船舶到达自相关性对港口可靠性的影响：基于延迟诱导模型与状态依赖效应的实证分析

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Delay-induced arrival autocorrelation and its regime-dependent impact on port reliability

本研究针对传统泊松过程无法刻画实际港口船舶到达短时自相关性的问题，构建了结合独立延迟与分块延迟的到达模型。通过AIS数据与离散事件仿真发现，自相关在中等负载下可平滑周转降低拥堵频率，但在高负载下会显著延长拥堵持续时间并减缓恢复。该研究为港口韧性评估与容量规划提供了关键理论支撑。

　　

在全球贸易高度依赖海运的今天，港口作为供应链的关键节点，其拥堵风险直接关系到物流链的稳定性。长期以来，学术界和工程界在评估港口性能时，习惯性地将船舶到达过程建模为泊松过程（Poisson process），即假设船舶到达是独立且随机的。然而，现实世界的数据往往“不听话”——基于AIS（Automatic Identification System，船舶自动识别系统）的实际观测显示，船舶到达在去除周期性波动后，依然存在显著的短期自相关性（autocorrelation）。这种“记忆效应”意味着船舶倾向于成群结队地到来，而非均匀分布，这彻底动摇了传统可靠性模型的根基。

如果模型假设错了，决策就会失灵。忽略到达自相关性，可能导致在港口规划中严重低估极端拥堵事件的概率和恢复难度。为了弥合这一理论与现实的鸿沟，张子涵（Zihan Zhang）、肖迅（Xun Xiao）与叶志胜（Zhi-Sheng Ye）在《Reliability Engineering》上发表了他们的最新研究。他们利用新加坡港的高频数据，构建了一个创新的“延迟诱导到达模型”（delay-induced arrival model），并揭示了自相关性对港口可靠性的双重影响：在平时它是稳定器，在高峰时它却是风险的放大器。

关键技术与方法

研究团队综合利用了AIS数据挖掘、时间序列分析与离散事件仿真（Discrete-event simulation）技术。首先，他们处理了2023年新加坡港的AIS数据，通过3公里地理围栏（geofencing）精准识别真实到港船舶，并构建了日度到达序列。其次，他们提出了一个混合延迟生成模型，结合了独立延迟和分块延迟（fractional block-wise delay）机制，以数学方式重现了观测到的短时相关性。最后，通过模拟多泊位排队系统，量化了不同负载率下自相关对拥堵频率、持续时间和恢复时间的影响。

实证证据：泊松假设的崩塌

2. Empirical analysis of port arrival data

研究首先对新加坡港的AIS数据进行了实证分析。在去除显著的周度季节性（如周末班轮密度差异）后，残差序列并未表现出泊松过程应有的独立性。相反，自相关函数（ACF）在短滞后（short lags）上显示出显著的正值。这表明船舶到达存在“聚集性”（bunching），即一天的密集到达会提高次日依然密集的概率。这种模式源于现实运营中的支线船与干线船协调、天气导致的集体延误以及潮汐窗口同步等机制。

机制建模：延迟如何诱导相关性

1.1. The mechanism and impacts of autocorrelated arrivals & 1.2. Literature review

传统的泊松模型无法解释这种相关性。研究人员建立了一个生成模型，将船舶到达时间拆解为两部分：一部分是独立的随机延迟（如个别船舶的机械故障），另一部分是分块延迟（如台风导致的一整批船舶集体晚点）。后者引入了时间记忆性，成功复现了实证数据中观察到的统计特征。理论分析表明，这种机制不仅影响平均到达率，更关键的是改变了到达过程的方差结构。

状态依赖效应：稳定与风险的切换

1.3. Implications and insights of the proposed model

通过大量的仿真实验，研究得出了一个反直觉的结论：自相关性对港口可靠性的影响高度依赖于负载状态（regime-dependent impact）。

• •
  中等负载（Moderate loads）：此时自相关性反而有益。因为它平滑了日与日之间的周转时间方差，减少了随机波动带来的零星拥堵，提升了系统的稳定性。
• •
  高负载（Near-capacity loads）：此时自相关性是致命的。正相关导致到达高峰形成“共振”，引发更长的拥堵队列、更严重的拥堵深度以及更缓慢的恢复过程。系统一旦超载，会陷入“拥堵滋生更多拥堵”的恶性循环。

结论与启示

这项研究将港口拥堵重新定义为一种“阈值超限的复发故障”（threshold-exceedance recurrent failure），并证实了到达自相关性是评估港口韧性（resilience）不可忽视的核心变量。对于港口管理者和规划者而言，这意味着：

1. 1.
   设计理念转变：在接近饱和运营的枢纽港，必须预留比传统泊松模型预测更大的缓冲容量（buffer capacity），以应对自相关带来的尾部风险（tail risk）。
2. 2.
   监控指标升级：除了监控平均到达率，更需实时监控到达序列的自相关结构，将其作为预警指标。
3. 3.
   理论范式更新：在评估港口可靠性和进行容量规划时，应放弃简单的泊松假设，采用能刻画时间依赖性的模型，以确保全球海运网络在不确定性下的稳健性。