連續多級船閘閘次自動識別與命名方法研究

摘要：針對連續多級船閘運行過程中信息收集和過程干預行為（決策和指令輸出）對人工的高度依賴性，建立了多級船閘船舶過閘過程時序復合運算模型。通過對多級船閘交通組織過程場景的分析，提出適應多級船閘排隊分解過程信息特征的船閘運行閘次自動識別與命名方法，以過閘時間和空間順序為依據，建立將船閘運行完整閘次分解并唯一標識的過程模型，完成過閘運行過程時序數據的分類和聚類，確立了多級船閘運行過程信息數字化實現方案。最后以三峽五級船閘運行過程為例進行驗證，驗證結果表明：以時間為標識的船閘運行過程時序復合運算模型和命名方法可行，該方法可為連續多級船閘運行協同性和智能化升級改造奠定基礎。

關 鍵 詞：連續多級船閘; 交通組織; 閘次識別; 過程命名; 時序復合運算; 數字化

中圖法分類號： U641.7 ? 文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2022.01.034

0 引 言

船閘作為通過閘閥門控制，使船舶克服航道上集中水位落差的通航建筑物，按軸線方向閘室數目分為單級船閘和多級船閘，即只有一個閘室的為單級船閘，具有兩個及以上連續閘室的為多級船閘。船閘運行組織方式因不同船閘所處環境條件而不同，但所有船舶通過船閘時，必須進行相應的充泄水工作，水域環境的不確定性給船舶航行帶來安全風險。為了船舶安全過壩，必須在離大壩引航道外一定距離處等待，經過相應的編隊、等待、過閘3個階段[1-2]。多級船閘采取單向連續過閘方式，即第一閘室船舶進閘后，船閘開始運行，待首級閘門開啟后，后續同向過閘船舶進閘，船舶過閘始終沿同一方向，以魚貫式通過，呈現階梯式上升或下降。由于船閘充泄水的需要，前后相鄰兩閘室之間需要一個無船舶（隊）停靠的空閘室，才可保證連續多級船閘的連續運行[3]。船閘運行是船舶過壩的重要環節，同時也是航運調度的主要調度對象，經過多年運行實踐，閘與船不能有效配合是導致樞紐通航管理目標不能順利實現的癥結。空間上，單向連續過閘過程中前后兩船隊僅相隔一個閘室，船舶過閘過程控制大體上是船舶航行、船舶調度指揮、船閘設備運行（含設備操作）、船閘輸水（含充泄水）等動作的不斷重復，分階段的控制過程并未形成聯貫饋通，在運輸任務繁重時段，船閘過壩量激增就容易造成船舶排隊現象。對連續多級船閘運行過程的分析，是建立數字化船閘的基礎。船閘過閘運行本質上是一個樞紐通航的交通組織過程不斷循環重復的場景，這種場景具有空間范圍固定（船閘基礎設施及位置空間相對固定）和過程相似度高的特征，其智能化的場景相對單一，其數據源多少和數據量大小決定了對算力的要求[4-7]。在船閘的通過能力不能滿足過閘航運需求的背景下，如何挖掘船閘的通過能力以應對未來過閘需求的增長，提高船閘通航效率，是船閘行業需要面臨的現實課題[8-10]。多級船閘運行過程的信息收集任務和過程干預行為均依靠人工完成，其效率受運行員技能水平、精力、情緒等因素影響，存在一定的波動性和提升瓶頸。

基于此，本文在船舶過閘排隊過程及船閘運行過程分解的基礎上，建立船閘運行時序復合運算模型，提出一種連續多級船閘運行時序過程命名方法，依據船舶過閘流程，以過閘時間和空間順序為依據，命名各個船閘運行子過程并為其編制唯一標識，計算過閘船舶在各個子過程狀態下的時間，再根據過閘計劃下某一閘次開始時首級閘門開終時間，按照船閘運行時序復合運算模型計算得到船舶在各個過閘子過程的時間以及相鄰閘次間隔時間，從而自動識別完整過閘閘次并為最佳發航時機建議提供依據。

