基于航線大數據與水流條件模擬的船舶航線優化方法

祝孟偉 羅羚源 毛雄磊 金健靈 廖江花

摘要：針對當前內河船舶航線規劃手段較為落后的情況，采用物聯網、大數據與航道水流條件數學模型相結合的方式，對航道水深、流速、比降等影響船舶上灘的水流指標進行實時輸出，并在此基礎上結合船舶歷史航行路徑數據，完成不同水流條件下不同船型的的優化航線實時動態輸出。

關鍵詞：船舶航線規劃;大數據;二維水流數學模型

中圖分類號：TP391文獻標識碼：A文章編號：1006—7973（2022）05-0063-03

1引言

三峽蓄水以來，庫區航運效益提高，國務院及長江上游沿線各省市紛紛提出了以長江黃金水道為代表的系列航運發展戰略及規劃，加之近年來“一帶一路”、西部陸海新通道鐵水聯運等戰略的實施，長江上游航運量及航運需求得到顯著提升，往來船舶日益增多，如何在維持航道通航效率的同時有效保障過往船舶的航行安全成為了航道管理部門直接面臨的問題。其中，航線安全是內河航運安全的最直接保障，航線規劃的精準化和智能化是航運發展的重要支撐。但當前內河航道及航路管理維護的數字化、智能化水平不高，整體水平相較于美國密西西比河及歐洲萊茵河等率先在全球完成數字化的內河航道而言差距明顯。圍繞當前國際形勢和服務國家發展戰略，深度融合物聯網、云計算、大數據管理、新一代移動通信等現代信息技術，促進航運產業的集成化創新應用，并推進航運規劃管理的智能化轉型已經成為航運產業的主要發展方向。

當前，內河船舶航線規劃并沒有真正普及，船舶航線的界定更多是依靠船舶駕駛人員在航標劃定的河面適航范圍內進行經驗性的操作，這種方式過于單一和絕對，沒有針對不同船型提供與之相適應的航行范圍，無法充分利用水深條件。此外，航標的設定也多依靠操作人員的經驗，各環節對人員經驗的依賴也存在著極大的安全隱患，難以滿足于日益增加的航運安全保障需求。因此，在當前航運發展與物聯網、云計算、大數據管理、新一代移動通信等現代信息技術深度融合的大趨勢下，結合大數據分析和人工智能等前沿技術，提出一種安全、智能具有推廣價值的內河船舶航線規劃技術，對我國航運產業的安全保障和智能化發展有著至關重要的作用。

2技術思路

本文針對內河航線規劃手段不足且人工依賴程度過高的現狀，將傳統的二維水流數學模型與新興的大數據分析技術相結合，基于近十年來河道地形、水位、流量和船舶AIS數據，將船舶歷史經驗數據與計算的水流條件（流速、水深、比降等）進行匹配。對任意河段僅需根據其水位、流量和船型參數即可快速查詢對應的歷史航線數據集，并在此數據集的基礎上進行最優路徑計算和輸出，完成該河段船舶航線的優化。

3航道邊界條件實時快速提取方法

水深、流速和比降等指標是船舶航線規劃的重要參數，其在河道內的沿程分布數據的科學性和準確性直接決定了航線規劃的合理性。本文在已知目標河段入口流量和出口水位以及河道地形的基礎上，建立河道二維水流數學模型，計算和存儲不同水位流量條件下的河道比降和水深、流速分布，并將計算出的水流條件作為船舶歷史航線的篩選基準，船舶航線的優化工作均在此水位流量條件區間的歷史航線內進行。

3.1平面二維水流數學模型基本方程

3.2求解方法

本模型在傳統二維水流模型的基礎上引入了de Vriend（1977）年提出的縱、橫向流速分布公式，將可能由河道彎曲而引起的橫向二次流納入了模型，同時忽略了其余的次生二次流進而大幅縮短模型運算時間，并在此基礎之上將流速分布代入到彌散應力項，得到在水流方向、橫向方向和水流方向橫向方向上的水深平均流速與時均流速。本模型水流模塊采用ADI法對上述方程進行有限差分法離散，模型整體采用中心差分的方法進行計算。其中，水流連續方程中?I/?t為向前差分，動量方程中對流項結合一階迎風采用quick差分。

