张斌, 郑中义, 冯宝明, 马亮

(1.大连海事大学航海学院, 大连 116000； 2.大连海事局, 大连 116000； 3.中国水产科学研究院黄海水产研究所, 青岛 266071)

海运以运量大、运输距离长、成本低等优点，在国际贸易中起着运力支柱的作用，目前全球商品贸易货运量的80%以上是通过海运完成的，海运是国际贸易中主要的运输方式，在国际贸易货物运输中占有非常重要的地位[1]。而复杂水域作为水路运输的连接点，其低下的通航效率将会成为全球供应链的瓶颈，对国际贸易影响甚大[2]。另外，2017年5月，科技部、交通运输部“十三五”交通领域科技创新专项规划中将“船舶交通智能组织与协同调度技术”列为“水运交通”中的智能船舶关键技术之一。因此，研究复杂水域的船舶交通组织调度，进行通航船舶的精细化管理，不仅可以丰富海上交通运输工程学科理论，同时也具有非常重要的应用价值。复杂水域的通航船舶交通组织优化，其主要目的在于引导、协调、监控和规范船舶行为，为水上交通管理部门和调度部门制定科学合理的船舶组织方案，从而建立良好高效的安全通航秩序，避免船舶拥塞，甚至碰撞、搁浅等事故的发生，从而保护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资源的利用率。

1 现有研究综述

关于复杂水域，并没有一个统一的定义，目前普遍认为，交汇水域、坝区航段、弯曲航段、狭窄航段、锚泊区、浅滩航段、岛礁水域等通航条件较差而船舶通航密度却较大的繁忙水域被视为复杂水域[3]。而本文交通组织所针对的复杂水域包括通航船舶密度大、航道和航行环境复杂的运河、港口水道、狭水道、桥区、船闸和交叉水域，即对这些水域船舶交通组织方面的研究成果进行梳理和分析。

1.1 港口水道船舶交通组织

为了提高港口船舶通航的效率，考虑到船舶航速不固定的特点，Liu 等[4]提出了一种全航次约束的船舶交通组织方法，通过验证表明，所建立的模型相对误差较小，通用性强，能有效提高船舶交通组织的效率。Li 等[5]通过对海港到达船舶预先进行规划管理来消解船舶交通组织的潜在冲突，在考虑船舶优先级的情况下，以延迟最小化为优化任务，并以新加坡港为应用实例进行了验证。基于启发式调度算法，Ozlem等[6]开发了用于模拟拥挤狭窄水道上实际船舶到达的模型，该模型可以给出船舶进入伊斯坦布尔海峡的时间、相邻船舶时间间隔以及通航船舶的数量，为拥挤狭窄水道的通航船舶交通组织提供决策指导。Jia 等[7-8]研究了海港交通和引航员以及航道资源和锚地资源的联合调度问题，建立了整数规划模型来最小化船舶的靠泊和离岗延误成本，开发了拉格朗日松弛算法并利用上海外高桥港的实际布局和运行数据，对模型进行了求解。不过该模型算法只针对特定的港口布局，其通用性有待进一步研究。刘俭等[9]采用基于海面能见度、风速、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运效率因素的加权和为目标函数，并通过交通组织参数的设定和调整得到最佳的交通组织方案。赖志俊[10]提出了一个基于改进型微粒群算法的船舶组织方案优化数学模型，该模型在综合考虑了船舶航行安全因素和航运效率的情况下，采用基于海面能见度、风速、水流、引航和船舶大小等因子进行加权的方式来评价调度方案的最优程度。该模型充分提高了船舶和港口的生产效率，不过模型中忽略了很多与航行相关因素，应进一步完善；另外，在算法效率方面也需改进。

