海事网络基础设施中港口和集装箱航线拥挤相关性分析外文翻译资料

 2022-07-31 21:14:24

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

海事网络基础设施中港口和集装箱航线拥挤相关性分析

GEORGE STERGIOPOULOS1, EVANGELOS VALVIS1, DIMITRIS MITRODIMAS2, DIMITRIOS LEKKAS2，和DIMITRIS GRITZALIS1

摘要

诸如港口长期拥堵或海上网络中的航线不可用等事件往往会引发连锁拥堵，阻碍交通和/或中断大范围的服务这样的事情。现有的交通流分析方法缺乏理解船舶航线延误的连锁效应的能力，或者如何减少更大海域的总体延误。依赖风险图已经被提出作为使用依赖链分析这种级联事件的工具。本文提出了一种基于风险的相互依赖分析方法，该方法能够检测海上网络中互联港口和航线之间的大规模交通拥堵，并提供改善流量的解决方案。提出的港口依赖风险链和图论有助于我们分析船舶航线，发现在海运网络中其他主要港口拥挤时受影响最大的港口，发现瓶颈的原因，并为减少集装箱船舶航线的延误提供有价值的信息。我们将所提出的方法应用于海运公司提供的历史集装箱船路线数据，该数据每月为600多万用户维护一个全面的全球海事数据库。该工具可用于确定关键的运输路线或港口:1)容易延误；2) 由于位置、连接和拥挤风险，对整个海上网络影响很大；和/或3)受先前路线路段的延误影响最大。

关键词：海事，部门，基础设施，拥挤，流量，集装箱，港口，依赖关系，图标，中心，串联，延迟，风险，影响，航线

1 索引

美国国土安全部确认了 海运系统作为七大系统之一运输系统部门的主要分部门[1]。有效利用现有的海事网络系统可以导致交通拥堵和成本降低流量预测模型可以帮助海事用户和当局提高港口交通弹性，缓解拥堵通过预测，提前预防或减少交通事故交通流的未来状态[2]。基础设施的依赖建模、仿真和分析已经被研究者广泛研究。侧重于依赖性分析的几种方法和工具，估计关键基础设施内[3]、[4]或相互依赖的基础设施之间的依赖性所产生的影响或风险[5]–[8]。风险通常取决于两个因素:负面事件发生的可能性和负面事件的影响。这种影响通常会导致完全不运行或 由于依赖性而导致的基础设施的部分故障 在基础设施网络中，通常称为故障。

1.1 贡献

我们使用以前的基于时间的依赖性分析方法进行关键基础设施依赖性建模[6]、[7],来分析港口网络交通流。我们目前将所提出的方法应用于船舶航线数据集，航路时间由海运公司提供[9]。海上交通记录了8亿个船只位置，每月1800万次与船舶和港口相关的事件。 该公司提供了超过65万名海军陆战队员的详细信息可用资产(船只、港口、灯光) [9]。该数据集包括集装箱船的入境和出境呼叫在所有连接它们的港口，包括旅程时间，锚端口进入和退出呼叫以及三年期。即进入呼叫表示船只被允许进入指定的港口和码头位置，而退出呼叫表示船只离开的时间端口并释放一个插槽。

我们的两个主要贡献是:

1.能够模拟海洋网络的方法 作为依赖图并计算依赖风险 使用流量评估在互连端口之间数据。该方法能够评估港口拥挤的风险，并产生加权风险依赖路径(即一个端口的拥塞如何影响其他连接的端口通过航线)。端口被表示为图形顶点，将一个港口连接到另一个港口的运输路线顶点。该方法使用最小-最大算法和统计动态平均值来计算可能性拥堵的影响。

2.出入境船舶历史数据分析 海事网络的港口中的呼叫，检测n阶港口 依赖关系并自动为特定的 缓解解决方案，提高整个网络。连锁拥堵的总体风险被计算出来，这表明了撞击的可能性通过连接边的路径传输。引发级联流量拥塞的特定端口有检测和仿真结果表明 对它们的控制可以增加整体的交通流量弹性在更广泛的地区，同时减少堵塞的风险到12%。我们将结果与要检查的报告相互参照它们的有效性。

2 相关工作

在过去的十年中，基础设施的建模它们之间的信息交流是一个主要的研究中感兴趣的话题。本节总结了此类研究中使用的模型，并重点介绍了海上和运输基础设施的类似工作。我们选择由于在以下方面的相似性，介绍了这些领域的相关工作用于模拟城市交通高速公路的方法城市之间和港口之间的航线。为此目的， 这里我们应该注意到，本文中介绍的方法论文已经在城市交通中成功地用于预测高风险路口，并提出缓解交通拥堵的机制[10]。

