5、航次时效预测与滞期费测算

所属：大宗物流运输智能决策平台

一、场景说明

业务视角：租船合同里的 laytime（装卸货允许时间）与 demurrage（滞期费）是硬成本。一条 Capesize 一天的滞期费常在 2–5 万美元，一次压港等泊 8 天就是几十万美元。但传统做法只能事后算账——船到了、等泊超期了、账单来了才知道亏多少。

本子场景把「到港 → 靠泊 → 完货」三段时效做成概率预测，并直接折算成费用敞口：

ETA 段：船什么时候到锚地（P50 / P90）；

等泊段：还要等多久才能靠泊（基于该港历史等泊分布 + 当前锚地队列 + 同期预抵竞争）；

装卸段：按合同装卸率与货量算装卸时长，叠加天气中断概率；

费用段：用蒙特卡洛把三段不确定度传播到滞期费，输出 P50 / P90 与超期概率；

决策段：改港、改航速（JIT 到港）、改 laytime 条款三个杠杆的敏感性对比。

客户视角：租船经理、商务合约部、结算与风控。

二、实现流程

步骤	阶段	使用接口	关键计算 / 业务逻辑
1.1 基础 ETA	① 数据获取	GetSingleETAPrecise	剩余里程 + 当前航速 → 到港时间
1.2 同港竞争	① 数据获取	GetETAShips	同期预抵船数（泊位竞争者）
1.3 锚地队列	① 数据获取	GetAnchorShips	当前锚地船舶数与各自已等时长
1.4 历史等泊分布	① 数据获取	GetPortofCallByPort	近 90 天 ata→atb 间隔分布、在泊时长分布
1.5 天气中断	① 数据获取	FutureWeather / GetWeather	大风 / 大浪导致的作业中断概率
1.6 乘潮限制	① 数据获取	GetTideData	大吃水船进港的乘潮窗口
1.7 历史偏差校准	① 数据获取	GetPortofCallByShip	该船历史 ETA 与实际 ATA 的偏差 → 修正系数
2.1 ETA 修正	② 计算处理	—	该船历史偏差分布修正 + P50 / P90
2.2 等泊时长预测	② 计算处理	—	排队模型 + 历史分位数混合
2.3 装卸时长计算	② 计算处理	—	货量 ÷ (装卸率 × 舱口数) + 中断时长
2.4 蒙特卡洛传播	② 计算处理	—	三段抽样 N 次 → 总用时分布
2.5 费用计算	② 计算处理	—	max(0, 用时 − laytime) × 费率
3.1 敏感性分析	③ 业务判断	—	改港 / 改航速 / 改 laytime 三杠杆对比
3.2 风险分级	③ 业务判断	—	按 P90 滞期费敞口分级
4.1 测算卡输出	④ 输出应用	—	三段时效 + 费用分布卡
4.2 谈判支持	④ 输出应用	—	laytime 建议区间与费率底线
4.3 结算对账	④ 输出应用	—	预测 vs 实际偏差复盘

三、接口调用与响应

3.1 GetSingleETAPrecise 基础 ETA

{"code": 0, "data": {"nextport": "CNTAO", "nextport_cnname": "青岛港", "sailed_distance": 4230.5,
 "remaining_distance": 145.8, "distance": 4376.3, "ais_speed": 12.3, "speed": 12.0,
 "eta": 1726012100, "eta_cn": "2026-09-15 14:28:00"}}

关键用法：传入不同的 speed 值可以做航速情景推演——例如把 speed 从 12 降到 11，看 ETA 后移多少小时，这正是「JIT 到港避免锚地空等」的测算基础。

3.2 GetAnchorShips 锚地队列

返回的 stay_time_min 分布直接反映当前队列的消化速度；队列长度 Q 是排队模型的输入。

3.3 GetPortofCallByPort 历史等泊分布

用 atb − ata 得到等泊时长样本，atd − atb 得到在泊时长样本。样本量建议 ≥ 60 条（约 90 天）才做分位数估计。

3.4 GetPortofCallByShip 该船历史偏差

用该船历史航次的「预测 ETA（当时保存的）− 实际 ATA」构造偏差样本，用于修正当前 ETA 的系统性偏差（有的船习惯性晚到，有的习惯性提前）。

3.5 FutureWeather 天气中断

返回 168 个逐小时点，按装卸作业的风速 / 浪高阈值统计「不可作业小时数」，作为装卸段的中断时长期望。

3.6 GetTideData 乘潮窗口

{"code": 0, "data": [{"date": "2026-09-14", "tides": [{"type": "high", "time": "06:20", "height_m": 3.5},
                                                      {"type": "low", "time": "12:30", "height_m": 0.8}]}]}