甘浩亮[11]从液化天然气货物性质和船舶结构特点着手，分析了液化天然气船舶进出港行为特征，从降低液化天然气船舶进出港对港口其他船舶的影响考虑，对于目标港口的液化天然气船舶进出港航行方案进行了比对分析，并选取了最佳方案。Ozgecan[12]采用多种排队模型分析了伊斯坦布尔海峡的狭长水道内船舶航行的风险和效率，并针对水道中突发的交通阻塞问题进行了多种中断排队优化。Pulugurthal 等[13]从航道流量角度进行了船舶调度优化，侧重于航道的运输效率，忽略了船舶进入泊位的作业效率。Kelareva[14-15]在考虑潮高的基础上，建立了约束规划模型和混合整数规划模型来优化散货码头的船舶调度，其目的是获得码头最大的吞吐量。李世超[16]在分析港区船舶行为与船舶交通组织之间的关系，以及影响港口水域船舶交通组织因素的基础上，构建了港口水域船舶交通组织影响因素链网模型和港口水域船舶时空拥堵模型，并针对特定港口水域交通组织进行优化研究。Zhang等[17]提出了双向水道的船舶调度模型和算法，并与先到先服务的模式进行对比验证。陈卓欧[18]在分析天津港主航道现状的基础上，对其交通组织方式的改进提出一定的建议，并尝试以最小化船舶平均等待时间为目标函数，以相邻两条船舶进入航道间隔、追越次数等参数为约束条件，建立船舶最优调度数学模型，为天津港船舶调度效率的提升提供理论参考。Eduardo等[19]采用模拟退火算法，以船舶总等待时间最短为优化目标，建立了船舶通过长江口北漕航道的调度优化数学模型。郑红星等[20]构建了船舶进出散货港口的单向混合整数线性规划模型，并设计了启发式规则与模拟退火算法相结合的混合算法进行求解，并验证了方案及算法的有效性。晏榆洋等[21]分析构建港口船舶调度优化问题的多约束优化目标函数，建立了基于蚁群算法的港口船舶调度优化模型，并进行了仿真模拟实验，验证了船舶调度优化模型的可行性和优越性。

Lucas 等[22]以新加坡海域为例，将海上交通管理问题视为资源受限的调度问题, 建立了混合整数和约束规划模型，优化了模型的有效性，并利用航道的AIS(automatic identification system)数据集对模型进行了验证。Alessandro等[23]将航道调度问题看作多资源受限调度问题进行了建模，考虑了任务的最早和最晚开始时间以及与时间相关的资源容量因素，运用整数规划方法证明该方法优于其他相关研究的方法。Wang等[24]建立了一种新的单向受限航道的船舶自组织协作模型算法，并将模拟结果与先到先服务方法相比，船舶的平均延误时间明显缩短。Liang等[25]将模糊层次分析法与专家系统相结合，提出了一种新的模糊层次分析法，对长江上游水道中的船舶进行排序，并为每艘船舶生成最优的组织策略，以提高船舶调度的效率和准确性，同时也可以通过缩短行程时间来增加航道的通过能力。Liu等[26]结合元胞自动机和多智能体方法，提出了一种新的港口船舶交通研究模型，根据天津港交通流的仿真结果，得到了不同特殊交通规则下液化天然气船舶通行能力及其对一般船舶交通流的影响，可为优化液化天然气船舶港口交通组织提供理论支持。设计了数学规划模型对船舶和拖轮的协调调度。Xia等[27]提出了港口船舶组织优化与减速相结合的问题，通过一系列港口实际数据的实验，验证了船舶减速交通组织方法的有效性，其相关研究和方法可用于解决港口船舶减排问题。

对于进出港的通航船舶，泊位等资源会影响船舶的交通组织，因此有些学者在优化船舶交通时，考虑了泊位因素。为解决双向航道的船舶交通组织优化问题，Zhang等[28]建立了考虑泊位等资源的船舶交通组织优化数学模型，且考虑因素较全面，包含单/双向转换、船舶横向安全间距等约束。为了缓解局部交通组织对整体交通效率的影响，Xin等[29]提出了一种自组织分组交通组织模型，通过仿真结果表明，可以避免长距离限速航行，有利于缓解水路交通拥堵。

