论文标题：Data-Driven Modeling of Maritime Transportation: Key Issues, Challenges, and Solutions

期刊：Engineering

DOI：https://doi.org/10.1016/j.eng.2022.12.009

微信链接：点击此处阅读微信文章

来自上海大学、香港理工大学和丹麦技术大学的研究团队在中国工程院院刊《Engineering》2023年12月刊上发表了以“Data-Driven Modeling of Maritime Transportation: Key Issues, Challenges, and Solutions”（海运数据驱动建模——关键问题、挑战和解决方案）为题的观点述评文章。该研究深入分析了海运中面临的不确定性及建模挑战，并提出了数据驱动的建模方法，为提高港口活动和航运公司效率提供了新的思路。

海运在全球物流系统中占据着举足轻重的地位，超过 80% 的国际贸易依赖海运网络。然而，港口运营和航运操作中存在诸多不确定性因素，如船舶到达时间、装卸集装箱时间、泊位可用性、海况、天气条件以及运输需求等，这些因素给海运规划带来了巨大挑战。在不考虑不确定性的情况下制定的决策实用性有限，因此关注不确定因素对于提升海运效率至关重要。

研究团队指出，将这些不确定因素引入海运模型面临诸多困难。一方面，相关历史数据难以收集；另一方面，港口活动和航运操作难以提前准确预测，且已有决策会影响后续决策，这使得制定整个航程的最佳决策方案变得极为复杂。以中远航运公司的亚太班轮航线为例，从厦门到蛇口的航行时间受多种不确定性因素影响，导致船舶到达和离开蛇口港的时间均无法确定，进而影响后续港口的停留时间，这使得航线优化模型的构建极为复杂，扩展到整个航运网络更是难上加难。此外，由于海运模型的复杂性，求解也变得极为困难，构建模型时需同时考虑设计求解方法，这进一步增加了模型构建的难度。

为应对这些挑战，研究团队提出了海运优化的数据驱动建模方法。一种措施是基于历史数据生成港口运营和航运操作场景，对于不同类型的研究问题，可采用不同的数据生成方法，如蒙特卡罗抽样，以模拟真实操作环境，从而获得更优的可行解。另一种措施是提供船舶自动识别系统（AIS）等实时数据，AIS 可提供船舶的多种信息，通过分析这些数据生成的实时和预测数据，可优化港口和航运活动，节省成本或提升利润，国际海事组织也已将其应用于温室气体排放评估。此外，将区块链技术引入航运业也能有效优化运营，它能促进信息共享和通信，整合来自不同区块的数据，如 AIS 数据、集装箱运输需求信息和处理进度报告，以改进运营管理。

尽管数据驱动建模方法具有潜力，但区块链在海运中的应用仍面临信息记录不完整、系统不兼容和技术不成熟等障碍。研究团队强调，改进区块链系统对于构建更优化的港口和航运模型至关重要。

该研究成果为海运行业应对不确定性提供了重要的理论支持和实践指导，有望推动海运规划和决策的优化，提升全球物流系统的效率和可靠性。未来，随着数据驱动建模方法的不断完善和区块链技术的成熟，海运行业将迎来更高效、智能的发展。

文章信息：

Data-Driven Modeling of Maritime Transportation: Key Issues, Challenges, and Solutions

作者：

诸葛丹, 王帅安, 镇璐, Harilaos N. Psaraftis

引用：

Dan Zhuge, Shuaian Wang, Lu Zhen, Harilaos N. Psaraftis. Data-Driven Modeling of Maritime Transportation: Key Issues, Challenges, and Solutions. Engineering, 2023, 31(12): 25–26 https://doi.org/10.1016/j.eng.2022.12.009

Open access

开放获取全文

https://www.engineering.org.cn/engi/EN/10.1016/j.eng.2022.12.009

推荐阅读

Engineering 2024年度最美封面评选开始啦！

何满潮院士团队：以跨断层测量国际对比研究计划，贡献中国方案助力全球地震预测

市政污水磷回收新突破：助力磷酸铁锂电池发展

清华大学团队展望 6G 通信创新方向：从系统视角推动技术变革

一文读懂作物表型组大数据技术及装备标准体系