港口集装箱堆存策略智能生成方法及系统与流程

摘要: 本发明涉及智慧港口,特别涉及一种港口集装箱堆存策略智能生成方法及系统。背景技术:1、港口作为全球物流链的关键节点,其运营效率直接影响着国际贸易的成本与时效。在港...
港口集装箱堆存策略智能生成方法及系统与流程

本发明涉及智慧港口,特别涉及一种港口集装箱堆存策略智能生成方法及系统。

背景技术:

1、港口作为全球物流链的关键节点,其运营效率直接影响着国际贸易的成本与时效。在港口集装箱码头的诸多作业环节中,堆场内的集装箱堆存策略是决定码头吞吐能力和作业效率的核心要素。一个优化的堆存策略旨在合理规划每一个入场集装箱的存放位置,以最大限度地减少未来提箱作业中不必要的翻倒箱操作。翻倒箱,即为了取出下层目标集装箱而必须先行移走其上方的压箱,是码头作业中主要的非增值性耗时、耗能环节,直接导致场内吊运设备(场吊)的作业路径增长、能源消耗增加以及船舶装卸效率的降低。因此,构建一套能够智能生成高效堆存策略的方案,对于提升港口自动化水平和核心竞争力具有至关重要的意义。

2、目前,港口在制定集装箱堆存策略时,大多依赖于基于人工经验的静态规则或简单的启发式算法。这些方法通常依据集装箱的目的港、尺寸、重量或计划离港时间等单一维度信息进行分区或排序堆放,其核心逻辑是将预计先离港的集装箱放置在预计后离港的集装箱之上。然而,此类策略在实际运营中效果往往不尽人意,其根本缺陷在于严重依赖静态且不确定的etd信息。船舶的实际航行极易受到天气、海况、航道管制及途经港口拥堵等多种动态因素的影响,导致其计划etd频繁变更。传统策略将一个高度不确定的动态问题简化为一个确定性的排序问题,缺乏对风险的量化管理,一旦船舶实际离港时间与计划发生偏差,原先看似最优的堆存方案便会迅速失效,引发大量的计划外翻倒箱,使得整体运营成本不降反升。现有技术无法有效应对这种普遍存在的动态不确定性,是导致堆存效率难以突破瓶颈的核心技术难题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的问题之一,提供一种港口集装箱堆存策略智能生成方法及系统。

2、本发明的一个方面,提供了一种港口集装箱堆存策略智能生成方法,包括:

3、对获取的待入场集装箱信息、实时堆场状态数据和船舶动态数据进行特征工程,得到增强型集装箱画像;

4、对增强型集装箱画像进行基于时序模型的动态etd概率分布预测,得到预测etd概率分布集合;

5、基于预测etd概率分布集合,对待入场集装箱及其候选箱位列表进行阻塞概率量化评估,得到阻塞概率向量;

6、基于场吊状态数据、实时堆场状态数据和策略权重,对阻塞概率向量进行多目标综合成本评估,得到总成本向量;

7、基于总成本向量,从候选箱位列表中提取最优箱位指令。

8、可选地,对获取的待入场集装箱信息、实时堆场状态数据和船舶动态数据进行特征工程,得到增强型集装箱画像,包括:

9、基于船舶动态数据,对待入场集装箱信息进行上下文数据聚合与初步特征化,得到上下文集装箱对象;

10、基于实时堆场状态数据和堆场规则集,对上下文集装箱对象进行基于物理与安全约束的候选箱位筛选,得到候选箱位列表;

11、对上下文集装箱对象和候选箱位列表进行特征画像整合,得到增强型集装箱画像。

12、可选地,对增强型集装箱画像进行基于时序模型的动态etd概率分布预测,得到预测etd概率分布集合,包括:

13、将增强型集装箱画像输入预训练完成的时间序列预测模型,得到所述预测etd概率分布集合。

14、可选地,所述时间序列预测模型为长短期记忆网络模型。

15、可选地,基于预测etd概率分布集合,对待入场集装箱及其候选箱位列表进行阻塞概率量化评估,得到阻塞概率向量,包括:

