知海拾贝 | 精读IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS系列 | 一种基于等时线的预测优化方法在高效船舶航行规划与执行中的应用

type

status

date

slug

summary

补充资料

等时线方法（Isochrone Method）

等时线方法是一种动态网格基于的船舶航行优化算法，其核心思想是通过迭代生成等时线（isochrone）来规划航线。等时线是指在特定时间阶段内，船舶从当前位置出发，沿不同方向能够到达的最远点所构成的轮廓线。

核心原理：将航行过程划分为一系列时间阶段，每个时间阶段根据当前航点生成下一阶段的潜在航点，这些航点构成新的等时线。通过筛选出 “最优” 航点（如基于燃料消耗、距离等成本函数），逐步推进至目的地。

特点：

无需预先定义静态网格，网格随航行过程动态生成，适应性强。
能保证较准确的预计到达时间（ETA），符合航运业 “准时制（JIT）” 需求。
传统方法存在缺陷：可能出现 “等时线环”（不规则形状导致结果不可用），且在接近目的地时易产生突变转弯，路线收敛性差。

IPO（Isochrone-based Predictive Optimization，基于等时线的预测优化方法）

IPO 是在传统等时线方法基础上改进的航行优化算法，旨在解决传统方法的路线平滑性、局部优化和计算效率问题。

核心改进：

分阶段航点生成与网格划分：将航行分为前半段和后半段，采用不同的子扇区策略。前半段子扇区范围随航行距离增大而扩展，避免早期偏离目的地；后半段子扇区范围随接近目的地而收缩，确保路线平滑收敛，减少突变转弯。

预测性成本函数：成本函数不仅考虑当前航点的局部成本（如已消耗燃料），还加入启发项预测从当前航点到目的地的未来成本（如预计燃料消耗），避免局部优化陷阱。

整合物理信息机器学习模型：结合船舶性能模型（如速度 - 功率关系），提高燃料消耗预测的准确性和效率。

优势：

生成平滑路线，避免传统方法的突变转弯。
在多样化海况下实现节能（平均减少 5% 燃料消耗），同时保证准时性。
计算效率高（运行时间约 40 秒），支持实时在线调整，适应动态航行环境（如天气变化、目的地变更）。

应用场景：适用于远洋船舶的航行规划与执行阶段，尤其适合需要平衡节能、准时性和动态调整的场景。

摘要

在国际海事组织（IMO）强化温室气体（GHG）战略，目标是到 2030 年减少 20% 排放、2050 年实现净零排放的背景下，提高船舶航行能效以减少燃料消耗已成为关键议题。然而，传统的船舶航行优化方法存在诸如路线出现 abrupt 转弯、易陷入局部优化、计算资源需求大等问题，限制了其在实际航行中的高效应用。针对这些瓶颈，本文以一艘化学品 tanker 的航行情况为研究对象，提出并验证了一种创新的、基于等时线（Isochrone）与预测优化相结合的混合方法学 —— 基于等时线的预测优化（IPO）方法。该方法的核心思想在于将航行优化分为两个阶段，采用不同的航点 / 网格划分策略，同时优化成本函数以避免局部优化，并整合物理信息机器学习船舶性能模型。研究结果表明，该策略能够有效生成平滑路线，避免不合理转弯，在保证准点率的同时平均减少 5% 的燃料消耗，且运行时间约为 40 秒，为船舶航行规划与执行提供了一种高效、节能的新工具。

研究方法

本研究构建的 IPO 方法，其方法论的核心在于通过分阶段的航点生成与网格划分策略，结合预测性的成本函数，突破传统等时线方法在路线收敛性和局部优化方面的局限。该框架的整体技术路线遵循一个清晰的流程，即初始化、第一阶段航行搜索、第二阶段航行搜索、最优路线确定，构成了从出发到抵达目的地的完整分析闭环。

研究的第一阶段是IPO 方法的初始化与参数设置。研究团队设定了参考速度Vs以及五个关键参数（航向角增量Δθ、每个当前航点的后继航点数量2m+1、子扇区数量2r、每个局部子扇区的搜索限制宽度ΔD、相邻时间阶段的时间间隔Δt），为后续的航点生成和路线搜索奠定基础。同时，做出了三个假设：将船舶航行规划视为二维优化问题、假设整个航行过程中船舶装载条件和状态相同、假设每个时间阶段的持续时间足够小以保证海洋环境稳定。这些设置和假设确保了方法的实用性和科学性。

