一种基于AEO数字孪生的口岸调度方法及装置与流程

摘要: 本发明涉及海关口岸监管,具体而言,涉及一种基于aeo数字孪生的口岸调度方法及装置。背景技术:1、根据海关总署令第282号,aeo(经认证的经营者)企业货物享受优...
一种基于AEO数字孪生的口岸调度方法及装置与流程

本发明涉及海关口岸监管,具体而言,涉及一种基于aeo数字孪生的口岸调度方法及装置。

背景技术:

1、根据海关总署令第282号,aeo(经认证的经营者)企业货物享受优先查验、优先放行等便利措施。当前海关口岸的卡口通行、货物查验及集装箱装卸等物理交互环节,普遍采用先到先服务的调度方式,无法保证aeo企业的优先通行权。部分口岸虽引入自动化设备,但各环节调度相互独立,缺乏全局视角,容易产生作业瓶颈。当设备故障或车辆拥堵等异常情况发生时,由于缺乏预先模拟与验证手段,调度人员难以及时评估调整方案的效果,导致响应速度慢、试错成本高。同时,现有技术未对aeo优先措施的执行效果进行量化评估,无法支撑调度策略的持续优化。

技术实现思路

1、本发明的目的在于提供一种基于aeo数字孪生的口岸调度方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:

2、第一方面,本申请提供了一种基于aeo数字孪生的口岸调度方法,包括:

3、获取口岸物理实体的实时状态数据,所述实时状态数据至少包含各运输工具与货物的信用等级和累计等待时长;

4、根据所述实时状态数据更新数字孪生模型,并在所述数字孪生模型中嵌入aeo监管规则作为约束条件;

5、以更新后的所述数字孪生模型为仿真环境,根据所述信用等级和累计等待时长,采用多智能体强化学习算法生成各运输工具与货物的调度方案;

6、将所述调度方案输入所述数字孪生模型进行预演,根据预演结果判断所述调度方案是否满足所述约束条件;

7、若满足,将所述调度方案下发至口岸物理设备执行;

8、获取执行后的状态数据,根据所述执行后的状态数据与所述实时状态数据的差异,更新所述多智能体强化学习算法的决策参数。

9、第二方面,本申请还提供了一种基于aeo数字孪生的口岸调度装置,包括:

10、数据获取模块,用于获取口岸物理实体的实时状态数据,所述实时状态数据至少包含各运输工具与货物的信用等级和累计等待时长;

11、模型更新模块,用于根据所述实时状态数据更新数字孪生模型,并在所述数字孪生模型中嵌入aeo监管规则作为约束条件;

12、调度生成模块,用于以更新后的所述数字孪生模型为仿真环境,根据所述信用等级和累计等待时长,采用多智能体强化学习算法生成各运输工具与货物的调度方案;

13、预演判断模块,用于将所述调度方案输入所述数字孪生模型进行预演,根据预演结果判断所述调度方案是否满足所述约束条件;

14、指令下发模块,用于当所述调度方案满足所述约束条件时,将所述调度方案下发至口岸物理设备执行;

15、参数更新模块,用于获取执行后的状态数据,根据所述执行后的状态数据与所述实时状态数据的差异,更新所述多智能体强化学习算法的决策参数。

16、第三方面,本申请还提供了一种基于aeo数字孪生的口岸调度设备,包括:

17、存储器,用于存储计算机程序;

18、处理器,用于执行所述计算机程序时实现所述基于aeo数字孪生的口岸调度方法的步骤。

19、第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于aeo数字孪生的口岸调度方法的步骤。

20、本发明的有益效果为:

21、1、本发明将aeo监管规则作为核心约束嵌入数字孪生模型,使调度决策在仿真环境中即可受到信用等级规则的刚性约束,从根本上保证了aeo优先措施的准确执行。同时,多智能体强化学习算法以信用等级和累计等待时长为决策依据生成调度方案,并通过分层加权的奖励函数使高级认证企业的等待惩罚权重显著高于普通企业,从而保障了高信用等级企业的绝对优先通行权。

22、2、调度方案生成后,首先在数字孪生模型中进行预演验证,只有满足aeo约束条件的方案方被下发执行,避免了直接在物理口岸试错带来的运营风险。与传统方案相比,本发明能够大幅降低aeo企业的卡口平均等待时间与货物平均通关时间,同时提升口岸整体通行效率。

23、本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

1.一种基于aeo数字孪生的口岸调度方法,其特征在于,包括:

2.根据权利要求1所述的基于aeo数字孪生的口岸调度方法,其特征在于,根据所述实时状态数据更新数字孪生模型之前,还包括数字孪生模型的构建:

3.根据权利要求1所述的基于aeo数字孪生的口岸调度方法,其特征在于,采用多智能体强化学习算法生成各运输工具与货物的调度方案,包括:

4.根据权利要求1所述的基于aeo数字孪生的口岸调度方法,其特征在于,还包括训练所述多智能体强化学习算法:

5.根据权利要求1所述的基于aeo数字孪生的口岸调度方法,其特征在于,将所述调度方案下发至口岸物理设备执行的步骤之后,还包括:

6.一种基于aeo数字孪生的口岸调度装置,其特征在于,包括:

7.根据权利要求6所述的基于aeo数字孪生的口岸调度装置,其特征在于,所述模型更新模块还包括:

8.根据权利要求6所述的基于aeo数字孪生的口岸调度装置,其特征在于,所述调度生成模块包括:

9.根据权利要求6所述的基于aeo数字孪生的口岸调度装置,其特征在于,还包括训练模块,所述训练模块包括:

10.根据权利要求6所述的基于aeo数字孪生的口岸调度装置,其特征在于,还包括异常处置模块,所述异常处置模块包括: