考慮潮汐影響的連續(xù)泊位分配策略

徐亞偉 王志明 李蕓

摘要：針對潮汐影響下船舶進(jìn)出港調(diào)度中的連續(xù)泊位分配策略優(yōu)化需求，考慮潮汐影響下的船舶進(jìn)出港時段、船舶靠離泊安全流速、泊位類型與船型相匹配等多因素約束，根據(jù)先來先服務(wù)原則，構(gòu)建混合整數(shù)規(guī)劃模型，并采用改進(jìn)粒子群優(yōu)化（particle swarm optimization，PSO）算法進(jìn)行求解。算例結(jié)果給出每艘船的靠泊位置和進(jìn)出港順序安排，并通過與標(biāo)準(zhǔn)PSO算法求解的調(diào)度方案進(jìn)行對比，驗證改進(jìn)PSO算法的有效性。研究成果可為實際碼頭泊位分配決策提供參考。

關(guān)鍵詞： 連續(xù)泊位分配; 粒子群優(yōu)化（PSO）算法; 潮汐影響; 先來先服務(wù)原則

中圖分類號： U691+.3 ? ?文獻(xiàn)標(biāo)志碼： A

Abstract： In view of the demand of the continuous berth allocation strategy optimization in the scheduling of ships entering and leaving a port under the influence of tide， considering the constraints such as the time window of ships entering and leaving a port under the influence of tide， the safe flow rate of ship berthing and unberthing， and the matching of the berth type and the ship type， according to the first-come first-served principle， a mixed integer programming model is constructed， and an improved particle swarm optimization （PSO） algorithm is used to solve the model. The results of the example show the berthing positions and the sequence of entering and leaving a port of ships， and the results are compared with the scheduling scheme solved by the standard PSO algorithm to verify the effectiveness of the improved PSO algorithm. The research results can provide reference for the actual berth allocation decision-making.

Key words： continuous berth allocation; particle swarm optimization （PSO） algorithm; influence of tide; first-come first-served principle

0 引 言

在航海實踐中，若船舶提前進(jìn)港則可能沒有泊位靠泊，船舶必須在港口內(nèi)等待，這不僅對船舶安全不利，而且也有礙港口內(nèi)其他船舶安全航行;若船舶延遲進(jìn)港，則港口與船舶的等待時間必將延長，勢必造成港口服務(wù)效率下降。隨著港口吞吐量的增加及船舶數(shù)量的增多，合理的船舶進(jìn)出港安排和泊位分配已經(jīng)成為港口急需解決的問題。

近年來，由于全球港口吞吐量的增加，船舶進(jìn)出港調(diào)度與泊位分配問題引起了學(xué)術(shù)界廣泛關(guān)注。在船舶進(jìn)出港調(diào)度研究方面：張新宇等[1]為提高雙向通航港口的船舶調(diào)度效率，使用多目標(biāo)遺傳算法獲取最佳調(diào)度方案;BIERWIRTH等[2]針對船舶調(diào)度問題進(jìn)行了詳細(xì)的屬性分類研究。在離散泊位研究方面：IMAI等[3-4]首先提出了離散型泊位分配模型，然后在此基礎(chǔ)上提出了考慮船舶優(yōu)先權(quán)的泊位分配模型;韓笑樂等[5]考慮了具有不同服務(wù)優(yōu)先級別的船舶動態(tài)到達(dá)情形，以船舶在港總時間與加權(quán)延遲時間之和最小為目標(biāo)，設(shè)計結(jié)合禁忌深度搜索算法與模擬退火算法的混合算法求解;TING等[6]考慮船舶動態(tài)到達(dá)情況下的泊位分配問題，以服務(wù)總時間最短為目標(biāo)函數(shù)，設(shè)計粒子群優(yōu)化（particle swarm optimization，PSO）算法求解;ZHEN等[7]考慮潮汐時間窗口和航道通行能力約束，建立泊位分配和岸橋分配的綜合優(yōu)化模型，以等待和延誤總時間最短為目標(biāo)函數(shù)，提出基于列生成算法的求解方法來求解該模型的最優(yōu)解;鄭紅星等[8]針對考慮潮汐影響的泊位分配與船舶集成調(diào)度問題，構(gòu)建了混合整數(shù)規(guī)劃模型，并設(shè)計了改進(jìn)禁忌搜索算法求解。在連續(xù)泊位研究方面：童珊[9]針對考慮船舶優(yōu)先權(quán)的泊位分配問題，以提高集裝箱船在港口的靠泊效率為目標(biāo)，建立混合整數(shù)規(guī)劃模型，并利用遺傳算法進(jìn)行求解。樂美龍等[10]在研究泊位和岸橋分配時，側(cè)重考慮泊位偏好和服務(wù)優(yōu)先權(quán)兩大因素，以最小化所有船舶的在港總時間為目標(biāo)建模并利用遺傳算法求解;SHEIKHOLESLAMI等[11]在研究集裝箱碼頭的動態(tài)泊位分配問題時，考慮了船舶優(yōu)先權(quán)以及潮汐對錨地到碼頭的航道的影響，采用遺傳算法結(jié)合模式搜索算法求解該問題;DU等[12]考慮了潮汐和船舶虛擬到達(dá)策略，以船舶離港延誤總時間最短為目標(biāo)建模，用CPLEX進(jìn)行求解;張雯鈺等[13]考慮了公平措施，以船舶在港時間最短和集裝箱碼頭懲罰成本最小為優(yōu)化目標(biāo)建模，并設(shè)計了模擬退火算法進(jìn)行求解。