2.1 基础设施网络建模

在基础设施可靠性建模和信息流建模中存在许多方法。一般来说，基础设施建模似乎与仿真技术和数学模型有关（1）连续时间步模拟；（2）离散时间步模拟；（3）蒙特卡罗模拟；（4）决策树；（5）地理信息系统；还有（6）最著名的风险管理[11]

最常被引用的出版物之一[12]将关键基础设施保护方法和工具分为(1)经验的，(2)系统动力学，(3)基于主体的和(4)基于网络的。经验模型是基于历史事件、灾难数据和专家知识来识别故障模式。系统动力学利用自顶向下的方法，如库存和流量来管理和分析相互依赖的复杂自适应系统。基于代理的方法将基础设施的组件建模为代理，并基于规则集分析代理交互，而基于网络的方法将基础设施建模为网络图，其节点表示基础设施组件。通常，最主要的方法是基于代理和网络的方法[11]。我们的方法是完全基于网络的，并创建了一个全球海洋网络中所有港口的模型。港口被建模为节点，而港口之间的航线被描述为图形链接。

2.2 交通基础设施建模

在交通流分析方面，仿真模型被广泛用于研究建模和理解交通流和拥堵在许多关键的基础设施部门;最显著的是在运输系统中[2],[10],[13]。现有的交通流模型很多，通常分为以下几类[2]:

  1. 细部(亚微观、微观、介观、宏观)
  2. 独立量表(连续、离散、混合)
  3. 过程表示(确定性，随机)
  4. 应用范围(延伸、连接、连接)
  5. 类型(交通管理、设计、优化)

根据研究，在交通事故发生后的那一刻，短期预测模型通常能更好地提供交通流量的邻近量。长期预测主要提供通用的、全球的交通测量，它考虑了趋势分析，但不能预测非典型事件的情况(如交通事故)。

由于大多数的交通流分析研究都是针对城市交通系统进行的，因此我们选择将所提出的方法与该领域的类似方法进行比较和分类。交通系统模型包括卡尔曼滤波[14]、指数滤波[15]、非参数化方法[16]、[17]、光谱分析和交叉光谱分析[18]、[19]，以及从纯时间序列模型[13]中学习[20]或纯时间序列模型的预测[13]。

与[10]相似，所提出的实现也是被认为是网络物理的、确定的、长期的优化模型,它使用风险评估、统计分析和图论促进集装箱船决策。这种方法不能被认为是随机的，也不能被认为是短期的，因为所有的数据都是由船上的AIS传感器收集的，并且是在很长一段时间内的离散测量。

2.3 海港系统建模

关于类似主题的科学文献极为有限。地理港口位置的物理嵌入可用于空间网络[22]，但由于缺乏跟踪、数据和港口限制，对运输模式的好处有限。尽管如此，在选择基于不同层次的邻近港口的研究中，人们隐含着对给定海岸线[23]的空间邻近性进行物理配置，并将其用于基于海峡、盆地和海洋[21]的港口分析。

贸易联系的频率和密度也被用来作为港口影响的间接指标，这是根据它们所产生的相互依存关系[24]。

影响船舶航线和港口选择的其他标准包括贸易需求、质量以及选定航线[25]港口之间的服务成本。有研究明确指出，特别是对于集装箱港口，运输链行动者对于在航路[26]上选择哪些港口具有相当大的决策权，这使得海上基础设施的模型图与类似的社会网络不同，因为存在这样的外部因素[21]。

研究[21]和[27]也将港口规模和位置联系起来 在一个更宽的图形模型中，它们对相邻端口的影响。文章将端口描述为图节点和之间的运输路线将它们作为链接。在[28]中，利用图的中心性和中间性对这些模型进行空间分析，而[21]利用度中心性指标(即连接到其他港口的数量)作为海上网络中港口影响的关键指标。

我们的工作类似于[21]，因为它也使用了一个图形模型来描述全球海洋网络和分析港口影响。Ducruet及其他人[21]使用图形来揭示最大的中心港之间的港口关系，并确认一些港口的至关重要性，如通过新加坡的欧亚通道。本研究还提出使用基于度度量的图亚群来分析端口影响。作者发现，虽然小港口的大多数亚群可以用空间邻近性来解释，但仍然存在例外，表明西欧港口与其前殖民地之间的特殊长距离联系是永久性的。

然而，在[21]的研究和本文中介绍的工作之间仍然存在很大的差异。最大的不同之处在于，本文所介绍的工作并不是简单地使用图度量来模拟由于位置而造成的港口影响，而是可以了解每艘船的所有可能航线上的拥塞以及/或整个网络的总体影响。与[21]不同的是，我们利用2015年至2017年第二季度的所有集装箱船航线的完整历史数据，不依赖于没有任何真实信息的港口位置。该方法利用形式化似然矩阵，考虑了各航路的交通时间，利用形式化网络矩阵，根据各航路的数据，计算各航路的网络拥塞。