陈向[30]在分析天津港交通组织规则的基础上，分析了复式航道的特点，建立复式航道的船舶组织优化模型，并利用实际航道船舶数据验证了模型算法的有效性。孙甲坤[31]提出了天津港复式航道交通流组织模式的设计原则，并针对现行交通流组织模式所存在的安全隐患，提出了相关的优化方案。李翔[32]采用改进的蚁群算法，以在港船舶等待时间最短为优化目标函数求解在某一时刻港口船舶的最佳组织序列。Jesús 等[33]在考虑潮高因素约束下，对通过内河的船舶进行交通组织。Zhang等[34-37]在考虑泊位因素的基础上，采用(模拟退火)遗传算法对单向、双向以及复式航道的船舶交通组织问题进行单目标及多目标的优化，其优化目标包括总等待时间最短/航道占用时间最短，为港口交通管理部门提供船舶组织序列的决策参考。Li 等[38]建立了用于海港船舶调度的混合整数线性规划模型，并采用列生成算法，应用上海洋山深水港的数据对模型进行验证，同时也考虑了泊位影响因素。蒋思怡[39]在考虑靠泊条件、船舶港内掉头、船舶优先级、乘潮水位、船舶间安全距离等因素的条件下，建立了以船舶调度时间最短、船舶等候时间最短、船舶等候时间方差最小为优化目标的狭水道船舶进出港优化调度模型，最后采用厦门港海沧码头船舶调度实例进行了验证分析，表明该模型和调度方案的合理性和公平性。

Jia等[40]开发了一个考虑了公平和效率两个性能指标的优化模型，进而做出最佳船舶交通组织决策，利用上海港运营数据对模型和求解方法进行了验证，效果良好。Omar 等[41]提出了一种基于约束分离技术的混合整数规划公式和精确求解方法来解决船舶交通组织问题，并考虑了拖轮和引航约束，其结果优于先到先服务策略。Guo 等[42]提出了用于管理船舶交通组织和卸压作业的综合调度模型，实验结果表明该模型可避免过早卸压载和缩短船舶在港口停留时间。纵观港口航道船舶交通组织的研究成果，对某些航道船舶的特点、交通组织机理以及影响因素进行了分析，对需要解决的关键问题包括船舶安全间距、安全航速、船舶间的时隙冲突、交通流冲突、狭水道中船舶领域等问题进行了重点研究，为港口航道的船舶交通组织做出了重大的贡献，但目前船舶交通的研究主要针对某一具体航道，其理论及应用欠缺普适性。虽然研究成果促进了船舶交通管理技术及方法的进步，但由于船舶交通信息的繁杂、多源、多变等特点，以及船舶发展的大型化和通航密度的进一步增大，研究具有普适性的智能化的航道船舶交通组织具有重要的理论和实际应用价值。

1.2 运河船舶交通组织

Chen 等[43]提出了一种由船舶编队和水道交叉口协调调度组成的交通组织框架，通过实验模拟多达50艘船只在阿姆斯特丹运河网络中航行的场景，证明所提出方法的有效性。为减少运河交通的冲突和拥堵，Anita等[44]利用Petri网和遗传算法优化运河交通，并利用模拟方式对模型算法进行了验证。为了缩短船舶总的通过时间；Günther等[45-46]讨论了Kiel运河的双向船舶交通问题，并提出了一个用于航线网络调度的数学模型。Lübbecke[47]建立了船舶组织的数学模型和算法，并利用基尔运河实际交通数据，验证了所建立的组合算法对决策支持的适用性。Peng等[48]提出了一种简化的多目标遗传算法优化模型，用于在分流河道流量不等的情况下进行运河调度，为运河调度提供决策参考。Pellegrini等[49]借鉴列车调度中的车头时距概念，类似地在运河水道中沿同一方向移动的船舶之间创建安全距离。此外，船只被允许在不同的时间到达。Matteo等[50]设计了数学规划模型对运河港口的船舶和拖轮进行了协调调度，并提出了基于这些模型的启发式算法，以及利用实验分析评估了算法的性能。针对基尔运河的狭窄航段大型船舶无法双向通行的问题，Frank等[51]提出了新的优化模型，包括可变船速、侧线段容量和船舶等待时间限制，在符合相关交通规则和安全要求的前提下，将船舶的总通过时间降至最低。