綜上所述，現(xiàn)有關(guān)于船舶進(jìn)出港調(diào)度和泊位分配的研究雖力求更加符合實際調(diào)度過程，但缺少考慮潮汐對船舶泊位分配的影響的深入研究，相關(guān)成果與滿足港口實際調(diào)度需求還有一定差距。本文針對潮汐影響下的船舶進(jìn)出港次序與泊位分配問題，以船舶到港至離港的總時間最短為目標(biāo)，總體上滿足先來先服務(wù)的原則，側(cè)重分析在安全流速下船舶靠離泊時段和船舶乘潮進(jìn)出港的時間窗口，并采用改進(jìn)PSO算法確定船舶進(jìn)出港次序和泊位分配方案。

1 參數(shù)定義及泊位分配問題描述

1.1 參數(shù)定義

V表示到港船舶集合，i，j∈V;Vin表示需乘潮進(jìn)港的船舶集合;Vout表示需乘潮出港的船舶集合;G表示港口泊位集合，b∈G;T表示時間序列集合，t∈T;K表示潮汐周期集合，k=1，2，…，K。ai為船i到港時刻;Touti為船i離開港口時刻;Xi表示船i靠泊的位置;Li表示船i的長度;Ti，w1表示船i等待進(jìn)港時間;Ti，w2表示船i完成裝卸作業(yè)后等待離泊時間;Tbi表示船i準(zhǔn)備靠泊時刻;T fi表示船i泊位作業(yè)完成時刻;Ci表示船i在碼頭的作業(yè)時間;Tini表示船i進(jìn)港時刻;C表示船舶通過航道的時間;LB表示碼頭泊位的長度;TDi表示船i準(zhǔn)備離泊時刻;TEDi表示預(yù)計船i離開泊位的時刻;M表示一個足夠大的正數(shù);Sb表示泊位b的類型，其值1、2分別表示普通船泊位、需乘潮進(jìn)出港船泊位;Hi表示船i的類型，其值1、2分別表示普通船、需乘潮進(jìn)出港船;Eini表示船i的預(yù)計進(jìn)港時刻;[Wi，k，B1，Wi，k，B3]表示需乘潮船i在第k次潮汐周期中可以乘潮進(jìn)出港的時間窗口;[Wi，k，d2，Wi，k，d3]和[Wi，k，d4，Wi，k+1，d1]表示船i在第k次潮汐周期中可以靠離泊的時間窗口;[Wi，k，d1，Wi，k，d2]和[Wi，k，d3，Wi，k，d4]表示船i在第k次潮汐周期中不可以靠離泊的時間窗口。XBij，若船i與船j的泊位沒有重疊，則為1，否則為0;XTij，若船i與船j的靠泊時間在時間軸上沒有重疊，則為1，否則為0;Xi，t，b，若在t時間船i靠泊在泊位b上，則為1，否則為0;Ui，b，若船i延遲進(jìn)港，則為1，否則為0;Zi，b，若船i延遲出港，則為1，否則為0;δini，k，若需乘潮船i的進(jìn)港時刻在第k次潮汐周期中可以乘潮進(jìn)港的時間窗口內(nèi)，則為1，否則為0;δouti，k，若需乘潮船i的離泊時刻在第k次潮汐周期中可以乘潮出港的時間窗口內(nèi)，則為1，否則為0。

