《Ocean Engineering》：Hybrid optimization of ship route and speed for energy efficiency under dynamic marine conditions
编辑推荐：
船舶能效优化需同时考虑动态路径规划和速度调整，本文提出融合改进A*算法与反向选择遗传算法的混合框架，通过构建包含风、流、浪三要素的能耗预测模型，实现路径与速度的协同优化。11条上海至东京实际航线的测试表明，该方法可降低13.38%的阻力能耗，并提升算法实时性。
作者：舒雅晴、蔡园、刘康、刘明正、宋兰、杨在利
单位：中国武汉理工大学，海洋技术与安全国家重点实验室
摘要
船舶能源消耗的优化是实现可持续海上运输的关键途径，然而动态的海况对有效的航线规划带来了重大挑战。本研究提出了一种新的混合优化框架，将航线规划和速度优化相结合，以在时变环境条件下最小化能源消耗。首先，基于改进的A?算法开发了航线规划模型，该算法考虑了风、水流和波浪等海洋条件的动态变化。其次，采用了改进的遗传算法开发了速度优化模型，并加入了反向选择机制。最后，通过上海到东京的11条实际航线案例验证了该方法的有效性。结果表明，该方法平均减少了13.38%的船舶阻力导致的能源消耗。所提出的框架在保持实时实施可行性的同时，提高了收敛性能。本研究为航运公司提供了可行的节能导航策略，并为实现国际海事组织（IMO）2050年海上领域碳排放减排目标提供了方法论基础。
引言
2025年，国际海事组织（IMO）批准了一项全球减少船舶温室气体（GHG）排放的框架，目标是在2050年前实现净零排放（IMO，2025年）。这一目标推动了海上运输向更环保、更节能的方向发展。作为海上运输工具，船舶在航行过程中必须同时考虑航行安全、能源节约和运营效率（Du等人，2022年）。丰富的海洋能源资源，如海风、潮汐流和波浪，可以被利用来促进船舶的节能航行（Kheirani等人，2025年）。为了最大化能源优势以减少燃料消耗，研究人员基于天气预报、海洋数据和船舶特性开发了最优航线系统（Zhu等人，2025年）。然而，在长途航行中，海洋条件存在显著变化（Wu等人，2023年）。包括船舶速度和主机功率在内的关键燃料消耗参数会因天气波动而发生显著变化（Wang等人，2025年）。因此，根据变化的环境条件调整船舶参数可以有效控制燃料消耗，从而提高燃料效率。
船舶的燃料效率被认为是减少排放和节省成本的重要因素（Jin等人，2024年）。优化燃料效率有三种常见方法。第一种方法是使用更清洁的燃料，如低硫燃料（Kamiński，2025年）、液化天然气（LNG）（Yang等人，2025a）或生物燃料（Manikandan等人，2025年）。第二种方法是优化船体形状设计（Ichinose，2022年）和动力系统（Kistner等人，2022年），新的设计可以提高螺旋桨效率并改善能量传递效率。此外，船舶行为优化也起着重要作用，包括航线规划（Pasha等人，2021年）、速度调整（Wang等人，2023年）和配载优化（Fan等人，2022年）。由于行为优化不需要设备改造且适用于大多数船舶，因此已成为船舶减排研究的主要方法。现有的船舶行为优化方法分为基于单元格的方法和无单元格的方法（Ma等人，2024年）。
许多研究通过分别优化船舶航线和速度取得了良好的效果，这类方法被称为基于单元格的方法。Pennino等人（2020年）引入了一种基于Dijkstra算法的新自适应天气航线模型，旨在选择能够最大化船舶性能的最佳航线。Grifoll等人（2022年）开发了一种基于A?算法的天气航线系统，该系统针对波浪影响进行了优化。Wang等人（2018年）提出了一种基于模型预测控制（MPC）的动态优化方法，确定了最佳航段速度和时间步长。在这些研究中，虽然采用了不同的优化方法，但它们要么在固定速度约束下确定航线，要么在预定航线上进行速度调整。为了同时优化航线和速度，Bang和Kwon（2014年）以及Park和Kim（2015年）采用了分阶段优化方法：首先确定航线，然后在第二阶段优化速度。这些研究中，航线和速度是分别优化的，忽略了各航段速度之间的相互作用。由于航线和速度之间的相互作用，优化结果可能是局部最优的。