另外，由海上交通提供的数据集包含所有 过去两年中记录的集装箱港口停靠次数 船只加上一些额外的领域 更灵活的数据过滤(超越进入和退出调用时间戳)。通过分析港口之间的一整套潜在的依赖路径，公司可以预测所有可能实现的级联拥塞效应，并标记每个季度特定航线的依赖风险，这些风险都超过了一个值得进一步关注的阈值。所提出的工作还可以用于运行风险评估人员感兴趣的特定场景。尽管依赖关系风险路径的完整集合的计算可能提供有用的信息并揭示端口之间的“隐藏”依赖关系风险，但是评估人员也可以利用这项工作来检查特定的实际场景。其中包括“假设”场景，只考虑启动影响一个(或多个)港口的拥塞事件，并允许通过在特定时间段避开港口的替代航线来缓解拥塞。

3 依赖分析方法

所提出的方法是基于[6]、[7]和[10]之前的多风险依赖分析方法。上述方法也被用于英国交通系统中的汽车交通流模型，取得了显著的成功。类似地，这个方法的当前应用也扩展了CIDA，一个CI独立分析体系[29]并遵循相似的方法，尽管是为了帮助海上交通建模船舶航线连接的港口之间的拥堵。在这里，该工具还利用Neo4J图形数据库来处理非常大的图形和相关信息[31]。回顾和比较表明，对于大型图形数据库[32]、[33]，Neo4J库的性能优于当前的其他解决方案。

依赖项分析通过应用关键基础设施所有者和操作人员执行的组织级风险评估的结果来评估n级依赖项的风险。可以将依赖定义为“为了正常工作而对来自其他来源的输入、交互或其他需求的资产、系统、网络或集合(在扇区内或跨扇区)的单向依赖”。方向图G = (N;E)通常用于对这种依赖关系[11]进行建模，其中N是一组节点，E是一组边。在这项工作中，N是海洋基础设施的港口集，E是这些组件之间的链接集(即连接港口的航线)。该图具有方向性，表示海洋基础设施中从一个港口到另一个港口的依赖关系。从一个端口N i到端口N j的一条边，即， N i N j，描述了两个节点之间的依赖关系。通过这种依赖转移的潜在拥塞干扰可以用影响I I;j和可能性L I;j来描述。这两个值的组合表示了nj端口对ni端口的依赖风险R i;j，因为它的依赖关系，用边N i→N j表示。依赖风险被量化为一个按比例[0hellip;5]， 0表示没有严重延误的风险，5表示严重延误的严重风险。与每条边相关联的这个值，指的是依赖项对接收方造成的级联衍生风险的级别。

将航路分析结果作为该方法的输入。如果CIY0→CIY1→hellip;→CIYn是一个基于航线的港口依赖链，LY0hellip;Yn是n阶级联拥塞效应的可能性是CIYn1→CIYn相依关系的影响，那么CIYn由于n阶相依关系所表现出的级联风险计算为

(1)

累积依赖风险考虑了n级依赖子链中所有关键基础设施所表现出的总体风险。令CIY0→ CIY1→hellip;→CIYn为长度为n的依赖项链，累计依赖项风险为DRY0,Y1，hellip;Yn定义为n阶依赖项产生的总体风险:

(2)

式(2)计算总体依赖风险，为依赖链中受影响节点由于依赖链源节点发生故障而产生的依赖风险之和。风险计算使用一个风险矩阵，该矩阵结合了链中每个顶点的可能性和传入的冲击值。感兴趣的读者可以参考[6]和[7]以获得关于依赖性风险评估的更多细节。

3.1 预测端口延迟的“拥塞可能性”的正式度量

每个关系都分配了一个似然值，该值声明当前关系所描述的端口发生拥塞的可能性直观地说，这个值是一个概率，我们可以根据它预测每个端口在不同时间的状态。为了计算这个值，我们首先需要检查每个关系是否与描述相同端口的其他关系在比例上是公平的。

  1. 以最小-最大公平性作为似然度量

一般来说，当谈到比例公平时，我们指的是一个系统，在这个系统中，两个或更多的竞争实体为资源控制而战，以及我们如何在它们之间保持平衡。例如，在计算机网络中，我们的目标是最大限度地提高总吞吐量，同时允许所有用户体验至少最低限度的服务。以上是根据[30]计算得出的:

如果一个向量或速率xr是可行的，那么它就是xr 剩余内容已隐藏，支付完成后下载完整资料

资料编号：[241455]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章