1.2 泊位分配問題描述

現(xiàn)在國內(nèi)外大部分碼頭岸線都具有連續(xù)平直型的特點，特別是在集裝箱船興起后，連續(xù)平直的碼頭岸線不僅有利于船舶的靠泊，而且有利于提高碼頭的利用率。連續(xù)性泊位分配的原理是：在碼頭岸線允許的范圍內(nèi)，船舶可以?？吭谌我獾牟次簧?，船舶的安全靠泊轉(zhuǎn)換為圖1所示，要保證兩艘船不能在時間和空間上出現(xiàn)重疊。

港口調(diào)度過程為：在預(yù)知船舶的抵港計劃、船期和配載計劃后，港口為各船舶分配合理數(shù)量的岸橋， 并確定其進(jìn)港時間。在計劃期內(nèi)，當(dāng)?shù)礁鄞皵?shù)量較少時，每艘船都可以得到及時的服務(wù)，這樣船舶等待靠泊的時間較短。隨著船舶數(shù)量的增加，船舶開始等待排隊進(jìn)港，使得船舶等待靠泊的時間開始增加。船舶進(jìn)出港調(diào)度與泊位分配旨在為到港船舶合理地安排進(jìn)出港順序以及靠泊的時間和位置。

潮汐可能影響船舶進(jìn)出港時通過航道的能力，借助圖2進(jìn)一步闡述潮汐對需乘潮進(jìn)出港船的影響。以圖2中的一個潮汐周期[Wi，k，B1，Wi，k+1，B1]進(jìn)行分析，[Wi，k，B1，Wi，k，B3]是需乘潮進(jìn)出港船可以通過航道的時間窗口。在低潮時間窗口內(nèi)，航道內(nèi)的潮位不滿足需乘潮進(jìn)出港船航行的水深要求。[Wi，k，B3，Wi，k+1，B1]是需乘潮進(jìn)出港船所對應(yīng)的低潮時間窗。在地理位置比較特殊的港口，船舶不是通過航道后就可以進(jìn)行靠泊作業(yè)的。潮流一般在轉(zhuǎn)流后的第3、4小時內(nèi)，其表層處于急漲或急落時段，潮差較大的港口一般流速較大，具體到不同港口有一定的差異性。如圖中[Wi，k，d1，Wi，k，d2]和[Wi，k，d3，Wi，k，d4]這兩個時段，出于對船舶安全性的考慮也是不允許靠離泊的。需乘潮船的靠離泊時間窗口為[Wi，k，d2，Wi，k，d3]，若離泊時刻不在[Wi，k，d2，Wi，k，d3]期間，那么需要在泊位等待，等到在[Wi，k，d2，Wi，k，d3]時間窗口內(nèi)進(jìn)行離泊作業(yè)。

本文的問題可描述為：針對連續(xù)泊位的集裝箱碼頭，根據(jù)船舶到港時間、裝卸量等信息，以計劃期內(nèi)到港船舶為研究對象，著重考慮船舶需乘潮進(jìn)出航道及船舶在安全流速下靠離泊的實際需求。為使模型更加貼合實際，總體上要滿足先來先服務(wù)的調(diào)度規(guī)則，且船舶類型與泊位類型相匹配。