注意：这里的 port_code 是潮汐观测站 ID，需先用 GetTides 观测站列表查询，不能直接传港口五位码。

四、计算逻辑

4.1 ETA 修正与区间

中文说明：船讯网给的 ETA 是基于当前航速的确定性推算，但每条船都有自己的系统性偏差（船况、习惯航速、途中挂靠）。用该船近 6 个月的历史偏差样本（预测 ETA − 实际 ATA）算出均值 μ 与标准差 σ，把基础 ETA 加上 μ 得到修正后的中位 ETA，再按正态分布给出 P90（+1.28σ）。样本不足时用全局默认值（μ=0，σ=6 小时）。

4.2 等泊时长预测（排队模型 + 历史分位数混合）

中文说明：等泊时长由两股力量决定——当前锚地已经排了多少船（存量），以及同期还有多少船要来（增量）。用简化的 M/M/c 排队思路：以历史平均在泊时长 T 作为单船服务时间，泊位数 B 为服务台数，当前队列长度 Q 加上本船到达前预期新增的 A 条，得到排在本船前面的船数；除以服务台数再乘服务时间，得到排队论估计值。同时用历史等泊样本的分位数（P50 / P90）做交叉校验，最终取两者加权（排队模型 0.5 + 历史 P50 0.5），并用历史 P90 作为悲观情形。

4.3 装卸时长（含天气中断）

中文说明：合同装卸率通常写成「每舱口每天 X 吨」或「全天 WWDSHEX 每天 X 吨」。用货量除以（装卸率 × 可用舱口数）得到纯作业时长；再叠加两类非作业时间——天气中断（从 FutureWeather 逐小时点中统计超过作业阈值的小时数）与例外的非工作日（按合同条款剔除）。装货与卸货分别计算，取合同约定的合并或分别计算口径。

4.4 蒙特卡洛传播到滞期费

中文说明：三段时效都有不确定度，简单相加会低估尾部风险。做法是给每段指定一个分布（ETA 用正态、等泊用对数正态、装卸率用正态），做 N=10000 次抽样，每次抽样算出总用时，再与合同 laytime 比较得出滞期小时数，乘费率得到单次滞期费；最后对 N 个结果取分位数，得到 P50 / P90 滞期费与超期概率。这个分布比单点估算有用得多——业务方关心的是「有 20% 的概率要赔 30 万美元以上」。

4.5 三杠杆敏感性分析

中文说明：给出三个可操作杠杆的量化对比——（1）改卸货港：对备选港重跑一遍测算，比较 P90 滞期费与改港额外航程成本；（2）改航速（JIT 到港）：用 GetSingleETAPrecise 传不同 speed 得到新的 ETA，重新匹配等泊分布，看降速能否把「锚地空等」换成「海上慢行」，从而省油而不增加总用时；（3）改 laytime 条款：测算把 laytime 从 X 小时谈到 Y 小时，滞期概率下降多少，换算成谈判的价值。

五、输出的应用形态

航次时效测算卡：三段时效条（ETA / 等泊 / 装卸）叠加成甘特，每段标 P50 与 P90；下方是滞期费分布直方图 + P50 / P90 数字卡 + 超期概率。

三杠杆对比面板：改港 / 改航速 / 改条款三张卡并列，各给出净收益与建议。

结算对账视图：预测值 vs 实际值的偏差复盘表，用于校准模型参数。

六、数据边界与常见问题

数据边界：ETA、锚地队列、历史挂靠、气象、潮汐来自船讯网；合同条款（laytime、装卸率、费率、可逆 / 不可逆条款）、货量、内部结算规则来自内部系统。

Q1：历史样本不足怎么办？
等泊分布样本少于 20 条时，退化到排队模型估计值并把不确定度放大 1.8 倍；同时在 UI 上标注「样本不足，置信度低」。

Q2：可逆 laytime（reversible）怎么算？
装货与卸货时间合并计算后再与总 laytime 比较；不可逆则分别比较后求和。这是合同口径，必须在测算前由业务方选定。

Q3：为什么要蒙特卡洛而不是直接加 P90？
三段各自取 P90 再相加，得到的概率水平远高于 90%（约 99.9%），会严重高估费用，导致决策过于保守。蒙特卡洛能正确传播不确定度。

5、航次时效预测与滞期费测算

一、场景说明#

二、实现流程#

三、接口调用与响应#

3.1 GetSingleETAPrecise 基础 ETA#

3.2 GetAnchorShips 锚地队列#

3.3 GetPortofCallByPort 历史等泊分布#

3.4 GetPortofCallByShip 该船历史偏差#

3.5 FutureWeather 天气中断#

3.6 GetTideData 乘潮窗口#

四、计算逻辑#

4.1 ETA 修正与区间#

4.2 等泊时长预测（排队模型 + 历史分位数混合）#

4.3 装卸时长（含天气中断）#

4.4 蒙特卡洛传播到滞期费#

4.5 三杠杆敏感性分析#

五、输出的应用形态#

六、数据边界与常见问题#