一种长航道大型船舶精细化逐段乘潮进港方法与流程

1.本发明涉及港口交通组织大型船舶乘潮进港领域，具体而言，尤其涉及 一种长航道大型船舶精细化逐段乘潮进港方法。


背景技术：

2.随着航运经济的快速发展，大型船舶逐渐趋向大型化、专业化，航道通 过能力面临严峻的考验。在实际的大型船舶进港调度过程中，为满足航行需 求大型船舶多采用乘潮进港，但潮汐资源利用的不充分往往会引起大型船舶 进港等候时间过长、大型船舶在港的非作业时间随之延长等问题，从而造成 船方的经济损失和港口资源的浪费。此外，由于大型船舶具有尺度较大、载 货量大、航行状态受环境因素影响大的特点，其在乘潮进港航行过程中操纵 性能较低，对航行安全具有严重威胁。因此，研究长航道大型船舶乘潮进港 航行行为特征，挖掘大型船舶乘潮时间窗潜力对于提高大型船舶进港效率尤 为重要。


技术实现要素：

3.针对海图航道水深数据稀少，传统潮位预测后的乘潮进港分析不准确缺 陷，本发明提供一种长航道大型船舶精细化逐段乘潮进港方法，充分利用潮 汐资源，提高大型船舶进港效率。
4.本发明采用的技术手段如下：
5.一种长航道大型船舶精细化逐段乘潮进港方法，包括：
6.s100、设计基于阈值决策的船舶乘潮进港航迹关键点判定方法对长航道 大型船舶乘潮进港ais数据进行处理，识别出长航道大型船舶乘潮进港航迹 关键点，所述航迹关键点包括关键转向点和关键变速点；
7.s200、采用k中心点聚类算法对所述航迹关键点进行聚类分析，获取大 型船舶乘潮进港航行行为变化关键船位点；
8.s300、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；
9.s400、基于长航道分段结果构建长航道大型船舶精细化逐段乘潮进港窗 口期模型；
10.s500、基于乘潮历时自适应排列的长航道大型船舶乘潮进港窗口期求解 算法用以求解大型船舶乘潮进港最长窗口期，在获得的最长窗口期内完成船 舶进港。
11.进一步地，设计基于阈值决策的船舶乘潮进港航迹关键点判定方法对长 航道大型船舶乘潮进港ais数据进行处理，识别出长航道大型船舶乘潮进港 航迹关键点，包括：
12.s101、在给定航程内，如果大型船舶相邻三个轨迹点构成夹角的互补角 小于或等于航向变化阈值，则判断夹角顶点为大型船舶关键转向点；
13.s102、在给定航程内，若间隔轨迹点的航速差的绝对值大于或等于速度 变化阈值，则中间轨迹点为大型船舶关键变速点。
14.进一步地，采用k中心点聚类算法对所述航迹关键点进行聚类分析，获 取大型船舶乘潮进港航行行为变化关键船位点，包括：
15.将大型船舶航向变化与大型船舶航速变化数据所组成的向量数据作为聚 类模型的输入样本。
16.进一步地，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，包括：
17.将选取潮汐检验站以及大型船舶乘潮进港航行行为变化关键船位点作为 长航道分段节点，对长航道进行精细化分段。
18.进一步地，基于长航道分段结果构建长航道大型船舶精细化逐段乘潮进 港窗口期模型，包括：
19.s401、以长航道大型船舶乘潮进港窗口期最长为目标，构建目标函数；
20.s402、基于长航道精细化分段后大型船舶乘潮通过各航段所用的时间， 构建长航道大型船舶乘潮进港潮时利用约束；
21.s403、基于各航段实际水深与大型船舶利用水深之间的大小关系，构建 长航道大型船舶乘潮进港精细化水深约束：
22.s404、基于大型船舶乘潮通过各航段的时间规律，构建长航道大型船舶 精细化逐段乘潮进港窗口期约束。
23.进一步地，基于乘潮历时自适应排列的长航道大型船舶乘潮进港窗口期 求解算法用以求解大型船舶乘潮进港最长窗口期，包括：
24.s501、计算长航道大型船舶精细化逐段乘潮进港窗口期开始时刻，包括：
25.s501a、当h1＝h
′
j
时，记录该时刻为t1，若t1历时内始终满足h1≥h
′
j
， 则乘潮窗口期开始时刻为t1，然后计算第2段，否则，乘潮失败，h
i
为长航 道第i航段实际水深，h
′
j
为大型船舶j进港时的利用水深，t1为大型船舶第一 航段乘潮开始时刻，t1为大型船舶在长航道第一航段的乘潮历时，
26.s501b、从t1 t1时刻开始，若t2历时内始终满足h2≥h