2 模型建立

2.1 模型適用基本要求

基于港口服務(wù)基本要求，模型適用的約束要素：（1）每艘船都必須進(jìn)出港靠泊一次;（2）每艘船通過航道的時間相同;（3）泊位岸線視為連續(xù)性的，沿碼頭岸線劃分停泊單元;（4）碼頭岸橋作業(yè)效率不變;（5）船舶到港時間已知，且都按時到港;（6）船舶靠離泊時間不計;（7）碼頭有足夠的水域滿足船舶掉頭的需求。

2.2 數(shù)學(xué)模型建立

3.3 解的生成策略

步驟1 根據(jù)船舶到港時刻先后排序，生成船舶進(jìn)港次序，作為解的上層編碼。

步驟2 當(dāng)船舶按照進(jìn)港次序進(jìn)港后，船舶隨機(jī)選擇一個滿足條件的空閑泊位進(jìn)行靠泊作業(yè)。若此時不能滿足進(jìn)港靠泊的約束條件，則等到滿足該船進(jìn)港靠泊條件后再給該船分配泊位。這樣得到的船舶靠泊位置作為解的中層編碼。

步驟3 依據(jù)船舶的進(jìn)港次序和靠泊位置，以船舶在泊位的作業(yè)時間作為解的下層編碼，將船舶在泊位的作業(yè)時間與等待離泊時間之和作為船舶在泊時間。

步驟4 為保證算法滿足實際需求，對上層編碼進(jìn)行適當(dāng)調(diào)整。若兩艘船中有一艘船先到達(dá)，在先到達(dá)的船舶不滿足泊位安排時，可以根據(jù)需要先安排后到達(dá)的船舶進(jìn)港靠泊。

3.4 進(jìn)出港流程及編碼

按照本文約束對船舶進(jìn)出港的調(diào)度流程及相應(yīng)編碼進(jìn)行說明，見圖4。

4 算例求解與結(jié)果分析

4.1 算例求解

設(shè)計具體算例，驗證模型的可行性。設(shè)碼頭岸線長度為2 000 m，由于船舶靠泊以纜樁系泊且船舶間應(yīng)留有安全距離，所以沿碼頭岸線劃分40個泊位，每個泊位長度為50 m。設(shè)置1～15號泊位為滿足大型乘潮船靠泊要求的泊位，普通船沒有泊位類型限制。設(shè)船舶通過航道的時間為1 h。潮汐周期為12 h，第一個潮汐開始時刻為01：00，結(jié)束時刻13：00，以[01：00，7：00]作為滿足需乘潮船通過航道的時間窗口。潮流在轉(zhuǎn)流后的第3、4小時內(nèi)，其表層處于急漲或急落時段，因此為保證船舶靠泊安全與順利，不允許船舶在該時段進(jìn)行靠離泊作業(yè)。算例采用表2的數(shù)據(jù)進(jìn)行求解。

在這一部分，用改進(jìn)的PSO算法對算例進(jìn)行測試。算法用MATLAB 2018a進(jìn)行編碼。實驗運(yùn)行在2.3 GHz Intel Core（TM） i5-8300H CPU和16 GB內(nèi)存的計算機(jī)上。改進(jìn)PSO算法的參數(shù)設(shè)置為：粒子數(shù)N=600;最大迭代次數(shù)n=4 000;慣性權(quán)重wstart=0.9，wend=0.1;學(xué)習(xí)因子C1s=2.5，C2s=0.5，C1e=0.5，C2e=2.5;k=0.4。在按照實際需求先來先服務(wù)的基礎(chǔ)上，最終運(yùn)行得到船舶進(jìn)出港調(diào)度方案，見表3。

改進(jìn)PSO算法求解的泊位分配方案見圖5。由圖5可以看出：需乘潮船進(jìn)港都有延遲，這主要是因為這種船需要在可以乘潮進(jìn)出港的時間窗口內(nèi)進(jìn)出港，并且船舶類型需要滿足碼頭泊位類型的要求：普通船3、9、10、20進(jìn)港靠泊都有延遲，這是因為普通船需要在安全流速下靠泊;船舶到達(dá)安排總體上滿足先來先服務(wù)的原則，圖中船舶都在安全時間窗口內(nèi)靠離泊，以及在合適的時間窗口內(nèi)進(jìn)出港。根據(jù)該模型得出的結(jié)果，可以有序地安排船舶進(jìn)出港及選擇相應(yīng)的泊位。改進(jìn)PSO算法求解出的目標(biāo)函數(shù)總時間比標(biāo)準(zhǔn)PSO算法求解得出的小，說明采用改進(jìn)PSO算法能提高解的質(zhì)量。

