面向大宗商品全链路物流数字化管控的智能调度方法与流程

本发明涉及大宗商品路物管控，尤其涉及面向大宗商品全链路物流数字化管控的智能调度方法。

背景技术：

1、大宗商品贸易体量庞大且供应链条覆盖港口、铁路枢纽、仓储园区及终端加工企业等多级物流节点，货物在流转过程中涉及船舶靠泊、集疏运车辆调配、多式联运衔接以及仓储中转等复杂环节，各环节的作业计划相互耦合，同时运输能耗成本在总运营支出中占比持续攀升，碳减排监管要求亦日趋严格。在此背景下，物流调度系统需要同时应对泊位资源竞争、运力时空分布不均、节点突发性拥堵以及全域能耗动态统计等多重挑战，传统依赖人工经验或单一维度优化的调度模式已难以适应大规模、高动态、强约束的大宗商品供应链运营需求。

2、当前行业内普遍采用港口操作系统编排船舶靠泊顺序与岸桥作业计划，利用运输管理系统记录车辆进出场时间并依据固定班次安排运力，通过仓储管理系统监控各节点库存水位并设置容量预警阈值，同时部分系统引入独立的能耗监测模块采集车辆油耗或电量数据作为事后统计依据。各子系统通常以松耦合方式集成，泊位调度输出结果被手动导入运输排程模块，运输计划再被传递至仓储管理端，能耗数据仅在日终或月结时汇总上报，调度决策过程中各环节之间的数据流转依赖预设的接口表单或人工干预，缺乏统一的数字化管控框架将泊位资源、运力调配、拥堵预判与能耗统计纳入同一优化体系。

3、现有技术存在两方面缺点，其一，各子系统独立运行导致泊位分配方案与运力调度计划之间缺乏动态反馈机制，船舶实际靠泊时间波动会直接造成车辆无效等待或泊位闲置，但现有系统无法实时耦合调整两者方案，整体作业效率受制于串联式决策链的时滞效应。其二，现有技术对物流节点拥堵的应对方式局限于事后被动疏散，即在拥堵实际发生后重新规划部分车辆路线，且重新规划时未同步考虑能耗增量对总成本的影响，致使绕行方案往往以牺牲燃油经济性为代价换取通行时间缩减，无法在拥堵规避与能耗管控之间形成均衡优化的调度策略。

技术实现思路

1、为了克服现有技术存在的缺点与不足，本发明提供面向大宗商品全链路物流数字化管控的智能调度方法。

2、本发明所采用的技术方案是，面向大宗商品全链路物流数字化管控的智能调度方法，包括以下步骤：s1，采集港口泊位作业时序数据、运输车辆实时定位数据、在途库存量及船舶到港预报信息，经数据清洗与结构化处理形成多源输入特征集；s2，调用泊位车流耦合优化求解算法，以船舶靠泊顺序与集疏运车辆路径为决策变量，构建最小化船舶平均在港时间与车辆平均等待时间的双目标耦合函数，输出泊位分配方案及车辆导引路径集；s3，将泊位分配方案及车辆导引路径集输入物流运力时序均衡调度算法，以各运输时段可用运力容量与待运货量偏差最小化为目标，生成各运输节点的运力投放时序表及车辆排班计划；s4，基于运力投放时序表及车辆排班计划，启动物流节点拥堵态势研判模型，计算各物流节点在预测时窗内的瞬时承载率与吞吐压力指数，标记超阈值拥堵节点并输出拥堵等级标签；s5，针对标记的拥堵节点，调用物流能耗全域统计智能分析系统，提取拥堵节点周边运输车辆的实时能耗率与怠速时长，结合路径重规划策略生成绕行能耗补偿方案；s6，融合泊位分配方案、车辆导引路径集、运力投放时序表、车辆排班计划、拥堵等级标签及绕行能耗补偿方案，构建多约束可行解空间，经帕累托择优迭代输出最终调度指令集。