′
j
，计算第3段， 否则，当h2＝h
′
j
时，记录该时刻为t2，然后重新计算乘潮窗口期开始时刻， 开始时刻为：t2‑
t1，
27.s501c、从t2 t2时刻开始，若t3历时内始终h3≥h
′
j
，计算第4段，否则， 当h3＝h
′
时，记录该时刻为t3，然后重新计算乘潮窗口期开始时刻，开始时 间为：t3‑
t2‑
t1，
28.s501d、以此类推，大型船舶乘潮进港航行到n段，在t
n
时刻开始，t
n
历 段数，
29.s502、计算长航道大型船舶精细化逐段乘潮进港窗口期结束时刻，包括：
30.s502a、当h1＝h
′
j
时，记录该时刻t
′1，若t
′1‑
t1时刻开始，t1历时内始终 满足h1≥h
′
j
，以t
′1为开始时刻进行第2段乘潮，乘潮窗口期结束时刻为：t
′1‑
t1， t
′1为大型船舶第一航段乘潮结束时刻，
31.s502b、当时刻t
′1开始，若t2历时内h2≥h
′
j
，以t
′1 t2为开始时刻进行第 3段乘潮；如果在时刻t
′1开始，t2历时内不满足h2≥h
′
j
，当t
″1时刻h2＝h
′
j
， 重新计算乘潮窗口期结束时刻，乘潮窗口期结束时刻为：t
′1‑
t1‑
t2，
32.s502c、以此类推，当时刻t
′
n
开始，t
n
历时内不始终满足h
n
≥h
′
j
时，当t
′
n
时刻h
n
＝
h
′
j
，且在t
n
历时内满足h
n
≥h
′
j
，则大型船舶乘潮窗口期结束时刻 为：
33.较现有技术相比，本发明具有以下优点：
34.本发明该方法在保证通航安全的基础上可准确计算出长航道大型船舶乘 潮进港窗口期，可在候潮时间及乘潮时间等方面为长航道大型船舶的交通组 织提供数据支持，可为港航管理部门的大型船舶动态计划提供依据。
35.基于上述理由本发明可在港口交通组织管理等领域广泛推广。
附图说明
36.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做以简单的介绍，显而易见地，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。
37.图1是本发明长航道大型船舶精细化逐段乘潮进港方法流程图。
38.图2是本发明大型船舶关键转向点判定示意图。
39.图3是本发明大型船舶关键变速点判定示意图。
40.图4是本发明航迹关键点特征聚类分析流程图。
41.图5是本发明长航道精细化分段示意图。
42.图6是本发明实施例中航迹关键点聚类结果图。
43.图7是本发明实施例中长航道精细化分段图。
44.图8是本发明实施例中长航道大型船舶精细化逐段乘潮进港窗口期时长 与实际乘潮进港窗口期时长对比图。
具体实施方式
45.为了使本技术领域的人员更好地理解本发明方案，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， 所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
46.本发明的实施例提供了一种长航道大型船舶精细化逐段乘潮进港方法。
47.如图1所示，其步骤包括：
48.s100、设计基于阈值决策的船舶乘潮进港航迹关键点判定方法对长航道 大型船舶乘潮进港ais数据进行处理，判定出长航道大型船舶乘潮进港航迹 关键点。
49.本实施例以某综合港区长航道为依托，对本发明所述方法进行说明。该 综合港区航道为20万吨级单向航道，总长33nmile，设计宽度245m，通航水 深
‑
18.5m，是典型的人工长航道。航道内设有4处潮汐预报站，潮汐预报站 的地理位置及潮汐资料信息如表1所示：
50.表1潮汐预报站地理位置及潮汐资料表
[0051][0052]
s101、长航道大型船舶关键转向点判定
[0053]
在给定航程d
min
‑
d
max
内，如果大型船舶相邻轨迹点p1，p2，p3构成的夹 角的互补角α小于或等于阈值α
max
，该角称为航向开放角，如图2所示，则点 p2为大型船舶关键转向点，所有长航道大型船舶乘潮进港关键转向点的集合 记为p
c
。
[0054][0055]
其中，α
max
为大型船舶航向变化的阈值；为大型船舶第i个航迹点的航 向，i＝1,2,3l,n；n为大型船舶航迹点个数。