1.3 通过桥区船舶交通组织

魏宏平[52]通过对海河下游水域船舶航行特点进行分析，提出了针对船舶通过海河开启桥与原海门大桥的交通组织优化方案。刘敬贤等[53]研究了港珠澳大桥水域的交通流，并提出了交通组织优化方案。周泓伶[54]通过研究长江桥区水域特点，采用现场统计方式获得通过桥区的船舶信息，并应用统计学方法分析船舶属性信息，拟合出船长、船速、船间距的分布规律，在此基础上，对船舶交通流航迹进行仿真分析，为桥区航行船舶提供一定的参考。由于桥区水域情况复杂、船舶密度大，而且每个桥区的情况均不相同，因此，研究桥区交通组织的共性特征，对于提高通航效率以及保障航行安全具有重要的意义。

1.4 考虑交叉水域的船舶交通组织

张天华等[55]通过船舶交通流分隔、船舶动态报告、航速控制、设定船舶缓冲区等措施，就天津港主航道与北航道交汇处的船舶交通组织方式进行了研究和讨论。郑娟[56]引入交通组织原理，研究了Y形航道的船舶交通特征，利用仿真软件对Y形航道的船舶交通进行仿真，得出Y形交汇水域采用不同组织规则对航道船舶通过能力的影响，该成果丰富了航道通过能力方面的研究，对于交叉航道的船舶交通管理具有参考价值。张新宇等[57]以天津港为例，解决了的Y形交叉水域的交通流冲突问题，为复式航道的船舶组织研究奠定了基础。Li等[58]通过分析港口受限航道的特点，提出了多港池受限航道的一般结构，并明确了船舶交通冲突的四个关键区域。在此基础上，考虑潮汐、通航连续性和通航规则等约束条件，提出了多港池受限航道船舶交通调度的多目标优化模型，以及一种结合非支配排序遗传算法和禁忌搜索的启发式算法。最后，利用黄骅煤港的数据证明了该模型和算法的合理性和有效性。Zhang等[59]解决了复式航道交通组织时交通流间的冲突问题，建立了复式航道的交通组织模型，并借助遗传算法利用天津港实际通航船舶数据对模型进行了验证，为复式航道的船舶交通组织提供了决策参考。

1.5 船舶过船闸的交通组织

Verstichel等[60]提出了多个平行闸室的船闸调度问题。一个特定的启发式方法被用于将船舶放于舱室中，并以先到先服务的方式对船闸进行排序。并通过应用延迟接受多邻域元启发式算法对初始结果进行了改进。Jannes 等[61]将船闸调度问题描述为将船舶分配给若干闸次的闸室排档子问题，给出了求解闸次调度子问题的线性规划模型，并提出了闸次排挡子问题的启发式算法对问题进行求解。Verstichel等[62]中对该问题做了进一步研究，将问题分为排船和闸次调度两个子模型，并进行交互求解，对求解结果进行对比表明效果优于文献[61]中启发式算法的求解结果，不过对于解决多闸室调度问题，其求解性能并无明显的优势。Ward[63]从数学的角度研究船闸调度问题。在探索不同的调度问题特性基础上，研究了单船闸调度、船闸调度序列的复杂性、平行闸室的调度等调度问题。Hermans[64]探讨了内河船闸的优化问题和算法，并证明了当多艘船在同一船闸中通过时，船闸调度问题即是非确定性多项式(Non-deterministic Polynomial,NP)难问题。最后，针对单船闸优化问题，提出了一种新的确定性调度算法。Uchacz[65]建立了船舶过船闸时间调度优化模型，分析了模拟不同交通密度和不同拖带长度下的等待过闸时间，并以图形方式显示结果。