3、进一步地，所述泊位车流耦合优化求解算法的表达式为：

4、，其中为待靠泊船舶集合，为集疏运车辆集合，为船舶索引，为车辆索引，为船舶在港时间权重系数，为车辆等待时间权重系数，为船舶分配给泊位后的预计作业时长，为车辆对应船舶的货物装卸等待时长，为二元决策变量，当车辆服务于船舶时取1否则取0；船舶在港时间与车辆等待时间的耦合约束式为：，其中为船舶的计划卸货量，为车辆对应的岸桥平均装卸速率，为车辆从入口至船舶对应泊位的场内行驶耗时，为车辆入口至泊位的场内路径总长度，为路径积分变量，为车辆在路径位置处的瞬时行驶速度，且与满足为车辆到达港口入口的时刻。

5、进一步地，所述物流运力时序均衡调度算法的表达式为：

6、，其中为离散化时间索引，为运输节点集合，为节点索引，为节点在时段的可调度运力容量，为节点在时段的待运货物总量；

7、运力投放时序优化式为：，其中为前瞻预测时长，为积分时间变量，为向节点输入运力的上游节点集合，为上游节点索引，为时段从上游节点调配至节点的运力增量，为从节点输出运力的下游节点集合，为下游节点索引，为时段从节点调配至下游节点的运力减量，为更新后的下一时段运力容量，为累积偏差量，当时增加运力投放，当时削减运力投放。

8、进一步地，所述物流节点拥堵态势研判模型的表达式为：，其中为物流节点索引，为当前预测时窗终点时刻，为节点在时刻的瞬时货物堆积密度，为节点的最大安全堆积密度，为时刻节点的货物到达速率，为时刻节点的货物离去速率，为正数常数，为拥堵压力指数，当超过预设阈值时标记节点为拥堵节点。

9、进一步地，所述多约束可行解空间包括泊位时间窗约束、车辆续航里程约束、节点最大吞吐量约束及碳排放配额约束，所述帕累托择优迭代采用非支配排序遗传算法，种群规模设置为150，交叉概率取0.85，变异概率取0.12，最大迭代代数设置为200，精英保留个体数取种群规模的15%，所述最终调度指令集通过无线数传终端分发至港口中控系统、车辆车载终端及节点闸口控制系统，所述无线数传终端工作于430mhz频段，采用扩频调制方式，所述车辆车载终端内置gps/北斗双模定位模块及惯性导航单元，所述节点闸口控制系统配备地感线圈与红外车辆分离器。

10、进一步地，所述s2中泊位车流耦合优化求解算法的调用过程包括：s21，以船舶预计到港时刻为基准生成初始泊位占用时序表，将各船舶按作业优先级排序后依次分配可用泊位；s22，根据泊位分配结果提取每条船舶对应的目标岸桥编号及作业时间窗，构建船舶-岸桥-车辆的三元关联矩阵；s23，基于三元关联矩阵计算每辆集疏运车辆从入口至目标泊位的最短路径及预计行驶时长，采用动态规划更新各路径的累计等待时间；s24，将船舶在港时间与车辆等待时间加权求和作为总代价，通过邻域搜索交换船舶靠泊顺序或车辆路径分配以降低总代价，迭代直至总代价不再下降。

11、进一步地，所述s3中物流运力时序均衡调度算法的运力投放时序表及车辆排班计划生成过程包括：s31，将全天运输时段划分为等间隔离散时隙，统计每个时隙内各运输节点的待运货物吨位及可用运力车次数；s32，计算每个时隙各节点的运力缺额或盈余量，以缺额节点为需求端、盈余节点为供给端构建运力调配有向图；s33，在有向图上采用最小费用流算法确定跨节点运力调拨数量与路径，更新各节点各时段的运力容量序列；s34，根据更新后的运力容量序列分配各节点的发车时间窗与车辆编组数量，生成以时隙为单位的车辆排班计划表。