3.3網格構建

選擇長江涪陵——重慶主城鵝公巖河段為案例進行二維數學模型構建，該河段長約140km（圖1）;主城區由于有嘉陵江人匯，嘉陵江支流模擬范圍為朝天門河口至李子壩約8km。在計算區域內，共布置3255×60個網格點，采用正交曲線體系下的結構網格，沿河道方向間距為15-93m，平均約為40m，河寬方向間距范圍為31-50m，平均約40m（圖2）。

3.4水文、地形資料選取

本模型采用2009-2016年水文資料作為水流計算的進出口邊界條件，該時期壩前水位過程相較于蓄水初期開始變得穩定（圖3）;進口條件為寸灘水文站的實測流量過程（含朱沱、北碚），出口邊界條件為清溪場水文站的實測水位過程。河段計算初始地形采用2009年實測，測圖比例為1：5000。主城區由于有嘉陵江人匯，嘉陵江支流模擬范圍為朝天門河口至李子壩約8 km，計算初始地形采用2015年6月實測，測圖比例為1：2000。

3.5模型驗證

選取寸灘、銅鑼峽、魚嘴、羊角背、太洪崗、麻柳嘴、扇沱、長壽、衛東、大河口、北拱作為模型驗證測點進行數模驗證，圖4為沿程水位各站點計算值與實測值的比較。通過選取典型流量下的水位進行對比，計算水位與實測水位基本吻合，除個別站點個別時間誤差稍大，其余站點最大誤差小于0.1m，誤差一般均在0.1%以內，能滿足推移質計算的精度。

4船舶航線動態優化技術

基于船舶AIS航線歷史數據資源，以船型、水流條件、上下行狀態對航線數據進行分級建庫存儲。根據同一水流條件下的相同船型的路徑數據集聚類劃分該組合條件下的經驗適航區域，進一步采用蟻群算法等優化計算模型在經驗適航區內尋找路徑最短、航線順滑的最優航線。

4.1數據獲取

船舶的歷史通行數據能夠很好的反應控制河段的有關環境因素對船舶航行產生的影響。利用AIS船舶自動識別系統采集研究河段內船舶的通行數據，構建歷史數據庫，并進行研究分析，總結有關規律。

AIS消息信息豐富，包括船舶動態信息、靜態信息、航向相關信息和信息更新率等，這些信息對于船舶最優航線規劃研究，具有重要意義。本文設計的規劃方法主要使用船名、對地航向、經度、緯度、時間、對地航速等AIS信息。

4.2數據處理

受外部環境、船舶傳感器故障、人為因素等原因的影響，AIS數據可能會存在一定偏差，錯誤的航點會給整個航線規劃帶來嚴重的影響。故通過刪除經緯度偏移明顯、船速失常、航程過短的航線數據對這部分錯誤的信息進行清理是在進行統計分析和數據挖掘之前的必要步驟（圖5）。在對數據進行清理后采用數學函數擬合的方式，對每條航線整體進行修正、平滑處理，確保航線數據的合理性。本文采用5階傅里葉函數對航跡點的經、緯度數據進行擬合修正，該方法在對長距離航線的擬合上具有更好的切合度。

4.3分級建庫

根據船舶船型、水文條件、上下行情況等參數對船舶歷史航線數據進行分級建庫，保證不同船型的船舶在不同條件下能獲取相應的最優航線?？紤]到上游來流量的年內變化以及三峽工程調度方式，并結合河段灘險的特征（彎、險、淺），初步考慮認識性試驗中流量級和水位組合原則如下：

4.4經驗最優航線獲取

船舶最優航線的獲取是基于當日寸灘流量和清溪場水位數據，利用本文第3章中建立的二維水流數學模型計算河段沿程比降和水深流速分布，針對不同目標灘段的位置輸出對應的航道邊界條件，并在分級數據庫中查詢對應航線數據，計算每種船型在相同航程、不同水文條件下的航行時間，時間最短的航線即為該分類船舶數據中的全局最優航線（圖7）。

5結論

本文結合內河航運業的智能化轉型趨勢，針對內河船舶航線規劃人工依賴程度過高的現象，開展基于船舶航行歷史路徑數據和河道二維數學模型的船舶航線優化方法研究。通過對航線歷史數據的分類分級存儲、調用和分析，實現了適應多船型的航線優化輸出，能夠為更加合理且充分地利用航道水深資源提供思路和參考。