1 連續多級船閘運行過程

船舶進入船閘轄區（包括水域）后，過閘組織流程如圖1所示。現行的船閘運行工藝流程，總體上是基于固定的船閘基礎設施空間位置，以過閘船舶為誘因，形成的分段離散的過閘事件。受自然條件、船舶到達規律、航道和船閘運行規則等多種因素影響，船閘節點船舶交通流是一種受限交通流[2]。主要由船舶到達、待閘、逐級過閘、出閘等構成的多個獨立事件可以抽象為船閘設備設施、船舶、運行員和閘室及引航道水位4個對象在同一時間點完成的非持續性事件，整個船閘的狀態會隨之發生轉換[2]。船舶到達靠船墩待閘、導航墻靠泊、進閘航行、設備運行、出閘、出閘航行等事件在一定條件下被觸發，使船閘由一種狀態向另一種狀態推進。

以連續五級船閘下行為例，船閘設備運行流程或工藝可簡化為：船隊X根據運行級數和規定要求在規定時段和規定地點待閘，收到進閘指令后進入首級閘室并正確停靠。船閘運行人員關閉首級閘門，程序自動完成開閥輸水和開啟下閘首閘門等動作。當先行船隊X自第二級閘室進入第三級閘室時，后續船隊Y可由上游進入第一級閘室;當先行船隊X自第四級閘室進入第五級閘室時，后續船隊Y可由第二級閘室進入第三級閘室，第三批船隊Z可由上游駛進第一級閘室。船閘中間級閘首設備運行工藝與船舶通過第一級閘室工藝基本一致。圖2為連續五級船閘下行運行示意圖。

船舶通過多級船閘的交通運輸過程，是由船舶過閘航行過程、調度指揮過程、船閘設施狀態轉換過程（含控制系統自動運行過程）、船閘輸水過程共同組成的一個復合型的排隊過程。船閘運行員根據收集到的船舶航行過程信息，通過調度指揮過程對其進行干預，同時通過操縱船閘控制系統轉換船閘設施狀態和干預船閘輸水過程，最終達到船舶過閘航行過程符合交通組織的預期目標[11]。圖3為船舶過閘排隊過程及船閘運行過程按4個基本過程分解的示意圖。

2 多級船閘運行過程信息提取

2.1 多級船閘運行過程信息數字化需求

運行過程信息化是船閘運行智能化的基礎。多級船閘運行作業，圍繞著排隊過程組成的隨機服務系統運行每一個到達過程和伺服過程而展開。實現多級船閘智能化運行，首先要實現船閘運行作業過程的信息化，通過對運行全過程全要素的智能感知與通航調度系統、船舶安全監管系統的數據對接，為船閘運行過程實時仿真提供動靜態數據。

2.2 多級船閘運行過程信息類型

通過上述分析，以數據類型為依據進行信息分類，船閘運行過程中船舶航行、排檔指揮和船閘運行（含船閘設備設施狀態轉換和閘室及引航道水位轉換過程）等過程數據可劃分為表1所列6種基本數據類型。

如圖4所示，船舶過閘航行過程信息中的船舶基本信息來源于已建立的船舶基本信息數據庫，此時只需從數據庫提取數據，船舶航行過程衛星導航信息，無論是北斗導航還是GPS定位信息，通過串口接收北斗/GPS定位信號，通過解析后即可獲取船舶在船閘中位置、狀態、航向、航速等信息，實現船舶過閘航行過程信息的采集。

排檔指揮過程信息主要包括船閘通航調度信息和船舶交通管理信息。通航調度信息包括船舶過閘申報信息和調度計劃。其中，過閘申報信息包括申報方式、申報時間、船舶信息、船舶過閘申報項目等;調度計劃信息包括閘號、閘次、航向、駁數、定額載客（貨）量、貨種、實際載客（貨）量、隊形、過閘方式、過閘起止時間等;船舶交通管理信息主要包括雷達、AIS、VTS、CCTV、通過水文氣象傳感器設備和通訊技術手段獲取的船舶動態、船舶閘次、航行環境等。

2.3 多級船閘運行過程信息采集方案

船閘的運行信息主要包括船閘控制系統運行信息、船閘設施狀態轉換過程信息、船閘水位轉換過程信息和運行空間信息。船閘運行數據主要來源于現有的船閘控制系統，并且可從現有船閘控制系統中直接獲取，其數據主要以結構化數據為主，參考典型的工業數據采集技術實現其數據的采集[12]。具體采集方案如圖4所示。