潮汐因素影響船舶的進(jìn)出港次序及船舶靠離泊的時間安排，從而影響后續(xù)船舶的泊位分配，因此，在港口服務(wù)中需要著重關(guān)注潮汐因素對泊位分配的影響。本文所用的模型具有以下特點：考慮先來先服務(wù)原則，保證該模型在更大程度上滿足航海實踐需求，遵循到港船舶服務(wù)公平性的原則;更加全面地考慮到實際船舶需要在安全流速下靠離泊，以及在合適的潮汐時間段進(jìn)出港;考慮不同水深情況下泊位類型的情況，以滿足航海實務(wù)中船舶?？康膶嶋H泊位需要。本文所得到的結(jié)果對于安排船舶進(jìn)出港及泊位分配有一定的參考價值。

4.2 改進(jìn)PSO算法有效性驗證

為驗證所采用的改進(jìn)PSO算法在搜索性能上的增強(qiáng)，用標(biāo)準(zhǔn)PSO算法對同樣的實驗進(jìn)行對比，參數(shù)設(shè)置為：粒子數(shù)N=600;最大迭代次數(shù)n=4 000;慣性權(quán)重w=0.8;學(xué)習(xí)因子C1=1.5，C2=1.5。具體的調(diào)度方案見圖6。圖7是算法求解過程：當(dāng)改進(jìn)PSO算法迭代約2 600次時，目標(biāo)函數(shù)值收斂于252 h;當(dāng)標(biāo)準(zhǔn)PSO算法迭代到約2 400次時，目標(biāo)函數(shù)值收斂于256 h。

為增加實驗結(jié)果的可靠性，增加幾組實驗來體現(xiàn)算法改進(jìn)前后的效果。在其他參數(shù)相同的情況下，選取其他20艘船，沿碼頭岸線分布40個泊位，最大迭代次數(shù)n=1 000，算法求解過程見圖8。選取其他25艘船，沿碼頭岸線分布50個泊位，最大迭代次數(shù)n=5 000，算法求解過程見圖9。

以上一系列數(shù)據(jù)仿真結(jié)果證明，所采用改進(jìn)PSO算法的求解質(zhì)量優(yōu)于標(biāo)準(zhǔn)PSO算法。在改進(jìn)PSO算法和標(biāo)準(zhǔn)PSO算法求解過程中，隨著迭代次數(shù)不斷增加，目標(biāo)函數(shù)值均不斷優(yōu)化，但是改進(jìn)PSO算法能在提高算法收斂性的同時能夠有效避免陷入局部最優(yōu)的情況，算法搜索能力更強(qiáng)。因此，上述分析符合預(yù)想的情況。

5 結(jié)束語

為滿足大型船舶順利進(jìn)出港及安全靠泊的實際需求，本文在前人研究的基礎(chǔ)上考慮潮汐影響下的泊位分配策略。相較于以往的研究，著重分析了在安全流速下船舶靠離泊時段和需乘潮船進(jìn)出港的時間窗口，建立了以船舶從到港至離港總時間最短為目標(biāo)的函數(shù)，采用改進(jìn)PSO算法求解該模型。算例結(jié)果顯示，所提出的船舶泊位分配模型能有效地安排船舶進(jìn)出港及泊位分配，改進(jìn)PSO算法求解出的方案優(yōu)于標(biāo)準(zhǔn)PSO算法求解出的方案。

從本文的研究結(jié)果可知，船舶進(jìn)出港次序與泊位分配受到潮汐因素的影響，因此，在港口服務(wù)中需要著重關(guān)注潮汐因素對泊位分配的影響。就提高該模型的實際應(yīng)用價值而言，對多因素綜合約束類問題的理論研究還需通過實踐優(yōu)化，才能最終轉(zhuǎn)化成便于用戶操作的實用工具。

參考文獻(xiàn)：

[1] 張新宇， 郭子堅， 王金濤， 等. 基于航道與泊位資源協(xié)調(diào)調(diào)度的船舶交通優(yōu)化[J]. 中國航海， 2015， 38（3）： 33-36.