Passchyn 等[66]研究了一系列连续船闸的调度问题，提供了两种不同的数学规划公式并进行了经验比较，研究了减少交通流量时间和减少排放之间的权衡，以及将集成模型的结果与船闸调度的启发式模型的结果进行比较。张亚[67]在考虑了闸室面积利用率和平均待闸时间评价指标基础上，建立了上下游船闸联合调度模型，然后通过MATLAB对该联合调度模型进行仿真，证明该模型的可行性。Prandtstetter等[68]提出了一种求解相互依赖船闸调度问题的变邻域搜索方法。Verstichel[69]介绍了船闸调度的仿真模型和优化方法，该方法能够模拟平行闸室船闸基础设施的变化对交通调度的影响,并用实例进行了验证。王澎涛[70]在考虑气象因素对船闸调度影响的基础上，建立一个二维正态分布的时空气象概率模型，进而建立了三峡与葛洲坝联合调度模型。孔庄[71]基于单级多线船闸调度模型建立了一种考虑闸室负荷均衡、船闸服务质量等条件的多级船闸调度模型。侯坤超[72]通过对影响船闸通过能力的因素进行分析、指标评价，用定量化方法确定船型标准化对船闸通过能力的影响。在此基础上，以闸室面积利用率为优化目标，以综合权重为约束，构建船闸调度优化模型。Bugarski等[73]基于船闸调度中存在主观性以及一些不确定因素提出模糊决策支持系统。Ji等[74]针对船闸调度问题，提出了一种借鉴柔性作业车间调度的混合整数线性规划模型，可以解决四个舱室船闸和20艘船的调度实例，实验结果表明，此模型比较适合处理高密度船闸交通场景。

1.6 船舶交通组织算法

船舶通过航道的交通组织是一个复杂的优化问题，由于问题的约束条件多，求解该类问题难度较大，传统的确定性算法存在一定困难，因此遗传算法、模拟退火、禁忌搜索、蚁群等启发式算法是常被采用的一类方法。Verstichel等[75]利用元启发算法解决船舶过船闸的调度问题，弥补了混合整数线性规划算法只能求解小规模船闸调度问题的缺点，并用实际数据对模型和算法的有效性进行了验证。Sluiman[76]提出了一种双向航路的船舶组织算法，该算法可以保证船舶之间的安全距离，增加航道利用率。并用巽他海峡、伊斯坦布尔海峡和日本内海验证了算法的实用性。Luy[77]开发了NP难的离线船闸调度问题的组合优化算法，包括算法和计算解的分析框架，并用基尔运河的实例进行验证。胡适军等[78]在对船舶排闸问题进行建模的基础上，提出船舶排闸的遗传算法，并利用仿真系统验证了遗传算法的有效性。季彬[79]针对混合整数线性规划方法只能有效求解小规模船闸泊位联合调度问题的问题，提出了基于模糊控制的混合启发式方法，通过实例验证表明该方法可用于求解中大规模船闸泊位的联合调度问题。Gan等[80]提出了一种基于滑动窗口的在线船舶排序与调度算法，来解决受限航道中船舶排序和调度问题，通过引入“位置偏移”概念，利用船舶在受限水道中的航行时间差，生成更高效的船舶序列，并引入滑动窗口机制来处理交通不确定性，降低计算复杂度，由于滑动窗口方案的计算量较小，为未来船舶排序和调度问题在线优化方法的开发提供了可能。

2 现有研究特点

综上所述，复杂水域船舶交通组织问题研究在深度和广度方面均已取得了较好的成果，呈现出以下研究特点。

2.1 研究领域范围较广

研究方向基本包括了船舶航行所面对的典型复杂水域：单向[4,20,24,35,80]、双向[17,19,23,28,32,45,46,51,72]以及复式港口航道[30,31,37,57,59]、典型的交叉水域[55-59]、运河[44-51]、船闸[60-79]和桥区[52-54]的交通组织。在研究内容方面，不仅包括影响因素的分析、提升安全效率的参考建议，也包括典型港口、航道、运河等组织模型的建立，以及验证算法的设计。在优化目标方面，既包括总的等待时间最短[19,23,26,32,59]，也包括航道(船闸)占用时间最短[34-37,51]。研究成果不仅改善了复杂水域通航交通的安全和效率，也为船舶交通组织的相关管理部门提供了重要的决策参考。