12、进一步地，所述s4中物流节点拥堵态势研判模型的拥堵节点标记及拥堵等级标签输出过程包括：s41，提取每个物流节点在预测时窗内的实时进出货流量数据与当前堆存货物体积，计算瞬时承载率；s42，将瞬时承载率乘以进出货流量比值获得拥堵压力指数，将该指数与预设的轻度和重度两个阈值比较以判定拥堵等级；s43，对判定为拥堵的节点，回溯其上游各支路的输入流量构成，识别贡献流量最大的上游支路作为拥堵源头；s44，将拥堵等级标签及拥堵源头信息关联至对应节点的地理坐标，生成带位置标识的拥堵态势快照。

13、进一步地，所述s5中绕行能耗补偿方案的生成过程包括：s51，从物流能耗全域统计智能分析系统中提取拥堵节点周边预设半径范围内所有在途车辆的单位里程能耗率及当前怠速时长；s52，针对每一辆受拥堵影响的车辆，计算其沿用原路径的预期总能耗与绕行候选路径的预期总能耗的差值；s53，选取能耗差值最大的绕行候选路径作为该车辆的推荐绕行路径，并计算该路径下的能耗补偿量；s54，将所有受拥堵影响车辆的推荐绕行路径及能耗补偿量汇总，形成面向拥堵节点的绕行能耗补偿方案集。

14、面向大宗商品全链路物流数字化管控的智能调度方法，该方法通过面向大宗商品全链路物流数字化管控的智能调度平台实现，包括：泊位车流耦合优化求解模块，用于接收港口泊位作业时序数据与车辆实时定位数据，以船舶靠泊顺序与车辆路径为决策变量输出泊位分配及车辆导引方案；物流运力时序均衡调度模块，连接所述泊位车流耦合优化求解模块，用于接收泊位分配及车辆导引方案并生成各运输节点的运力投放时序表与车辆排班计划；物流节点拥堵态势研判模块，连接所述物流运力时序均衡调度模块，用于接收运力投放时序表与车辆排班计划并计算各节点的拥堵压力指数，输出拥堵等级标签及拥堵源头定位信息；物流能耗全域统计智能分析模块，连接所述物流节点拥堵态势研判模块，用于接收拥堵等级标签并提取拥堵节点周边的车辆实时能耗数据，生成绕行能耗补偿方案；多约束可行解空间构建模块，分别连接泊位车流耦合优化求解模块、物流运力时序均衡调度模块、物流节点拥堵态势研判模块、物流能耗全域统计智能分析模块，用于融合所有输出结果并施加约束条件构建可行解集合；帕累托择优迭代输出模块，连接所述多约束可行解空间构建模块，用于对可行解集合进行非支配排序与择优迭代，将最终调度指令分发至港口中控系统、车载终端及节点闸口控制系统。

15、有益效果：本发明提出面向大宗商品全链路物流数字化管控的智能调度方法，通过泊位车流耦合优化求解算法将船舶靠泊顺序与集疏运车辆路径在同一目标函数下协同决策，使泊位作业与车辆进场时序形成动态联动，克服了现有技术中串联式决策链导致泊位方案与运力计划相互脱节、实际靠泊波动引发车辆无效等待或泊位闲置的缺陷；在此基础上，物流运力时序均衡调度算法依据各时段运力缺额与盈余进行跨节点调拨，确保运力投放与货量需求在时间维度上紧密匹配，避免了固定班次排程造成的运力空驶或积压；物流节点拥堵态势研判模型提前计算各节点的拥堵压力指数并标记等级，使调度系统在拥堵形成前即可触发路径重规划，颠覆了传统事后被动疏散的模式，同时物流能耗全域统计智能分析系统将绕行方案所增加的能耗与怠速等待能耗进行量化比较，选取综合能耗最优的绕行策略，从而在规避拥堵的同时有效控制燃油或电力消耗增量，两项措施协同作用解决了现有技术无法在拥堵应对与能耗管控之间取得均衡的痛点；多约束可行解空间与帕累托择优迭代将泊位分配、运力排班、拥堵处置与能耗补偿纳入统一优化框架，整体上提升了大宗商品全链路物流的作业流畅度与资源利用效率，同时降低了单位货量的运输能耗成本。