This paper first calibrates the bunker consumption – sailing speed relation for container ships using historical operating data from a global liner shipping company. It proceeds to investigate the optimal sailing speed of container ships on each leg of each ship route in a liner shipping network while considering transshipment and container routing. This problem is formulated as a mixed-integer nonlinear programming model. In view of the convexity, non-negativity, and univariate properties of the bunker consumption function, an efficient outer-approximation method is proposed to obtain an ε-optimal solution with a predetermined optimality tolerance level ε. The proposed model and algorithm is applied to a real case study for a global liner shipping company.

This paper reviews studies from the past 30 years that use operations research methods to tackle containership routing and scheduling problems at the strategic, tactical, and operational planning levels. These problems are first classified and summarized, with a focus on model formulations, assumptions, and algorithm design. The paper then gives an overview of studies on containership fleet size and mix, alliance strategy, and network design (at the strategic level); frequency determination, fleet deployment, speed optimization, and schedule design (at the tactical level); and container booking and routing and ship rescheduling (at the operational level). The paper further elaborates on the needs of the liner container shipping industry and notes the gap between existing academic studies and industrial practices. Research on containership routing and scheduling lags behind practice, especially in the face of the fast growth of the container shipping industry and the advancement of operations research and computer technology. The purpose of this paper is to stimulate more practically relevant research in this emerging area.

Maritime transportation plays a pivotal role in the global merchandise trade. To improve maritime safety and protect the environment, every state must effectively control ships flying its flag, which is called flag state control (FSC). However, the existing FSC system is so inefficient that it cannot perform its intended function. In this study, we adopt an optimization method to tackle this problem by constructing an integer programming (IP) model to solve the FSC officer routing and scheduling problem, which aims to maximize the total weight of inspected ships with limited budget and human resources. Then we prove that the IP model can be reformulated into a partially relaxed IP model with the guarantee of the result optimality. Finally, we perform a case study using the Hong Kong port as an example. The results show that our model can be solved to optimality within one second at different scales of the problem, with the ship number ranging from 20 to 1000. Furthermore, our study can be extended by considering the arrangement of working timetables with finer granularity and the fatigue level of personnel.

Efficient vessel arrivals and departures are crucial for the smooth functioning of port operations and global supply chains. Nonetheless, the emergence of the Coronavirus disease (COVID-19) at the end of 2019 has presented unprecedented challenges to the shipping industry worldwide, disrupting vessel schedules and operations due to measures aimed at minimizing in-person interactions and restricting the movement of goods and people. The influence of the COVID-19 on vessel arrivals at ports around the world has been significant and far-reaching, with many ports struggling to maintain their efficiency and effectiveness. This study takes the Hong Kong port (HKP) as an example to evaluate the impact of the COVID-19 pandemic on vessel arrivals and port operations. Data from 2019 to 2022 on vessel arrivals and port operations are collected to examine whether, how, and why the pandemic has affected these arrivals and the related port operations. Specifically, we use four general indicators, namely the number of vessel calls, vessel total net tonnage (NT), vessel average gross tonnage (GT), and port total throughput, to comparatively evaluate the COVID-19 impact on vessel arrival. Additionally, we quantitatively assess the effects of COVID-19 on vessel arrival punctuality and vessel turnaround time at the HKP. Our analysis reveals that the COVID-19 and associated restrictions have led to fewer vessel calls across various vessel types, a decrease in overall port throughput, and consequently, reductions in total vessel NT and average GT. Furthermore, the pandemic-related restrictions have exacerbated vessel arrival delays and increased vessel turnaround time during the pandemic, further reducing the efficiency of port operations. To address these challenges, our study also proposes policy recommendations and management guidance for the port to enhance its resilience and efficiency in the post COVID-19 pandemic era. By shedding light on effects of the COVID-19 pandemic on vessel arrival and port operations, our study contributes to a deeper understanding of the challenges faced by the shipping industry and provides insights and recommendations for the future development of port operations in the post COVID-19 era.

Abstract This study examines the effect of changes in the number of shipping lines on port charges and profits. A two‐stage noncooperative game‐theoretic model with two ports and multiple identical shipping lines is developed. In the first stage, the ports decide their container handling charges, and in the second stage, the shipping lines decide on the number of calls to make at each port, given the port charges. The model is then applied to the case of competition between two ports in New Zealand, the Port of Tauranga and the Port of Auckland, to derive managerial insights. Our study extends the literature on port competition by incorporating competition between shipping lines. We also demonstrate that a decrease in the number of shipping lines may force ports to increase their handling charges. Furthermore, we show that each shipping line ships more cargo than the industry optimal via the port with lower costs.

Spatial-temporal decision support systems (STDSS) serve as a crucial strategy for enhancing operational governance and mitigating risk within construction logistics. However, construction supply chains involve many opaque stakeholders, hindering whole industry compliance monitoring. This research formulates a tripartite evolutionary game model that scrutinizes the strategic interactions among government regulators, carriers, and contractors, thereby offering insights into the collaborative supervision outcomes shaped by these stakeholder engagements. Government regulators choose intelligent supervision incentives versus regular oversight. Carriers decide whether to invest in STDSS or not. Contractors cooperate by enrolling or declining STDSS. As key STDSS investors, carriers' decisions are investigated under varying risk preferences in an extension model. This examines how government incentives influence long-term intelligent supervision and risk aversion behavior emergence to improve safety and quality across construction supply chains. Our findings indicate that increased adverse events motivate government regulators to adopt STDSS incentives for oversight, though carriers and contractors are not necessarily prompted to implement STDSS themselves. Escalating risk aversion reduces carrier STDSS adoption likelihood as they maintain basic services. Carriers perceiving contractor free riding as unfair competition also demotivates STDSS rollout. Although larger subsidies initially raise STDSS implementation probability, carriers become unwilling to adopt STDSS over time even with greater subsidies. In summary, adverse events drive regulator but not necessarily carrier and contractor STDSS adoption, while risk aversion, perceived fairness and changing subsidy effectiveness over time shape carrier decisions.

This study examines the impact of joining the Belt and Road Initiative (BRI) on the economies of ASEAN countries, focusing on the shipping industry’s performance. Ten economic interaction indicators were analyzed using data from 2015–2022 and predicting future data for 2015–2030 through GM(1,1) and FOA-SVR models. The principal component regression (PCR) model, combined with the Analytic Hierarchy Process (AHP), assessed the correlation of these indicators with GDP and port container throughput (PCT). The findings reveal a strong correlation between economic interaction scores with China and economic and shipping performance, highlighting Chinese investment’s significant impact on GDP and shipping connectivity’s substantial influence on container throughput. This study provides a framework for quantifying organizational engagement levels and policy effectiveness.