復雜水域船舶交通組織研究綜述

張斌, 鄭中義, 馮寶明, 馬亮

(1.大連海事大學航海學院, 大連 116000； 2.大連海事局, 大連 116000； 3.中國水產科學研究院黃海水產研究所, 青島 266071)

海運以運量大、運輸距離長、成本低等優點，在國際貿易中起著運力支柱的作用，目前全球商品貿易貨運量的80%以上是通過海運完成的，海運是國際貿易中主要的運輸方式，在國際貿易貨物運輸中占有非常重要的地位[1]。而復雜水域作為水路運輸的連接點，其低下的通航效率將會成為全球供應鏈的瓶頸，對國際貿易影響甚大[2]。另外，2017年5月，科技部、交通運輸部“十三五”交通領域科技創新專項規劃中將“船舶交通智能組織與協同調度技術”列為“水運交通”中的智能船舶關鍵技術之一。因此，研究復雜水域的船舶交通組織調度，進行通航船舶的精細化管理，不僅可以豐富海上交通運輸工程學科理論，同時也具有非常重要的應用價值。復雜水域的通航船舶交通組織優化，其主要目的在于引導、協調、監控和規范船舶行為，為水上交通管理部門和調度部門制定科學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、擱淺等事故的發生，從而保護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 現有研究綜述

關于復雜水域，并沒有一個統一的定義，目前普遍認為，交匯水域、壩區航段、彎曲航段、狹窄航段、錨泊區、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雜水域[3]。而本文交通組織所針對的復雜水域包括通航船舶密度大、航道和航行環境復雜的運河、港口水道、狹水道、橋區、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，Liu 等[4]提出了一種全航次約束的船舶交通組織方法，通過驗證表明，所建立的模型相對誤差較小，通用性強，能有效提高船舶交通組織的效率。Li 等[5]通過對海港到達船舶預先進行規劃管理來消解船舶交通組織的潛在沖突，在考慮船舶優先級的情況下，以延遲最小化為優化任務，并以新加坡港為應用實例進行了驗證。基于啟發式調度算法，Ozlem等[6]開發了用于模擬擁擠狹窄水道上實際船舶到達的模型，該模型可以給出船舶進入伊斯坦布爾海峽的時間、相鄰船舶時間間隔以及通航船舶的數量，為擁擠狹窄水道的通航船舶交通組織提供決策指導。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合調度問題，建立了整數規劃模型來最小化船舶的靠泊和離崗延誤成本，開發了拉格朗日松弛算法并利用上海外高橋港的實際布局和運行數據，對模型進行了求解。不過該模型算法只針對特定的港口布局，其通用性有待進一步研究。劉儉等[9]采用基于海面能見度、風速、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效率因素的加權和為目標函數，并通過交通組織參數的設定和調整得到最佳的交通組織方案。賴志俊[10]提出了一個基于改進型微粒群算法的船舶組織方案優化數學模型，該模型在綜合考慮了船舶航行安全因素和航運效率的情況下，采用基于海面能見度、風速、水流、引航和船舶大小等因子進行加權的方式來評價調度方案的最優程度。該模型充分提高了船舶和港口的生產效率，不過模型中忽略了很多與航行相關因素，應進一步完善；另外，在算法效率方面也需改進。

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

Lucas 等[22]以新加坡海域為例，將海上交通管理問題視為資源受限的調度問題, 建立了混合整數和約束規劃模型，優化了模型的有效性，并利用航道的AIS(automatic identification system)數據集對模型進行了驗證。Alessandro等[23]將航道調度問題看作多資源受限調度問題進行了建模，考慮了任務的最早和最晚開始時間以及與時間相關的資源容量因素，運用整數規劃方法證明該方法優于其他相關研究的方法。Wang等[24]建立了一種新的單向受限航道的船舶自組織協作模型算法，并將模擬結果與先到先服務方法相比，船舶的平均延誤時間明顯縮短。Liang等[25]將模糊層次分析法與專家系統相結合，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行排序，并為每艘船舶生成最優的組織策略，以提高船舶調度的效率和準確性，同時也可以通過縮短行程時間來增加航道的通過能力。Liu等[26]結合元胞自動機和多智能體方法，提出了一種新的港口船舶交通研究模型，根據天津港交通流的仿真結果，得到了不同特殊交通規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，可為優化液化天然氣船舶港口交通組織提供理論支持。設計了數學規劃模型對船舶和拖輪的協調調度。Xia等[27]提出了港口船舶組織優化與減速相結合的問題，通過一系列港口實際數據的實驗，驗證了船舶減速交通組織方法的有效性，其相關研究和方法可用于解決港口船舶減排問題。