[0056]
s102、大型船舶关键变速点判定
[0057]
在给定航程d
min
‑
d
max
内，大型船舶相邻轨迹点p1，p2，p3，若点p1与点 p3的航速差的绝对值大于或等于阈值ε
min
，则无论点p2的开放角多大都判定 p2点为大型船舶关键变速点，如图3所示，所有大型船舶关键变速点的集合 记为p
v
。
[0058][0059]
其中，ε
min
为大型船舶速度变化的阈值；为大型船舶第i个航迹点的速 度，i＝2,3,4,l,n。
[0060]
s200、采用k中心点聚类算法对航迹关键点进行聚类分析，挖掘大型船 舶乘潮进港航行行为变化关键船位点。
[0061]
在本实施例中，首先对获取的48艘大型船舶ais数据进行预处理，删除 错误数据；然后，根据条件整理并计算得到大型船舶航向变化点和大型船舶 航速变化点向量数据[δcog,δsog]，组成样本数据集合；最后，根据航道 实际方位变化及大型船舶速度变化情况依次选取k＝3,k＝4,k＝5,k＝6，按照 图4所示流程对样本数据进行聚类分析，聚类结果如图6所示。由聚类结果 可以看出，当聚类个数k从4开始增多后，各聚类中心在δsog维度上并没 有明显变化，因此为了提升效率简化流程，选取k＝4对大型船舶航迹关键点 进行聚类。将各聚类中心转换到空间坐标系上得到长航道大型船舶乘潮进港 航行行为关键变化
船位点的坐标，如表2所示。
[0062]
表1长航道大型船舶航行行为关键变化船位点坐标
[0063][0064]
s300、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。
[0065]
本实施例中以长航道内各潮汐预报站位置和长航道内大型船舶乘潮进港 航行行为发生关键变化的船位作为长航道精细化分段的节点，将长航道划分 为潮汐预报站控制段和大型船舶航行行为关键变化段，分段结果如图7所示。
[0066]
s400、建立长航道大型船舶精细化逐段乘潮进港窗口期模型：以长航道 大型船舶乘潮进港窗口期最长为目标函数，建立长航道大型船舶精细化逐段 乘潮进港窗口期模型。所述模型包括长航道大型船舶乘潮进港潮时利用约束， 长航道大型船舶乘潮进港精细化水深约束，长航道大型船舶精细化逐段乘潮 进港窗口期约束。
[0067]
本实施例中主要包括：
[0068]
s401、构建以长航道大型船舶乘潮进港窗口期最长的目标函数：
[0069]
在大型船舶乘潮进港实际过程中，乘潮窗口期越长则长航道大型船舶乘 潮进港的效率越高，航道的通过能力越强，所以本发明以长航道大型船舶乘 潮进港窗口期最长为目标函数值。目标函数值如公式(4)所示：
[0070]
max c＝t
e
‑
t
s
ꢀꢀ
(4)
[0071]
其中，c为长航道大型船舶精细化逐段乘潮进港窗口期，t
s
为长航道大 型船舶精细化逐段乘潮进港窗口期开始时刻，t
e
为长航道大型船舶精细化逐 段乘潮进港窗口期结束时刻。
[0072]
s402、构建长航道大型船舶乘潮进港潮时利用约束：
[0073]
所述长航道大型船舶乘潮进港潮时是表示长航道精细化分段后大型船舶 乘潮通过各航段所用的时间。
[0074][0075][0076]
其中，i为长航道各航段编号，i＝1,2,
…
,m k 1，j为大型船舶编号，j∈n

， s
i
为长航道第i航段的长度，为大型船舶j在长航道第i航段内航行的平均 速度，t
ij
为大型船舶j在长航道第i航段的乘潮历时。
[0077]
s403、长航道大型船舶乘潮进港精细化水深约束：
[0078]
所述长航道大型船舶乘潮进港精细化水深约束表示大型船舶在乘潮进港 时，各航段实际水深与大型船舶利用水深之间的大小关系，用以确保大型船 舶乘潮进港航行过
程中各航段实际水深始终满足航行需求。
[0079][0080][0081]
h
i
＝h
′
i
h
i
(l
i
‑
l
′
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0082]
h
′
j
＝d
j
ukc
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0083]
其中，(t
imax
,h
imax
)为第i航段内高潮的潮时和潮高，(t
imin
,h
imin