在船閘運行過程中，大量用于控制系統感知檢測的傳感器向分析計算傳感數據的主控平臺持續發送大量字符型、浮點型等多種類型的數據，這些數據不斷產生、更新，每個數據都能直接或間接地與一個時間戳（生成或更新等）掛鉤，是典型的時序數據。因此可以按照時間序列數據分類和聚類的分析方法進行建模和過程命名[13-15]，揭示支配時間序列的隨機規律。

3 多級船閘運行過程命名方法

由前述分析可知，多級船閘交通運輸過程的4個子過程所產生的運行信息絕大多數是時空數據，具有強力的時間屬性和空間屬性，既可以表述為時間序列數據，亦可以表述為地理空間數據。通過對船閘運行過程及過程中由船閘現有業務系統中運行決策、運行監視等相關的運行數據的感知、采集，得到了分段離散的大量時序數據，需要通過船閘運行過程的命名將時序數據轉化為有用的信息（含時間屬性和數據屬性）。

圖5是船閘運行過程命名方法的總體流程。通過上述采集方案進行通航調度系統、船閘控制系統和船舶GPS/北斗定位信息數據的感知、采集，大量分段離散的時序數據在數據處理平臺經分類和聚類，進行關聯、融合處理，在提取閘次計劃和發航時間等信息后通過與閘次編號匹配并與船舶航行過程匹配，完成進閘初始化，即為船閘運行過程命名的起點。

以下行逐級連續運行方式為例，過閘船舶（隊）由上游導航墻進入①閘室的過程命名為子過程A1，該過程包含船舶航行、排檔指揮（交互）、船閘運行（包含船閘設備設施狀態轉換、船閘水位轉換、船閘運行控制及過程監視等）等基本過程。船舶由①閘室移泊至②閘室的運行過程命名為子過程A2，主要包括船舶航行、排檔指揮、船閘運行（包含船閘設備設施狀態轉換、船閘水位轉換、船閘運行控制及過程監視等）等基本過程。船舶由②閘室移泊至③閘室的運行過程命名為子過程A3，同樣包括船舶航行、排檔指揮、船閘運行等基本過程。與此同時，另一個閘次運行過程開始，即該閘次船舶開始由上游導航墻進入①閘室的過程，此運行過程命名為子過程B1，依次類推。一個完整的船閘運行過程A，按照時空順序包含了子過程A1、A2、A3、A4、A5……，可表示為多對象復合的時序過程A={A1，A2，A3，A4，A5……}，另一個轉步過程B={B1，B2，B3，B4，B5……}，每一個過程都具有高度的相似性，依此類推，還有過程C、D……。如此多個運行控制子過程通過時間和空間順序串連復合形成一個總過程，相應子過程的數據以時間標簽進行相似連接，最后形成大量時序數據系列[13]。通過時間累加復合運算即可再現船舶過閘運行過程數據，建立起船閘運行過程時序復合模型。由此實現了船閘運行過程中各子過程的過閘時間、設備運行時間（含船閘設備設施狀態轉換和船閘水位轉換時間）、船舶航行移泊時間、運行員排檔指揮（含操作和復核）時間的自動計算。

根據連續多級船閘運行特點，當首級人字閘門開終，以該時刻作為計時起點，若某一閘次船舶進閘靠泊完畢，下一閘首開始開啟輸水閥門泄水，直至水平，然后開啟人字閘門，船舶向下一閘室移泊。如此循環，船舶由一級閘室向下一級閘室移泊，船閘由一種狀態向下一種狀態推進。通過如圖6所示時序復合運算，首級人字閘門開終時刻作為閘次A過閘開始時刻，那么直至下一次首級人字閘門開終時刻，該時刻是閘次B的開始時刻。五級下行取n=1，2次時間間隔ΔT可通過時序復合運算模型累加計算，可表示為ΔT=Tn+3-Tn=2tr+tn+4+tAn+tn+5+tBn+4