對于進出港的通航船舶，泊位等資源會影響船舶的交通組織，因此有些學者在優化船舶交通時，考慮了泊位因素。為解決雙向航道的船舶交通組織優化問題，Zhang等[28]建立了考慮泊位等資源的船舶交通組織優化數學模型，且考慮因素較全面，包含單/雙向轉換、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則的基礎上，分析了復式航道的特點，建立復式航道的船舶組織優化模型，并利用實際航道船舶數據驗證了模型算法的有效性。孫甲坤[31]提出了天津港復式航道交通流組織模式的設計原則，并針對現行交通流組織模式所存在的安全隱患，提出了相關的優化方案。李翔[32]采用改進的蟻群算法，以在港船舶等待時間最短為優化目標函數求解在某一時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，對通過內河的船舶進行交通組織。Zhang等[34-37]在考慮泊位因素的基礎上，采用(模擬退火)遺傳算法對單向、雙向以及復式航道的船舶交通組織問題進行單目標及多目標的優化，其優化目標包括總等待時間最短/航道占用時間最短，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度的混合整數線性規劃模型，并采用列生成算法，應用上海洋山深水港的數據對模型進行驗證，同時也考慮了泊位影響因素。蔣思怡[39]在考慮靠泊條件、船舶港內掉頭、船舶優先級、乘潮水位、船舶間安全距離等因素的條件下，建立了以船舶調度時間最短、船舶等候時間最短、船舶等候時間方差最小為優化目標的狹水道船舶進出港優化調度模型，最后采用廈門港海滄碼頭船舶調度實例進行了驗證分析，表明該模型和調度方案的合理性和公平性。

Jia等[40]開發了一個考慮了公平和效率兩個性能指標的優化模型，進而做出最佳船舶交通組織決策，利用上海港運營數據對模型和求解方法進行了驗證，效果良好。Omar 等[41]提出了一種基于約束分離技術的混合整數規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，其結果優于先到先服務策略。Guo 等[42]提出了用于管理船舶交通組織和卸壓作業的綜合調度模型，實驗結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間。縱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、交通組織機理以及影響因素進行了分析，對需要解決的關鍵問題包括船舶安全間距、安全航速、船舶間的時隙沖突、交通流沖突、狹水道中船舶領域等問題進行了重點研究，為港口航道的船舶交通組織做出了重大的貢獻，但目前船舶交通的研究主要針對某一具體航道，其理論及應用欠缺普適性。雖然研究成果促進了船舶交通管理技術及方法的進步，但由于船舶交通信息的繁雜、多源、多變等特點，以及船舶發展的大型化和通航密度的進一步增大，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際應用價值。

1.2 運河船舶交通組織

Chen 等[43]提出了一種由船舶編隊和水道交叉口協調調度組成的交通組織框架，通過實驗模擬多達50艘船只在阿姆斯特丹運河網絡中航行的場景，證明所提出方法的有效性。為減少運河交通的沖突和擁堵，Anita等[44]利用Petri網和遺傳算法優化運河交通，并利用模擬方式對模型算法進行了驗證。為了縮短船舶總的通過時間；Günther等[45-46]討論了Kiel運河的雙向船舶交通問題，并提出了一個用于航線網絡調度的數學模型。Lübbecke[47]建立了船舶組織的數學模型和算法，并利用基爾運河實際交通數據，驗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遺傳算法優化模型，用于在分流河道流量不等的情況下進行運河調度，為運河調度提供決策參考。Pellegrini等[49]借鑒列車調度中的車頭時距概念，類似地在運河水道中沿同一方向移動的船舶之間創建安全距離。此外，船只被允許在不同的時間到達。Matteo等[50]設計了數學規劃模型對運河港口的船舶和拖輪進行了協調調度，并提出了基于這些模型的啟發式算法，以及利用實驗分析評估了算法的性能。針對基爾運河的狹窄航段大型船舶無法雙向通行的問題，Frank等[51]提出了新的優化模型，包括可變船速、側線段容量和船舶等待時間限制，在符合相關交通規則和安全要求的前提下，將船舶的總通過時間降至最低。

