该研究旨在调查一个主要河口港（珠江口近港珠澳大桥）的潮汐流与船舶进出港行为之间的关系。主要目标是了解船舶当前在多大程度上利用有利潮汐（顺潮航行）以及逆潮航行的情况，特别是出于节能和减少排放的目的。

知海拾贝 | 精读Applied Energy系列 | 以节能为目的分析河口港潮汐与船舶行为的时空相关性

工驭集 | 读书期间的免费资源——GitHub教育版（GitHub Education）

知海拾贝 | 中国船级社对于智能船的要求

在全球航运业面临国际海事组织（IMO）日益严峻的能效法规（如EEXI, CII）和数字化转型的双重压力下，如何经济且精准地评估并提升船舶的能源效率，已成为业界和学术界共同关注的核心议题。然而，实践中普遍存在一个关键瓶颈：大多数在航船舶并未配置昂贵且全面的性能在线监测系统，导致可用于精细化分析的实时数据维度严重不足。船员日常所依赖的航海日志（Noon Report）虽能提供基础的运行参数，但其深度和广度远不足以支撑主动的能效优化与早期故障诊断。针对这一普遍存在的“数据稀疏性”挑战，本文以一艘集装箱船为研究案例，提出并系统性地验证了一种创新的、结合物理仿真与数据驱动的混合方法学。该方法巧妙地将基于第一性原理的发动机优化仿真模型与数据驱动的自适应神经模糊推理系统（ANFIS）相集成，其核心在于利用仿真模型对船上常规数据进行“扩充”与“深化”，从而为后续的智能分析提供高质量的数据基础。研究结果强有力地证明，该策略能够有效克服数据稀疏性的瓶颈，为航运公司提供一个低成本、高灵敏度的船舶能效监控、控制与改进的数字化工具。

知海拾贝 | 精读Ocean Engineering系列 | 基于优化模型和数据驱动方法的船舶能效策略

在全球海运贸易规模持续扩大，港口运营效率对全球供应链和国际贸易至关重要的背景下，如何全面评估港口内船舶在不同区域（如泊位、锚地、航道）的时间效率已成为关键议题。然而，以往研究多聚焦于泊位运营效率，对港口其他阶段（如 VTS 线到泊位、泊位到 VTS 线、锚地等）的效率研究有限。针对这一局限，本文以上海洋山港和厦门港的集装箱船、货船、油轮和客船为研究对象，提出了一种基于 AIS 数据的时间效率评估框架。该框架利用时间地理学中的时空路径概念，从 AIS 数据中提取船舶时空轨迹，计算船舶在不同港口区域和状态下的时间消耗，并通过统计分布分析进行港口内部及港口间的效率比较。研究结果表明，该框架能有效评估船舶在港口不同阶段的时间效率，为航运公司和港口当局的调度优化及物流支持提供了有价值的信息，证明了将 AIS 数据与时间地理学结合用于港口效率评估的科学性与可行性。

知海拾贝 | 精读Journal of Transport Geography系列 | 海港内船舶运行的时间效率评估：基于 AIS 数据的两个港口案例研究

在全球航运业面临能源效率提升与减排压力的背景下，如何在降低运营成本的同时满足国际海事组织（IMO）的严格 regulations 已成为关键议题。然而，实践中船舶运营数据稀缺且获取成本高昂，极大地限制了能源效率管理策略的制定与实施。针对这一瓶颈，本文以集装箱船为研究对象，提出并验证了一种创新的、结合发动机优化模型与人工神经网络（ANN）的混合决策支持系统。该方法的核心思想在于利用实时航行数据驱动发动机仿真模型生成扩展参数，再通过 ANN 精准预测燃油消耗。研究结果表明，该系统能有效解决数据稀缺问题，其中最优 ANN 模型（1 个隐藏层、5 个神经元）的 R² 达 0.99697、RMSE 为 0.00035、MAPE 为 0.06470，为航运公司提供了一种低成本、高效的能源效率管理工具，对 maritime 行业的可持续发展具有重要意义。

知海拾贝 | 精读Energy系列 | 基于优化模型的船舶能效管理决策支持系统

在全球变暖加剧、海运业温室气体排放占比虽低但增长潜力巨大的背景下，提升船舶能效以减少排放并降低运营成本已成为关键议题。然而，实践中存在能效监管标准不完善、不同类型船舶能效评估存在盲区、行业内存在能效提升障碍等问题，极大地限制了海运业向绿色化发展的进程。针对这些问题，本文对船舶能效领域进行了系统性综述，涵盖监管框架、设计与运营阶段的能效提升措施、行业整体能效提升路径及面临的障碍。研究结果表明，通过优化设计（如船体参数、推进系统、采用替代能源等）、改进运营（如减速航行、航线优化等）以及完善监管和利用新技术（如大数据、生命周期评估等），能够有效提升船舶能效，为海运业实现生态友好转型提供了全面的思路与参考。

知海拾贝 | 精读Ocean Engineering系列 | 船舶能效综述

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。

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

在全球贸易中，海运承担着超过 80% 的货物运输，然而其主要依赖重质燃料油，产生大量温室气体和污染物，面临国际海事组织（IMO）排放法规的约束以及降低燃料成本（占船舶运营总成本 50%-60%）的压力。在此背景下，船舶能源效率优化成为关键议题。但船舶燃料消耗受多种因素影响，相互作用复杂，且现有预测模型常与航运领域知识相悖，难以满足实际需求。
针对这一问题，本文以散货船为研究对象，提出并验证了一种创新的、结合航运领域知识的定制化人工神经网络（ANN）混合方法学。该方法通过数据融合技术整合多源数据，并在模型结构和参数中融入单调性、凸性等航运领域知识。研究结果表明，所提出的燃料消耗预测模型平均绝对百分比误差为 7.5%，优于其他模型，且基于该模型开发的航速优化模型能将船舶能源效率提高 2%-2.5%，为航运业提供了一种准确且符合行业常识的能源效率优化新工具。