接下来的分阶段航行搜索与航点生成环节，是本研究方法论中最具创新性的核心步骤。在航行距离大于总距离的一半时，采用第一阶段航行搜索策略：从出发航点P0开始，按照参考航向生成第一个等时线P1的航点，之后在每个时间阶段，基于前一等时线的航点生成潜在航点，并通过子扇区确定每个子扇区内的最优航点，以避免航点数量呈指数增长。此阶段成本函数定义为寻找距目的地最近的航点，避免早期阶段偏离目的地过远。当航行距离小于总距离的一半时，进入第二阶段航行搜索：重新定义子扇区为关于到目的地距离的单调递减函数，使路线逐渐收敛至目的地；同时，成本函数增加了启发项，预测从当前航点到目的地的未来燃料消耗，避免局部优化。这一过程成功获取了能够平滑收敛到目的地且全局优化的航点序列。

研究的最后阶段是候选路线集生成与最优路线选择。当最新航点到目的地的距离小于一个时间阶段的航行距离时，将所有航点直接连接到目的地，形成候选路线集R。选用最小累积燃料消耗作为评估指标，从候选路线集中选择最优路线R∗。通过六艘化学品 tanker 的实际航行案例，将 IPO 方法与传统大圆航线（GC）、改进的等时线方法（MI）、二维迪杰斯特拉算法（2DDA）和三维迪杰斯特拉算法（3DDA）进行比较，验证了 IPO 方法的有效性和效

结论

本研究通过严谨的案例分析与结果对比，得出了一系列具有重要理论与实践价值的结论。首先，研究结果强有力地证实了所提出的IPO 方法的有效性。该策略成功地解决了传统等时线方法和图搜索方法中出现的不合理 abrupt 转弯问题，通过分阶段的航点网格划分策略，使优化路线能够平滑地收敛到目的地，证明了分阶段策略和预测性成本函数的科学性与可行性。

其次，IPO 方法在能效优化和准点率保证方面表现出卓越的性能。论文中的案例结果显示，与实际路线相比，IPO 方法在恶劣海况航行中可减少 9% 的燃料消耗，在平静海况航行中至少减少 3%，所有案例平均减少 5% 的燃料消耗，且能够保证准确的预计到达时间（ETA）。在与其他方法的比较中，IPO 方法的结果接近包含速度优化的 3DDA 算法，但运行时间约为 40 秒，比 3DDA 快 80 到 100 倍，比 2DDA 快约 2 倍，在能效、准点率和计算效率之间取得了最优的平衡。

最终，本研究的意义在于，它为船舶航行优化领域提供了一种高效且实用的新工具。它无需大量的计算资源，能够实现在线实时调整，适应动态的航行环境。从更宏观的视角看，本研究是可持续发展理念在船舶航运领域一次成功的、可落地的应用示范，为航运业减少温室气体排放、实现绿色航运的未来发展方向提供了宝贵的思路和技术参考。

文中图表系统梳理

本文的图表设计逻辑清晰，系统性地支撑并可视化了从研究方法构建到核心结果验证的全过程，是理解本研究精髓不可或缺的重要组成部分。

图 3（IPO 方法主要流程的流程图） 作为理解本文宏观研究设计的 “地图”，以简洁的流程图形式串联起了初始化、分阶段航行搜索、路线连接和最优路线确定等核心环节，清晰地展示了 IPO 方法独创的技术路线。

表 I（用于描述所提出算法的符号和参数） 则是支撑整个方法论可靠性的 “基石”，它通过详细列出各符号的含义和参数的作用，强有力地证明了 IPO 方法在参数设置上的严谨性，为后续所有分析的有效性提供了坚实的前置保障。

数据内在关系与模型性能的展示则构成了图表的核心内容。图 1（传统等时线方法优化的路线在目的地附近的 abrupt 转弯示例） 和图 5（航行前半段和后半段的子扇区示意图） 通过对比和示意的形式，揭示了传统方法的缺陷以及 IPO 方法分阶段子扇区划分的优势，为后续的方法改进提供了直观的数据层面依据。

而图 12（三个西行案例中不同优化方法生成的优化路线）、图 16（三个东行案例中不同优化方法生成的优化路线） 与表 IV（三个西行航行的结果）、表 V（三个东行航行的结果） 则共同构成了展示研究核心成果的关键证据。前者通过路线图的形式，生动地展示了 IPO 方法生成路线的平滑性和合理性；后者则从定量的角度，精确地列出了各方法的 ETA、燃料消耗、航行距离、平均速度和运行时间等性能指标，为筛选出 IPO 这一最佳方案提供了直接、客观的决策依据。二者图表结合，全面而深入地论证了该研究的科学性与有效性。