16、从增强型集装箱画像中提取待入场集装箱的id和候选箱位列表;

17、基于待入场集装箱的id,从预测etd概率分布集合中提取待入场集装箱预测etd概率分布;

18、基于候选箱位列表中各个候选箱位的id,从预测etd概率分布集合中提取候选箱位预测etd概率分布的列表;

19、对待入场集装箱预测etd概率分布和候选箱位预测etd概率分布的列表进行阻塞概率计算,得到阻塞概率向量。

20、本发明的另一个方面,提供了一种港口集装箱堆存策略智能生成系统,包括:

21、特征工程模块,用于对获取的待入场集装箱信息、实时堆场状态数据和船舶动态数据进行特征工程,得到增强型集装箱画像;

22、动态etd概率分布预测模块,用于对增强型集装箱画像进行基于时序模型的动态etd概率分布预测,得到预测etd概率分布集合;

23、阻塞概率量化评估模块,用于基于预测etd概率分布集合,对待入场集装箱及其候选箱位列表进行阻塞概率量化评估,得到阻塞概率向量;

24、多目标综合成本评估模块,用于基于场吊状态数据、实时堆场状态数据和策略权重,对阻塞概率向量进行多目标综合成本评估,得到总成本向量;

25、最优箱位指令提取模块,用于基于总成本向量,从候选箱位列表中提取最优箱位指令。

26、可选地,特征工程模块,具体用于:

27、基于船舶动态数据,对待入场集装箱信息进行上下文数据聚合与初步特征化,得到上下文集装箱对象;

28、基于实时堆场状态数据和堆场规则集,对上下文集装箱对象进行基于物理与安全约束的候选箱位筛选,得到候选箱位列表;

29、对上下文集装箱对象和候选箱位列表进行特征画像整合,得到增强型集装箱画像。

30、可选地,动态etd概率分布预测模块,具体用于:

31、将增强型集装箱画像输入预训练完成的时间序列预测模型,得到所述预测etd概率分布集合。

32、与现有技术相比,本发明实施例提供的一种港口集装箱堆存策略智能生成方法及系统,其首先通过特征工程融合多源动态数据,构建能够全面反映集装箱上下文信息的增强型画像;接着,采用时序预测模型对集装箱的etd进行概率分布预测,而非预测单一的时间点,从而将不确定性予以精确量化,基于此概率分布,进一步计算并评估每个候选箱位在未来可能产生的阻塞概率,将翻倒风险转化为具体的成本项;最后,通过一个综合了阻塞成本、设备移动成本及堆垛稳定性成本的多目标评估模型,从所有候选箱位中决策出总成本最低的最优箱位。这样,能够通过预测和量化不确定性风险,实现了从被动应对到主动管理的转变,生成了更为稳健和高效的智能堆存策略。

1.一种港口集装箱堆存策略智能生成方法,其特征在于,包括:

2.根据权利要求1所述的港口集装箱堆存策略智能生成方法,其特征在于,对获取的待入场集装箱信息、实时堆场状态数据和船舶动态数据进行特征工程,得到增强型集装箱画像,包括:

3.根据权利要求1所述的港口集装箱堆存策略智能生成方法,其特征在于,对增强型集装箱画像进行基于时序模型的动态etd概率分布预测,得到预测etd概率分布集合,包括:

4.根据权利要求3所述的港口集装箱堆存策略智能生成方法,其特征在于,所述时间序列预测模型为长短期记忆网络模型。

5.根据权利要求1所述的港口集装箱堆存策略智能生成方法,其特征在于,基于预测etd概率分布集合,对待入场集装箱及其候选箱位列表进行阻塞概率量化评估,得到阻塞概率向量,包括:

6.一种港口集装箱堆存策略智能生成系统,其特征在于,包括:

7.根据权利要求6所述的港口集装箱堆存策略智能生成系统,其特征在于,特征工程模块,具体用于:

8.根据权利要求6所述的港口集装箱堆存策略智能生成系统,其特征在于,动态etd概率分布预测模块,具体用于: