benders分解算法求解该模型,首先,将原问题分解为装船方案和装船设备分配的主问题,以及优化装船作业调度的子问题;其次,为克服最优割平面有效性较低的问题,设计启发式策略,使子问题每次迭代产生多个最优割平面并引入主问题中;最后,以某港一、二期散货出口码头为例,通过不同组算例的结果分析,验证了模型和算法的有效性。该方法可有效提高散货出口码头装船作业效率和服务水平。