2.2 研究方法多样性

研究方法既包括传统的排队论、线性规划[38]等，也包括元启发智能算法，如遗传算法[26,28,34-37,44, 59,77]、粒子群算法[10]、模拟退火算法[19,20,34]、蚁群算法[21,32]等。对于线性规划、整数规划等经典算法，可以找到问题的最优解，但过于依赖优化问题的数学特征，适合求解小规模问题，随着问题种类的增多以及规模的扩大，很难在可接受的时间内找到问题的优解，而智能优化算法不依赖求解问题的函数解析性质，只需计算目标函数的值即可，具有快速有效的特点，其中，遗传算法对于解决单向[26,35]、双向[28]、以及复式航道[30,36-37,59]的通航船舶组织问题均具有较好的效果，同时，面对复杂的情况，如考虑泊位因素[28,34,38,79]、引航员因素[7,41]以及卸压载水计划[42]，也可以找到可行解，另外，遗传算法对于解决运河及船闸交通组织问题，也是可行的[48,77]。在利用遗传算法求解问题时，需要确定问题的目标函数和解变量，然后对解变量进行编码、选择、交叉、变异等操作，不同的编码策略和参数选择对遗传算法的运行效率和结果均有较大的影响，且不能保证找到最优解。而粒子群的优势在于简单、容易实现，且没有许多参数需要调整以及交叉变异等操作，对于非线性、多峰问题具有较强的全局搜索能力，因此，赖志俊[10]利用粒子群算法对船舶交通组织进行优化，但算法搜索中容易陷入局部最优，后期收敛较慢，有时全局捜索效率不高。

由于模拟退火算法在搜索的过程中可以接受比当前最好解差的解作为初始解进行局部搜索，因而该算法具有较好的跳出局部最优的能力，因此，Eduardo等[19]运用模拟退火算法对单、双向船舶交通进行了组织，效果良好，但模拟退火的运算时间与全局搜索能力不可兼得，因此，有些学者[21,32]借助蚁群算法对船舶进行组织优化。但该方法容易出现停滞现象，不利于发现更好的解。因此，结合各自算法的特点，混合两种智能算法[20,34]，融入各自的优势，对于船舶交通组织优化具有重要的意义。文献[20]在研究散货港口的船舶组织时将启发式规则与模拟退火算法相结合，显著提高了目标值的优化率。文献[34]将模拟退火算法和遗传算法结合用于解决单航道的船舶交通组织问题，较单独使用遗传算法相比，其运行效率和目标结果均有所改善。另外，有些研究在借鉴车间调度、旅行商问题(travelling salesman problem,TSP)、车辆调度等问题的基础上，对智能算法进行改进，效果良好，也丰富了复杂水域船舶组织的算法理论。在模型验证方面，既有模拟仿真验证，也有通航航道实船数据验证，并与其他交通组织模式(如先到先服务)的结果进行了对比，具有较强的说服力及适用性。

2.3 考虑的因素较全面

不仅考虑了通航规则、航道条件、船舶优先级等特性，而且还考虑了影响船舶航行安全的水文、气象等因素。同时，有些研究也考虑了影响港口船舶交通组织的泊位因素、交通流的交叉冲突、双向通航宽度限制、上下游相邻船闸的情况等因素，这就使船舶交通组织模型更完善、全面，更具有实际应用意义。

3 进一步探讨或研究的空间

3.1 关于航道交通组织模型的研究需更深入、全面

关于提高通航效率的研究多集中在提出对策建议层面，就水道船舶交通组织的模型和算法研究相对较少。而且，大部分研究仅针对某一港口水道(船闸)，建立的通用性的船舶交通组织和模型的研究不多。同时，航道交通组织的影响因素较多，很多研究采用了较多的假设条件，忽略了一些影响组织安全的实际因素，因此，与实际情况相比，模型有待进一步改善。

3.2 考虑潮水因素的影响

统计了中国渤海、黄海、东海、南海沿岸货物吞吐量排名靠前的50个港口发现：几乎所有的港口航道水深都会受到潮汐的影响，其中，平均超差在1 m 以内的占12%，平均超差在1～2 m 和2～3 m的分别占50%和22%，而平均潮差3 m以上的占16%(图1)。同时，由于船舶大型化的发展趋势，很多大吃水船舶通航必须借助潮水。如安特卫普港航道、斯特尔特河，德黑兰港航道、汉堡港航道，船舶进出航道均需借助潮水。因此，研究动态变化的潮水影响的水道交通组织具有重要意义。