)为第i航段 内低潮的潮时和潮高，h为任意时刻t(t
min
≤t≤t
max
)的潮高，h
i
为长航道第i航 段实际水深，h
′
i
为长航道第i航段海图水深，h
i
为长航道第i航段潮高，l
i
为 第i航段海图深度基准面与平均海面之间的垂直距离，l
′
为潮高基准面与平 均海面之间的垂直距离，l
p
为大型船舶航行行为关键变化段的海图深度基准 面与平均海面之间的垂直距离，l
a
为潮汐预报站a的海图深度基准面与平均 海面之间的垂直距离，r
p
为大型船舶航行行为关键变化段的潮差，r
a
为潮汐 预报站a控制段的潮差，h
′
j
为大型船舶j进港时的利用水深，d
j
为大型船舶 j实际吃水，ukc
j
为大型船舶j富裕水深，本文额定为大型船舶实际吃水的 15％。
[0084]
s404、长航道大型船舶精细化逐段乘潮进港窗口期约束：
[0085]
∑f＝m k 1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0086]
∑f<m k 1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0087]
t
s
＝t1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0088]
t
s
＝t
n
‑
∑(f 1)t
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0089]
f＝{0,1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0090]
t
e
＝t
′1‑
t1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0091]
t
e
＝t
n
′‑
∑(f 1)t
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0092]
其中，t1为大型船舶第一航段乘潮开始时刻，t
n
为大型船舶最后一航段 乘潮开始时刻，t1′
为大型船舶第一航段乘潮结束时刻，t
n
′
为大型船舶最后一 航段乘潮结束时刻，f(0
‑
1)为决策变量，当各乘潮历时内连续满足长航道各 航段实际水深大于大型船舶利用水深时f为0，否则f为1。
[0093]
s500、设计乘潮历时自适应排列的长航道大型船舶乘潮窗口期求解算法 用以求解大型船舶乘潮进港最长窗口期。
[0094]
本实施例设计了乘潮历时自适应排列的长航道大型船舶乘潮窗口期求解 算法，具体包括：
[0095]
s501、计算长航道大型船舶精细化逐段乘潮窗口期开始时刻
[0096]
s501a、当h1＝h
′
j
时，记录该时刻为t1，若t1历时内始终满足h1≥h
′
j
， 则乘潮窗口期开始时刻为t1，然后计算第2段，否则，乘潮失败。
[0097]
s501b、从t1 t1时刻开始，若t2历时内始终满足h2≥h
′
j
，计算第3段， 否则，当h2＝h
′
j
时，记录该时刻为t2，然后重新计算乘潮窗口期开始时刻， 开始时刻为：t2‑
t1。
[0098]
s50c、从t2 t2时刻开始，若t3历时内始终h3≥h
′
j
，计算第4段，否则， 当h3＝h
′
时，记录该时刻为t3，然后重新计算乘潮窗口期开始时刻，开始时 间为：t3‑
t2‑
t1。
[0099]
s501d、以此类推，大型船舶乘潮进港航行到m k 1段，在t
n
时刻开始， t
m k 1
历时内
始终满足h
m k 1
≥h
′
j
，乘潮成功，乘潮窗口期开始时刻为： [0100]
s502、计算长航道大型船舶精细化逐段乘潮窗口期结束时刻
[0101]
s502a、当h1＝h
′
j
时，记录该时刻t
′1，若t
′1‑
t1时刻开始，t1历时内始终 满足h1≥h
′
j
，以t
′1为开始时刻进行第2段乘潮，乘潮窗口期结束时刻为：t
′1‑
t1。
[0102]
s502b、当时刻t
′1开始，若t2历时内h2≥h
′
j
，以t
′1 t2为开始时刻进行第 3段乘潮；如果在时刻t
′1开始，t2历时内不满足h2≥h
′
j
，当t
″1时刻h2＝h
′
j
