建模船舶跟随行为及其在航道容量预测中的应用

《Ocean Engineering》：Modeling vessel-following behaviors and its application on channel capacity prediction

船舶跟随模型与AIS数据在苏伊士运河频道容量估算中的应用研究。基于507次航迹跟踪事件，系统校准优化驾驶模型（IDM）等五种经典车流模型，验证IDM在精度（RMSPE=0.027）和鲁棒性上显著优于GM及Newell模型。通过建立流量-密度与速度-密度关系，结合基础图分析，提出船舶跟随模型驱动的容量估算方法，苏伊士运河实测容量区间为12-19艘/小时，方法有效整合微观航迹交互与宏观交通流特性，为水道管理提供数据驱动新范式。

　　在现代航运系统中，航道容量的准确评估对于提升水路运输效率、缓解交通拥堵具有重要意义。随着全球航运活动的持续增长，特别是中国船舶数量的显著增加，航道资源的供需矛盾日益突出。这种不平衡不仅导致了船舶通行效率的下降，也对全球供应链的稳定性构成了潜在威胁。因此，如何科学地评估航道容量，成为当前水路交通管理研究中的核心议题之一。

传统的航道容量评估方法主要包括基于经验公式的计算、排队论模型以及交通模拟技术。然而，这些方法在实际应用中往往存在一定的局限性。基于经验公式的计算方式通常依赖于特定的修正系数，这些系数的选取具有较强的主观性，难以适应复杂多变的航道运行环境。排队论模型虽然能够对航道的交通流进行一定程度的建模，但其有效性受到输入参数数量多、依赖性强以及对到达和服务过程概率分布的假设等条件的限制。而交通模拟方法虽然能够较为细致地再现船舶航行行为和交通流动态，但其结果高度依赖于模型的构建精度和参数的校准质量，因此在实际应用中存在一定的不确定性。

为了解决这些问题，近年来研究者们开始关注微观层面的船舶跟驰行为，试图通过更贴近实际的模型来提高航道容量评估的准确性。在道路交通领域，基本图（fundamental diagram）作为一种经典的流量分析工具，已被广泛应用于交通容量的预测。基本图通过描绘交通流中的流量、密度和速度之间的关系，能够直观地反映交通系统的运行状态。然而，在水路交通领域，基本图的应用仍处于探索阶段，尤其在海上航道中，由于数据获取的困难，基本图的构建往往局限于自由流状态，缺乏对非自由流状态的深入研究。

针对这一现状，本文提出了一种基于船舶跟驰行为建模和基本图推导的新方法，旨在提升航道容量评估的准确性和实用性。该方法利用苏伊士运河的AIS（自动识别系统）数据，提取了507个船舶跟驰事件，并基于这些数据对五种经典的汽车跟驰模型进行了校准。其中，智能驾驶员模型（IDM）表现最为突出，其验证阶段的均方根百分比误差（RMSPE）仅为0.027，远优于其他模型如GM模型和Newell模型。这表明，IDM在模拟船舶跟驰行为方面具有较高的拟合度和稳定性，能够更好地反映实际航行情况。

通过校准后的模型，本文进一步推导了流量-密度和速度-密度之间的均衡关系，并结合基本图进行航道容量的估算。研究结果显示，根据不同的模型，苏伊士运河的航道容量估计值在12至19艘/小时之间波动。这一结果不仅与基于船舶领域理论的模型研究结果相吻合，也为航道容量的评估提供了一种更加系统化、数据驱动的替代方案。此外，该方法在不依赖复杂参数输入和概率分布假设的前提下，能够有效捕捉船舶之间的互动行为，从而更全面地反映航道运行的复杂性。

本文的研究框架主要包含三个核心部分。首先，通过系统化的数据处理流程，从AIS数据中提取船舶跟驰事件，包括数据预处理（如异常值剔除、轨迹重建）、坐标转换以及基于空间、航向和时间约束的事件识别。这一过程确保了数据的准确性和完整性，为后续建模提供了坚实的基础。其次，基于提取的船舶跟驰轨迹，对多种船舶跟驰模型进行了校准和比较分析，重点考察了IDM模型在不同船舶类型和运行场景下的适用性。最后，通过将校准后的模型与基本图相结合，实现了对航道容量的准确预测。这一方法不仅提升了模型的实用性，也为水路交通系统的管理提供了新的思路。

在数据准备方面，本文选取了苏伊士运河作为研究对象，因为其在全球航运中占据重要地位。据统计，全球约有12%的货运船舶通过苏伊士运河，这使得该航道成为研究船舶通行效率和容量评估的关键场所。苏伊士运河的长度约为11海里，其地理坐标在研究中被详细列出，为后续的数据处理和模型构建提供了明确的参考。通过对AIS数据的预处理，包括数据清洗、轨迹重建和坐标转换，研究人员能够更清晰地识别船舶的跟驰行为，并从中提取关键参数用于模型校准。