1.3 通過橋區船舶交通組織

魏宏平[52]通過對海河下游水域船舶航行特點進行分析，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化方案。周泓伶[54]通過研究長江橋區水域特點，采用現場統計方式獲得通過橋區的船舶信息，并應用統計學方法分析船舶屬性信息，擬合出船長、船速、船間距的分布規律，在此基礎上，對船舶交通流航跡進行仿真分析，為橋區航行船舶提供一定的參考。由于橋區水域情況復雜、船舶密度大，而且每個橋區的情況均不相同，因此，研究橋區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

張天華等[55]通過船舶交通流分隔、船舶動態報告、航速控制、設定船舶緩沖區等措施，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行仿真，得出Y形交匯水域采用不同組織規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，為復式航道的船舶組織研究奠定了基礎。Li等[58]通過分析港口受限航道的特點，提出了多港池受限航道的一般結構，并明確了船舶交通沖突的四個關鍵區域。在此基礎上，考慮潮汐、通航連續性和通航規則等約束條件，提出了多港池受限航道船舶交通調度的多目標優化模型，以及一種結合非支配排序遺傳算法和禁忌搜索的啟發式算法。最后，利用黃驊煤港的數據證明了該模型和算法的合理性和有效性。Zhang等[59]解決了復式航道交通組織時交通流間的沖突問題，建立了復式航道的交通組織模型，并借助遺傳算法利用天津港實際通航船舶數據對模型進行了驗證，為復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]提出了多個平行閘室的船閘調度問題。一個特定的啟發式方法被用于將船舶放于艙室中，并以先到先服務的方式對船閘進行排序。并通過應用延遲接受多鄰域元啟發式算法對初始結果進行了改進。Jannes 等[61]將船閘調度問題描述為將船舶分配給若干閘次的閘室排檔子問題，給出了求解閘次調度子問題的線性規劃模型，并提出了閘次排擋子問題的啟發式算法對問題進行求解。Verstichel等[62]中對該問題做了進一步研究，將問題分為排船和閘次調度兩個子模型，并進行交互求解，對求解結果進行對比表明效果優于文獻[61]中啟發式算法的求解結果，不過對于解決多閘室調度問題，其求解性能并無明顯的優勢。Ward[63]從數學的角度研究船閘調度問題。在探索不同的調度問題特性基礎上，研究了單船閘調度、船閘調度序列的復雜性、平行閘室的調度等調度問題。Hermans[64]探討了內河船閘的優化問題和算法，并證明了當多艘船在同一船閘中通過時，船閘調度問題即是非確定性多項式(Non-deterministic Polynomial,NP)難問題。最后，針對單船閘優化問題，提出了一種新的確定性調度算法。Uchacz[65]建立了船舶過船閘時間調度優化模型，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間，并以圖形方式顯示結果。