， 重新计算乘潮窗口期结束时刻，乘潮窗口期结束时刻为：t
′1‑
t1‑
t2。
[0103]
s502c、以此类推，当时刻t
′
n
开始，t
m k 1
历时内不始终满足h
m k 1
≥h
′
j
时， 当t
n
′
时刻h
m k 1
＝h
′
j
，且在t
m k 1
历时内满足h
m k 1
≥h
′
j
，则大型船舶乘潮窗 口期结束时刻为：
[0104]
本实施例对2021年5月1日00:00—2021年5月26日23:59通过的10 艘20万吨级货船乘潮窗口期进行推算，结果如表3所示，并与实际乘潮窗口 期进行对比，结果如图8所示。
[0105]
对比计算结果可知，2021年5月1日00:00—2021年5月26日23:59时 间范围内10艘20万吨级散货船共14个乘潮窗口期中，精细化逐段乘潮进港 窗口期与实际大型船舶乘潮进港窗口期相比，时长增加的窗口期占总窗口期 的92.85％。但同一大型船舶两个窗口期之间的增加率差距较大，从时间分布 上可以看出处在凌晨时段的窗口期增长率较小，甚至出现了负增长。总体而 言，考虑长航道内大型船舶航行行为特征和潮高变化规律的长航道大型船舶 精细化逐段乘潮进港模型能够有效增加长航道大型船舶乘潮进港窗口期，使 大型船舶乘潮进港在时间上具有更多的选择性，提高航道通航效率。此外， 该模型在保证通航安全的基础上可准确推算出长航道大型船舶乘潮进港窗口 期，可在候潮时间及乘潮时间等方面为长航道大型船舶的交通组织提供数据 支持，可为港航管理部门的大型船舶动态计划提供依据。
[0106]
表2长航道大型船舶乘潮进港窗口期结果
[0107][0108][0109]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0110]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施 例中没有详述的部分，可以参见其他实施例的相关描述。
[0111]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可 通过其他的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例 如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划 分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些 特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接 耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接， 可以是电性或其他的形式。
[0112]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全 部单元来实现本实施例方案的目的。
[0113]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单 元的形式实现。
[0114]
所述集成的单元如果以软件功能单元的形式实现并作为独立地产品销售 或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本 发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的 全部或部分可以以软件产品的形
式体现出来，该计算机软件产品存储在一个 存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服 务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。 而前述的存储介质包括：u盘、只读存储器(rom，read
‑
only memory)、 随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光 盘等各种可以存储程序代码的介质。
[0115]
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。