然而，关于考虑潮水因素的船舶交通组织研究并不多，文献[17]虽然考虑了潮水时间窗对船舶组织的影响，但是时间窗是固定的，对于不同的吃水船舶，通航时间窗却是不同的；文献[32]也考虑了潮汐因素对船舶组织的影响，但是对潮汐数据进行了简化，不能反映出实际的潮汐因素对调度所带来的影响。文献[36]考虑的变化的潮高的影响，但与实际问题相比，模型有待完善。文献[19]考虑了潮汐因素，但采用固定的通航窗口，而对于不同的船舶，由于其吃水不同，通航窗口也是不同的。张新宇等[57]在研究通航船舶组织时考虑了潮高因素，但与实际的情况相比，模型仍有待完善。蒋思怡[39]考虑了潮水的影响，但是潮水模型偏于简化，算法的设计有待完善。因此，研究实时潮高对航道船舶交通组织的影响是下一步的研究重点。但是潮高是实时变化的，且与航道位置有关，因此，潮高的准确预报以及动态潮高对每艘船舶通航时间窗的选择均是下一步的研究难点。

图1 中国沿岸港口平均潮差统计Fig.1 Statistics of mean tidal range of coastal ports in China

3.3 考虑并整合其他因素信息

航道船舶交通组织影响因素众多，除了受水流、潮汐、能见度、大风等自然条件和航道条件影响外，还有拖轮、引航员、集装箱码头岸吊、泊位、船舶种类及船舶状况等因素的影响；同时，对于长航道，有可能包括港口航道、船闸、桥区交通、交叉水域等，因此下一步应该全面考虑影响因素、实现多种信息系统的整合和数据互通以及多个通航区船舶的联合交通组织进而建立复杂水域通航秩序管理新格局、实现船舶交通组织一体化。

3.4 智能改进混合算法的运用

传统的精确求解方法可以得到问题的最优解，但对小规模问题适用，当问题的规模较大时，一般无法在可接受的时间内获得问题的最优解。而智能优化算法，具有全局优化性能，通用性强，且适合并行处理。因此，借助近似求解的智能算法，虽然不能保证一定找到最优解，但是在较短的时间内可以找到一个可接受的优解。因此，随着通航船舶数量的增加，对智能算法的研究更具有实际的意义。然而，传统单一的智能算法容易使结果陷入局部最优，为了在较大的范围搜索优解，根据智能算法的特点，将两种智能算法结合，并根据实际问题进行改进，可以方便更快找到最优解。

3.5 船舶自动识别系统大数据的处理及应用

随着船舶及交通管理部门信息化程度的提高，可获得海量的船舶自动识别系统(automatic identification system,AIS)数据，对这些大数据进行处理、数据挖掘，可获得船舶行为特征、规律以及便于船舶领域的研究，为交通组织服务。同时，利用海量的船舶自动识别系统数据，借助深度学习算法可对船舶的交通组织进行训练，以便获得更优的交通组织方案。因此，船舶自动识别系统大数据的处理、深度挖掘、规律分析、航道航迹提取和深度学习等关键技术在交通组织方面的应用是下一步的研究重点之一。

4 结论和展望

由于影响因素众多，且每个复杂水域的情况不尽相同，因此复杂水域的船舶交通组织研究是一个循序渐进的过程，需要更多研究学者的贡献。对目前中内外众多学者在复杂水域交通组织方面取得的丰富成果进行梳理，在进行分析评价的基础上，探讨了该问题研究的特点，并提出了下一步重点研究方向，包括影响交通组织因素的全面考虑(水流、潮汐、能见度、拖轮、引航员等)，由于每增加一个因素，都会使模型的建立和算法的设计更加复杂，尤其是运算复杂度和时间会骤增，因此，优化的模型以及高效的算法或智能算法的优势融合，以此实现船舶交通智能组织与多种资源约束的协同调度，是下一阶段研究的难点之一。另外，对海量通航船舶数据进行数据挖掘，抽象出具有较强普适性、通用性的复杂水域交通组织模型，并借助大数据，利用机器学习等技术以获得更优的交通组织方案，进而实现复杂水域船舶交通组织的信息化、一体化、智能化，也是下一阶段的研究重点。鉴于日益繁忙的复杂水域航道，更有效的在线交通组织优化算法和模型的研究也十分必要。