[2] BIERWIRTH C， MEISEL F. A follow-up survey of berth allocation and quay crane scheduling problems in container terminals[J]. European Journal of Operational Research， 2015， 244（3）： 675-689. DOI： 10.1016/j.ejor.2014.12.030.

[3] IMAI A， NISHIMURA E， PAPADIMITRIOU S. The dynamic berth allocation problem for a container port[J]. Transportation Research Part B， 2001， 35（4）： 401-417. DOI： 10.1016/s0191-2615（99）00057-0.

[4] IMAI A， NISHIMURA E， PAPADIMITRIOU S. Berth allocation with service priority[J]. Transportation Research Part B， 2003， 35（7）： 437-457. DOI： 10.1016/s0191-2615（02）00023-1.

[5] 韓笑樂， 陸志強(qiáng)， 奚立峰. 具有服務(wù)優(yōu)先級別的動態(tài)離散泊位調(diào)度優(yōu)化[J]. 上海交通大學(xué)學(xué)報， 2009， 43（6）： 902-905. DOI： 10.16183/j.cnki.jsjtu.2009.06.011.

[6] TING C J， WU K C， CHOU Hao. Particle swarm optimization algorithm for the berth allocation problem[J]. Expert Systems with Applications， 2014， 41（4）： 1543-1550. DOI： 10.1016/j.eswa.2013.08.051.

[7] ZHEN Lu， LIANG Zhe， ZHUGE Dan， et al. Daily berth planning in a tidal port with channel flow control[J]. Transportation Research Part B Methodological， 2017， 106： 193-217. DOI： 10.1016/j.trb.2017.10.008.

[8] 鄭紅星， 吳云強(qiáng)， 邵思楊， 等. 考慮潮汐影響的泊位分配與船舶調(diào)度集成優(yōu)化[J]. 信息與控制， 2020， 49（1）： 95-103. DOI： 10.13976/j.cnki.xk.2020.9091.

[9] 童珊. 基于船舶優(yōu)先權(quán)的集裝箱港口泊位分配問題[J]. 交通運(yùn)輸工程與信息學(xué)報， 2012， 10（1）： 105-110.

[10] 樂美龍， 劉秀玲. 基于泊位偏好與服務(wù)優(yōu)先級的泊位和岸橋分配[J]. 遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版）， 2013， 32（5）： 709-712.

[11] SHEIKHOLESLAMI A， IIATI G， KOBARI M. The continuous dynamic berth allocation problem at a marine container terminal with tidal constraints in the access channel[J]. International Journal of Civil Engineering， 2014， 12（3）： 344-353.

[12] DU Yuquan， CHEN Qiushuang， LAM J S L， et al. Modeling the impacts of tides and the virtual arrival policy in berth allocation[J]. Transportation Science， 2015， 49（4）： 939-956. DOI： 10.1287/trsc.2014.0568.

[13] 張雯鈺， 郝楊楊. 基于船舶作業(yè)優(yōu)先權(quán)的靠泊計劃仿真優(yōu)化研究[J]. 計算機(jī)仿真， 2020， 37（6）： 130-135.

[14] BABAZADEH A， SHAHBANDI M G， SEYEDALIZADEH-GANJI S R， et al. A PSO algorithm for continuous berth allocation problem[J]. International Journal of Shipping & Transport Logistics， 2015， 7（4）： 479-493. DOI： 10.1504/IJSTL.2015.069687.

[15] 李麗， 牛奔. 粒子群優(yōu)化算法[M]. 北京： 冶金工業(yè)出版社， 2009： 44-59.

[16] 陳水利， 蔡國榕， 郭文忠， 等. PSO算法加速因子的非線性策略研究[J]. 長江大學(xué)學(xué)報（自科版）理工卷， 2007， 4（4）： 1-4.

（編輯 賈裙平）