基本图的构建是本文研究的重要环节之一。研究团队利用2021年3月采集的AIS数据，对基本图的散点进行了分析。每一点都代表了观测区域在特定时间点的交通流状态。数据显示，船舶密度主要集中在每海里2.5艘以内，而流量则大致维持在每小时20艘左右。值得注意的是，这些数据点主要集中在未拥堵区域，流量与密度之间呈现出线性关系。然而，在非自由流状态下，数据的缺失或不足限制了对交通流演变过程的全面理解，这也成为航道容量评估中的一个关键挑战。

本文的研究成果具有重要的理论和实践意义。从理论角度来看，通过引入船舶跟驰行为建模，本文拓展了基本图在水路交通中的应用范围，为研究船舶交互行为对交通流的影响提供了新的视角。同时，本文系统地探讨了经典汽车跟驰模型在水路交通中的适用性，填补了该领域的研究空白。从实践角度来看，本文提出的方法能够为航道容量的优化提供科学依据，有助于制定更加合理的航运管理政策。此外，该方法还为未来的研究提供了新的方向，特别是在如何提高非自由流状态数据的获取和分析方面。

本文的研究方法在数据驱动和模型构建方面表现出较强的创新性。首先，它利用了AIS数据这一新兴的、高精度的交通数据来源，为船舶行为的建模提供了丰富的实证支持。其次，通过将微观层面的船舶跟驰行为与宏观层面的交通流特征相结合，本文建立了一种新的分析框架，使得模型能够更全面地反映航道运行的复杂性。最后，该方法不仅关注模型的准确性，还强调了模型的鲁棒性，即在不同船舶类型和运行场景下，模型的预测能力保持稳定，这对于实际应用具有重要意义。

在船舶跟驰模型的校准过程中，研究人员采用了多种方法进行参数调整和模型优化。通过对不同模型的比较，本文发现IDM模型在预测船舶跟驰行为时表现出更高的准确性和稳定性。这可能是因为IDM模型能够更好地模拟船舶之间的交互行为，例如跟驰距离、加速度限制和预期速度等。相比之下，其他模型如GM模型和Newell模型在某些场景下表现出较低的预测精度，尤其是在船舶密度较高或交通流处于非自由状态时。因此，IDM模型被选为本文的核心建模工具，用于后续的航道容量预测。

在航道容量的估算过程中，本文结合了基本图的理论框架和校准后的船舶跟驰模型。通过分析流量与密度之间的关系，研究人员能够识别出交通流从自由状态向拥堵状态转变的关键点，从而确定航道的容量。这种方法不仅能够提供更精确的容量估算，还能够帮助管理者理解不同运行条件下的航道性能。例如，在船舶密度较低的情况下，航道容量可能较高，而在船舶密度增加时，容量可能会受到限制。这种动态变化的分析对于优化航道调度和提高船舶通行效率具有重要的指导意义。

本文的研究成果表明，基于船舶跟驰行为建模的方法能够有效提升航道容量评估的准确性。同时，该方法也为水路交通管理提供了一种新的工具，使得管理者能够在更广泛的时间和空间范围内进行容量分析和预测。此外，本文的研究还揭示了水路交通与道路交通在基本图应用上的异同，为未来的研究提供了理论依据。例如，尽管水路交通和道路交通的基本图在结构上具有相似性，但水路交通的基本图在某些参数上表现出不同的特征，这可能与船舶的运动特性、航道的几何条件以及交通管理策略等因素有关。

在实际应用中，本文提出的方法可以用于多个方面。首先，它可以作为航道容量优化的基础工具，帮助管理者更好地规划船舶通行路线和时间，以减少拥堵和提高通行效率。其次，该方法可以用于交通流预测，特别是在高密度交通条件下，能够提供更可靠的容量估算，从而支持更精准的调度决策。此外，该方法还可以用于评估不同航道管理措施的效果，例如通过调整船舶跟驰模型的参数，可以模拟不同政策对航道容量的影响，为政策制定提供数据支持。

本文的研究还指出了未来研究的方向。一方面，随着AIS数据的广泛应用，未来的研究可以进一步拓展数据来源，提高模型的泛化能力和适用范围。另一方面，如何在非自由流状态下获取更多高质量的数据，是提升航道容量评估准确性的关键。此外，本文的方法可以结合其他先进的数据分析技术，例如机器学习和大数据分析，以提高模型的预测能力和适应性。未来的研究还可以探索船舶跟驰行为与航道环境、船舶类型、交通密度等因素之间的复杂关系，从而构建更加全面和精确的航道容量评估体系。

总之，本文通过引入基于船舶跟驰行为建模的方法，为航道容量评估提供了一种新的视角和工具。该方法不仅提高了模型的准确性，还增强了其在实际应用中的适应性和实用性。研究结果表明，苏伊士运河的航道容量在不同模型下有所差异，但总体上处于12至19艘/小时的范围内。这一发现对于优化航道利用、提高航运效率以及保障全球供应链的稳定具有重要意义。同时，本文的研究也为水路交通管理提供了理论支持和实践指导，有助于推动相关领域的进一步发展。