Passchyn 等[66]研究了一系列連續船閘的調度問題，提供了兩種不同的數學規劃公式并進行了經驗比較，研究了減少交通流量時間和減少排放之間的權衡，以及將集成模型的結果與船閘調度的啟發式模型的結果進行比較。張亞[67]在考慮了閘室面積利用率和平均待閘時間評價指標基礎上，建立了上下游船閘聯合調度模型，然后通過MATLAB對該聯合調度模型進行仿真，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度問題的變鄰域搜索方法。Verstichel[69]介紹了船閘調度的仿真模型和優化方法，該方法能夠模擬平行閘室船閘基礎設施的變化對交通調度的影響,并用實例進行了驗證。王澎濤[70]在考慮氣象因素對船閘調度影響的基礎上，建立一個二維正態分布的時空氣象概率模型，進而建立了三峽與葛洲壩聯合調度模型。孔莊[71]基于單級多線船閘調度模型建立了一種考慮閘室負荷均衡、船閘服務質量等條件的多級船閘調度模型。侯坤超[72]通過對影響船閘通過能力的因素進行分析、指標評價，用定量化方法確定船型標準化對船閘通過能力的影響。在此基礎上，以閘室面積利用率為優化目標，以綜合權重為約束，構建船閘調度優化模型。Bugarski等[73]基于船閘調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。Ji等[74]針對船閘調度問題，提出了一種借鑒柔性作業車間調度的混合整數線性規劃模型，可以解決四個艙室船閘和20艘船的調度實例，實驗結果表明，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復雜的優化問題，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、蟻群等啟發式算法是常被采用的一類方法。Verstichel等[75]利用元啟發算法解決船舶過船閘的調度問題，彌補了混合整數線性規劃算法只能求解小規模船閘調度問題的缺點，并用實際數據對模型和算法的有效性進行了驗證。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海驗證了算法的實用性。Luy[77]開發了NP難的離線船閘調度問題的組合優化算法，包括算法和計算解的分析框架，并用基爾運河的實例進行驗證。胡適軍等[78]在對船舶排閘問題進行建模的基礎上，提出船舶排閘的遺傳算法，并利用仿真系統驗證了遺傳算法的有效性。季彬[79]針對混合整數線性規劃方法只能有效求解小規模船閘泊位聯合調度問題的問題，提出了基于模糊控制的混合啟發式方法，通過實例驗證表明該方法可用于求解中大規模船閘泊位的聯合調度問題。Gan等[80]提出了一種基于滑動窗口的在線船舶排序與調度算法，來解決受限航道中船舶排序和調度問題，通過引入“位置偏移”概念，利用船舶在受限水道中的航行時間差，生成更高效的船舶序列，并引入滑動窗口機制來處理交通不確定性，降低計算復雜度，由于滑動窗口方案的計算量較小，為未來船舶排序和調度問題在線優化方法的開發提供了可能。

2 現有研究特點

綜上所述，復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，呈現出以下研究特點。

2.1 研究領域范圍較廣

研究方向基本包括了船舶航行所面對的典型復雜水域：單向[4,20,24,35,80]、雙向[17,19,23,28,32,45,46,51,72]以及復式港口航道[30,31,37,57,59]、典型的交叉水域[55-59]、運河[44-51]、船閘[60-79]和橋區[52-54]的交通組織。在研究內容方面，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、運河等組織模型的建立，以及驗證算法的設計。在優化目標方面，既包括總的等待時間最短[19,23,26,32,59]，也包括航道(船閘)占用時間最短[34-37,51]。研究成果不僅改善了復雜水域通航交通的安全和效率，也為船舶交通組織的相關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的排隊論、線性規劃[38]等，也包括元啟發智能算法，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。對于線性規劃、整數規劃等經典算法，可以找到問題的最優解，但過于依賴優化問題的數學特征，適合求解小規模問題，隨著問題種類的增多以及規模的擴大，很難在可接受的時間內找到問題的優解，而智能優化算法不依賴求解問題的函數解析性質，只需計算目標函數的值即可，具有快速有效的特點，其中，遺傳算法對于解決單向[26,35]、雙向[28]、以及復式航道[30,36-37,59]的通航船舶組織問題均具有較好的效果，同時，面對復雜的情況，如考慮泊位因素[28,34,38,79]、引航員因素[7,41]以及卸壓載水計劃[42]，也可以找到可行解，另外，遺傳算法對于解決運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，需要確定問題的目標函數和解變量，然后對解變量進行編碼、選擇、交叉、變異等操作，不同的編碼策略和參數選擇對遺傳算法的運行效率和結果均有較大的影響，且不能保證找到最優解。而粒子群的優勢在于簡單、容易實現，且沒有許多參數需要調整以及交叉變異等操作，對于非線性、多峰問題具有較強的全局搜索能力，因此，賴志俊[10]利用粒子群算法對船舶交通組織進行優化，但算法搜索中容易陷入局部最優，后期收斂較慢，有時全局捜索效率不高。

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

2.3 考慮的因素較全面

不僅考慮了通航規則、航道條件、船舶優先級等特性，而且還考慮了影響船舶航行安全的水文、氣象等因素。同時，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，更具有實際應用意義。