（1） 式中：tr表示運行員排檔指揮時間（含操作和復核），tn+4和tn+5分別為n+4閘首和n+5閘首設備運行時間（船閘運行時間），閘次A移泊時間tAn和閘次B移泊時間tBn+4均是已知量或標準數值。因此，根據累計大數據統計，將該時間差取平均值作為閘次識別和匹配的條件參數，前一閘次累加ΔT標準數值即可計算后一閘次進閘開始時間。計算過程中MAX取最大時刻，即船舶最晚停泊完畢時刻。正常運行情況下，當前一閘次進閘時刻通過船閘控制系統感知得到后，通過累加ΔT標準數值，計算后一閘次準備進閘船舶的進閘開始時間，以此為依據，在前一閘次確定進閘時刻開始，其后一閘次可根據模型時序復合計算得到，從而識別完整閘次流程，并給出導航墻待閘船舶進閘調度智能預前提示和最佳發航時機建議。

4 實例驗證

（1） 以三峽船閘為代表的連續多級船閘運行場景具有空間范圍固定和過程相似度高的特征，決定了運行過程信息收集和過程銜接、干預行為對人工的強烈依賴性，運行過程信息是連續且有方向性的數據，即時間序列，針對其時序性特征利用時序數據挖掘的方法并借鑒工業數據采集技術，得到了連續多級船閘運行過程信息采集方案，可實現船閘運行信息的提取。

（2） 基于對運行過程數據時空特征分析，建立多級船閘船舶過閘過程時序復合運算模型，實現了船舶閘次自動識別判斷，并提出適應多級船閘排隊分解過程信息特征的船閘運行過程命名方法，確立了多級船閘運行過程信息數字化實現方案，得到了以時間標簽為標識的船舶所在閘次編號與船閘控制系統運行數據的關聯融合。利用運行過程時序數據，提取運行過程周期性規律，為閘次自動識別提供依據，三峽五級船閘運行過程實例驗證了該方法的可行性。

（3） 通過與船舶航行過程信息匹配，探討了船舶航行與船閘運行過程信息匹配問題，有助于實現船閘運行與船舶航行過程協同性和同步性。

參考文獻：

[1] 陳曉關.提高三峽船閘通航能力的研究[D].武漢：武漢理工大學，2006.

[2] 劉敬賢，文元橋.基于船舶行為特征的港口航道通過能力仿真[J].大連海事大學學報，2009，35（2）：31-37.

[3] 鐘登華，王飛，吳斌平，等.從數字大壩到智慧大壩[J].水力發電學報，2015，34（10）：1-13.

[4] 柯姜岑.基于元胞自動機的水運樞紐運輸組織研究[D].武漢：武漢理工大學，2012.

[5] 陳明輝，盛黎.蘇北運河船閘智能排檔調度研究及運用[J].中國水運，2016，16（4）：75-77.

[6] 高萍.數字三峽與船舶過閘的應用研究[D].大連：大連海事大學，2008.

[7] 趙陽，王國偉.智能化集中控制在智慧船閘建設中的應用探索[J].中國水運（下半月），2016，16（2）：10-13.

[8] 徐振.船舶智能過閘系統的設計與研究[D].南京：南京林業大學，2014.

[9] SHI S，ZHANG D，SU Y，et al.A fuzzy-based decision-making model for improving the carrying capacity of ship locks：a Three Gorges dam case[J].Journal of Marine Science & Engineering，2019，7（244）：1-21.

[10] 丁益，程細德，馮小檢，等.提高三峽船閘運行效率的船舶過閘方式研究[J].人民長江，2015，46（4）：63-66.

[11] 楊全林，李涵釗，陳鵬.三峽船閘運行調度人機集成設計方案研究[J].人民長江，2021，52（1）：114-121.

[12] 李文璟，曾祥健，李夢，等.基于對稱KL距離的用戶行為時序聚類方法[J].電子與信息學報，2018，40（10）：84-91.

[13] 黃旭，王偉恒，吳雙，等 基于用電大數據的臺戶關系識別方法研究[J].供用電，2019，41（10）：28-353.

[14] 徐任超，閻威武，王國良，等.基于周期性建模的時間序列預測方法及電價預測研究[J].自動化學報，2019（3）：1-9.

[15] 朱堅.基于時序數據層次聚類方法的工業過程監控操作規則挖掘[D].北京：北京化工大學，2019.

（編輯：胡旭東）