一些研究采用无单元格方法来实现航线和速度的联合优化。Lee等人（2018年）将速度和方向作为变量，使用NSGA II算法同时确定变量值，然后根据这些值生成航线。Wang等人（2020年）将速度和位置作为变量，使用PSO算法在复杂海洋条件下优化两者。Ma等人（2020年）使用Dijkstra算法生成初始航线，然后使用成熟求解器优化航线和速度。所有联合优化研究都找到了更好的全局解，但这种方法依赖于变量数量。变量较少时不适合复杂环境，因为忽略了动态海洋条件对船舶性能的实时影响。变量过多会显著增加计算复杂性，船舶设备的计算能力可能无法满足要求。
在优化过程中必须考虑动态海洋条件，但不同研究纳入的具体因素各不相同。Mannarini等人（2016年）构建了一个数值模型，通过波浪预报计算船舶航线。Zhao等人（2022年）根据船舶速度损失构建了目标函数，考虑了风和波浪的影响。一些研究表明，风和波浪是天气航线中最常考虑的因素（Zis等人，2020年）。只有少数研究同时考虑了风、水流和波浪的综合影响。Shin等人（2020年）利用机器学习分析了船舶行为与环境条件之间的关系，环境因素包括风、水流和波浪。上述船舶行为优化的分析揭示了现有研究的两个主要局限性：一方面，分离的优化过程在针对特定行为时能取得良好结果，但未能建立各步骤之间的明确关联；另一方面，对环境因素的考虑还不够全面。
为填补这一空白，本研究建立了一种燃料消耗预测方法，将船舶航线规划与速度优化相结合。首先，将预测方法嵌入A?算法的目标函数中，生成初始平滑航线以减小问题规模。其次，构建了包含燃料预测方法的目标函数的速度优化模型。提出了小种群遗传算法（SMGA）用于速度优化，显著提高了计算效率。此外，还考虑了海洋条件与速度之间的时变关系，增强了动态效果，环境因素包括风、水流和波浪条件。
本研究的其余部分总结如下：第2节介绍了技术方法，包括航线规划和速度优化模型的构建、算法改进以及燃料消耗预测方法。第3节进行了案例研究。第4节探讨了改进措施和潜在应用。第5节得出了结论。
方法
为了在更高分辨率的环境网格上实现航线规划和速度优化，同时保持计算的可行性，首先规划一条初始航线以减小问题规模（Ma等人，2020年）。在航线规划阶段，如果为每个网格单元分配不同的速度，会导致问题维度过大。因此，假设速度为恒定值，这是一种有意的简化。对于航线规划问题，采用图优化方法。
结果
本节旨在验证所提出方法的有效性。第2.1节指定了船舶参数、燃料消耗特性、优化后的航线和环境数据。第3.2节讨论了动态海洋条件下的航线规划，第3.3节讨论了动态海洋条件下的速度优化，通过虚拟出发时间构建了一个案例，使用未校准的参数集来评估模型的可用性。第3.4节分析了11个实际场景案例。
讨论
海上航线和速度优化是实现大幅节能和减排的关键途径。虽然天气航线已被认为是一种有效的节能策略（Chen等人，2025年），但其实际应用面临诸多挑战。海洋环境条件（包括风、水流和波浪）的持续变化要求频繁更新优化结果（Shu等人，2024b）。本研究的结果证实了这一点。
结论
本研究采用了一种航线规划和速度优化方法来减少船舶燃料消耗。首先，基于最新的船舶阻力研究构建了船舶燃料消耗预测方法，并以船舶参数作为输入，使该方法适用于大多数船舶。通过比较预测结果和实验结果，证明了其准确性。此外，优化模型考虑了速度波动的影响。
作者贡献声明
舒雅晴：正式分析、概念构建。蔡园：撰写初稿、验证。刘康：软件开发、数据整理。刘明正：监督、调查。宋兰：项目管理、方法论设计。杨在利：可视化、资源协调。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
致谢
本研究得到了中国国家自然科学基金（NSFC，项目编号52271369、42407114）和欧盟“地平线2020”研究与创新计划下的欧洲研究委员会项目（TRUST CoG 2019 864724）的支持。