3 進一步探討或研究的空間

3.1 關于航道交通組織模型的研究需更深入、全面

關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，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條件，忽略了一些影響組織安全的實際因素，因此，與實際情況相比，模型有待進一步改善。

3.2 考慮潮水因素的影響

統計了中國渤海、黃海、東海、南海沿岸貨物吞吐量排名靠前的50個港口發現：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，由于船舶大型化的發展趨勢，很多大吃水船舶通航必須借助潮水。如安特衛普港航道、斯特爾特河，德黑蘭港航道、漢堡港航道，船舶進出航道均需借助潮水。因此，研究動態變化的潮水影響的水道交通組織具有重要意義。

然而，關于考慮潮水因素的船舶交通組織研究并不多，文獻[17]雖然考慮了潮水時間窗對船舶組織的影響，但是時間窗是固定的，對于不同的吃水船舶，通航時間窗卻是不同的；文獻[32]也考慮了潮汐因素對船舶組織的影響，但是對潮汐數據進行了簡化，不能反映出實際的潮汐因素對調度所帶來的影響。文獻[36]考慮的變化的潮高的影響，但與實際問題相比，模型有待完善。文獻[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考慮了潮高因素，但與實際的情況相比，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，算法的設計有待完善。因此，研究實時潮高對航道船舶交通組織的影響是下一步的研究重點。但是潮高是實時變化的，且與航道位置有關，因此，潮高的準確預報以及動態潮高對每艘船舶通航時間窗的選擇均是下一步的研究難點。

圖1 中國沿岸港口平均潮差統計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，對于長航道，有可能包括港口航道、船閘、橋區交通、交叉水域等，因此下一步應該全面考慮影響因素、實現多種信息系統的整合和數據互通以及多個通航區船舶的聯合交通組織進而建立復雜水域通航秩序管理新格局、實現船舶交通組織一體化。

3.4 智能改進混合算法的運用

傳統的精確求解方法可以得到問題的最優解，但對小規模問題適用，當問題的規模較大時，一般無法在可接受的時間內獲得問題的最優解。而智能優化算法，具有全局優化性能，通用性強，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解，但是在較短的時間內可以找到一個可接受的優解。因此，隨著通航船舶數量的增加，對智能算法的研究更具有實際的意義。然而，傳統單一的智能算法容易使結果陷入局部最優，為了在較大的范圍搜索優解，根據智能算法的特點，將兩種智能算法結合，并根據實際問題進行改進，可以方便更快找到最優解。

3.5 船舶自動識別系統大數據的處理及應用

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識別系統(automatic identification system,AIS)數據，對這些大數據進行處理、數據挖掘，可獲得船舶行為特征、規律以及便于船舶領域的研究，為交通組織服務。同時，利用海量的船舶自動識別系統數據，借助深度學習算法可對船舶的交通組織進行訓練，以便獲得更優的交通組織方案。因此，船舶自動識別系統大數據的處理、深度挖掘、規律分析、航道航跡提取和深度學習等關鍵技術在交通組織方面的應用是下一步的研究重點之一。

4 結論和展望

由于影響因素眾多，且每個復雜水域的情況不盡相同，因此復雜水域的船舶交通組織研究是一個循序漸進的過程，需要更多研究學者的貢獻。對目前中內外眾多學者在復雜水域交通組織方面取得的豐富成果進行梳理，在進行分析評價的基礎上，探討了該問題研究的特點，并提出了下一步重點研究方向，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)，由于每增加一個因素，都會使模型的建立和算法的設計更加復雜，尤其是運算復雜度和時間會驟增，因此，優化的模型以及高效的算法或智能算法的優勢融合，以此實現船舶交通智能組織與多種資源約束的協同調度，是下一階段研究的難點之一。另外，對海量通航船舶數據進行數據挖掘，抽象出具有較強普適性、通用性的復雜水域交通組織模型，并借助大數據，利用機器學習等技術以獲得更優的交通組織方案，進而實現復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。鑒于日益繁忙的復雜水域航道，更有效的在線交通組織優化算法和模型的研究也十分必要。