详情

原文传递数据驱动的内河限制性单向航道船舶调度模型及方法研究

论文题名：	数据驱动的内河限制性单向航道船舶调度模型及方法研究
关键词：	内河航运;船舶调度;单向航道;船速预测;通行能力
摘要：	内河航运具有运费低、污染小、运能大的特点。国务院印发的《关于依托黄金水道推动长江经济带发展的指导意见》和《长江经济带综合立体交通走廊规划(2014-2020年)》明确指出要提升长江水道通行能力，增强长江干线航运能力，改善通航条件，健全智能服务和安全保障系统，实现“数字航道”和“智能航道”。内河单向航道通行容量低，是制约内河航运发展的瓶颈，研究如何提升内河单向航道航运能力具有重大理论和实际意义。调度船舶以合理的时间和顺序通过单向航道是提升其航运能力最实际可行的措施，合理船舶调度方案不仅要求准确预测船舶到达及通过单向航道的时间，更需要能够应对船舶通过单向航道中存在的各种不确定性，实时的给出调度指令。　　论文首先以船舶通过内河单向航道时的速度变化为研究对象，揭示船舶速度变化与内河航道地理环境的关系。然后，论文以船舶通过单向航道的全量程轨迹为研究对象，分析影响船舶通行轨迹的因素，并建立船舶全量程通行轨迹长度模型。进一步，针对内河航道状态复杂，船舶通行状态不确定性高的特点，设计有效的在线船舶通行调度策略，确保快速高效调度船舶通过单向航道。最后，提出一种基于船舶动态特性的个性化船舶速度诱导方法，进一步降低船舶在单向航道的等待时间，增强单向航道航运能力。　　论文的创新性研究主要从以下四个部分展开：　　①以船舶通过内河单向航道的速度为研究对象，提出一种新的神经网络模型构建及优化方法，对船舶在整个单向航道区域内的速度进行建模。针对神经网络模型结构难以确定的问题，该方法逐步增加网络结构的复杂度，直至网络能够表征船舶速度变化规律为止。通过智能优化算法和正交最小二乘算法保证新增加的隐含层节点参数最优并且与网络内的节点相互正交，所得的神经网络模型在取得更高预测精度的同时具有最小结构。　　②以船舶在内河单向航道区域内的通行轨迹为研究对象，提出一种基于历史数据的船舶全量程轨迹长度预测模型构建方法。首先通过对轨迹数据的预处理，将船舶轨迹划分为若干条子区间，使每一段区间内的轨迹数据特征更为明显。然后，通过非监督式学习方法挖掘出隐藏在船舶轨迹数据内的相似信息，最后结合神经网络模型，研究船舶动、静态信息以及单向航道环境数据与船舶轨迹类别之间的隐含关系，并基于概率方法得到船舶通过内河单向航道的全量程轨迹长度。　　③针对船舶通过内河单向航道时的调度指挥问题，结合船舶长期速度模型和全量程轨迹长度模型，提出一种内河单向航道通行船舶在线调度方法。该方法通过合理规划船舶通过单向航道的顺序及时间，降低船舶在等待区域所花费的时间，提升内河单向航道航运能力。进一步，该方法通过引入滚动时域控制优化框架，将整个调度问题划分为若干子优化问题，在保证调度结果最优的前提下，降低计算复杂度，提高算法处理船舶通过内河单向航道时不确定性的能力。　　④针对逆水船舶在通过内河单向航道过程中等待时间过长的问题，提出一种基于速度诱导的内河单向航道船舶调度指挥方法。通过诱导部分船舶按照优化的速度航行，在保证顺水船舶通行优先级的前提下，尽量降低逆水船舶的等待时间。实验结果表明，该方法可以显著提升逆水船舶的航行体验，降低船舶通过内河单向航道的等待时间，进一步提升内河单向航道的航运能力。
作者：	甘少君
专业：	控制理论与控制工程
导师：	梁山
授予学位：	博士
授予学位单位：	重庆大学
学位年度：	2017
正文语种：	中文