一种基于AI算法的多式联运数字化应用方法及系统与流程

本发明属于多式联运数字化管理及智能调度，尤其涉及一种基于ai算法的多式联运数字化应用方法及系统。

背景技术：

1、随着公路、滚装船及铁路协同运输的发展，多式联运数字化平台被用于运输计划管理、业务事件采集、运输资源调度及延误预警。现有技术通常依据运输计划数据、业务运输事件数据及运输资源状态数据，判断运输进度并进行延误分析。

2、然而，不同业务系统之间可能存在数据上报滞后、事件遗漏或状态记录偏差，导致业务承载状态与目标运输单元的实际物理承载状态不一致。由此建立的延误传播图可能存在节点状态、时间参数、承载关系及延误传播边不准确的问题，并可能将已失去直接调度条件的作业节点或资源节点作为干预对象。

3、因此，现有技术亟需解决如何准确确定目标运输单元的物理承载状态、运输方式切换时刻及不可逆完成状态，并据此修正延误传播图和节点可干预性，以重新确定目标最小干预节点集合并生成运输资源控制指令，从而提高延误干预的准确性和可执行性。

技术实现思路

1、本发明的目的在于提供一种基于ai算法的多式联运数字化应用方法及系统，旨在解决背景技术中提出的问题。

2、本发明是这样实现的，一种基于ai算法的多式联运数字化应用方法，所述方法包括：

3、获取目标运输单元的联运数据，所述联运数据包括运输计划数据、业务运输事件数据及运输资源状态数据；所述目标运输单元为可与牵引设备分离并由公路车辆、滚装船及铁路车辆承载的轮式运输单元；

4、根据联运数据构建包含作业节点、资源节点及延误传播边的初始延误传播图，并基于联运数据确定各作业节点及各资源节点的延误量、可干预性及干预代价，以确定初始最小干预节点集合；

5、获取目标运输单元的振动姿态时序数据，利用ai识别模型确定物理承载状态、运输方式切换时刻及不可逆完成状态；

6、将物理承载状态与业务运输事件数据表征的业务承载状态比对，并根据比对结果、运输方式切换时刻及不可逆完成状态，修正初始延误传播图的节点状态、时间参数、承载关系、延误传播边及可干预性，得到修正延误传播图；

7、根据修正延误传播图重新确定目标最小干预节点集合，并生成对应的运输资源控制指令，并将运输资源控制指令发送至对应的运输资源控制终端。

8、作为本发明实施例技术方案进一步的限定，根据联运数据构建包含作业节点、资源节点及延误传播边的初始延误传播图，并基于联运数据确定各作业节点及各资源节点的延误量、可干预性及干预代价，以确定初始最小干预节点集合的步骤包括：

9、根据运输计划数据确定目标运输单元对应的运输作业及执行各运输作业所需的运输资源，将各运输作业映射为作业节点，将各运输资源映射为资源节点，并根据运输作业之间的先后关系、运输作业与运输资源之间的占用关系以及相邻运输作业之间的时间衔接关系建立所述延误传播边；

10、根据运输计划数据中的计划执行时刻与业务运输事件数据中的实际执行时刻或预计执行时刻之间的差值，确定各作业节点的延误量；根据各运输资源的计划释放时刻与预计释放时刻之间的差值，确定各资源节点的延误量；根据各作业节点及各资源节点的延误量沿延误传播边确定下游节点的预测延误量；

11、根据运输资源状态数据、各节点对应干预操作所需的执行时间及对应节点的剩余可用时间，确定各作业节点及各资源节点的可干预性，并根据实施干预操作所需的调整时间、运输资源占用量及附加作业次数确定对应的干预代价；

12、对可干预的作业节点及资源节点的节点组合进行干预模拟，根据模拟干预后的节点时间参数沿延误传播边确定各下游节点的剩余预测延误量；

13、从使各下游节点的剩余预测延误量满足预设延误条件的节点组合中，筛选初始最小干预节点集合。

14、作为本发明实施例技术方案进一步的限定，获取目标运输单元的振动姿态时序数据，利用ai识别模型确定物理承载状态、运输方式切换时刻及不可逆完成状态的步骤包括：

15、通过设置于目标运输单元的振动姿态感知单元采集三轴加速度数据和三轴角速度数据，对三轴加速度数据和三轴角速度数据进行时间同步及分段处理，得到多个时序数据段；

16、提取各时序数据段的频带能量特征、周期振动特征、冲击序列特征及姿态变化特征，形成振动指纹特征序列；

17、将振动指纹特征序列输入ai识别模型，确定各时序数据段对应的物理承载状态，所述物理承载状态包括公路车辆承载状态、滚装船承载状态、铁路车辆承载状态、吊装状态及独立静置状态；

18、根据相邻时序数据段对应的物理承载状态的变化及状态识别置信度，确定运输方式切换时刻；

19、根据运输方式切换时刻之后连续多个时序数据段的物理承载状态，以及与对应运输方式切换操作的预设完成振动指纹之间的匹配结果，确定对应的运输方式切换是否完成以及切换前运输资源是否已失去直接调度条件，并据此确定不可逆完成状态。

20、作为本发明实施例技术方案进一步的限定，将物理承载状态与业务运输事件数据表征的业务承载状态比对，并根据比对结果、运输方式切换时刻及不可逆完成状态，修正初始延误传播图的节点状态、时间参数、承载关系、延误传播边及可干预性，得到修正延误传播图的步骤包括：

21、根据业务运输事件数据中的事件类型及事件发生时刻，确定目标运输单元对应的业务承载状态，并将业务承载状态与物理承载状态按照时间进行对齐，得到所述比对结果；

22、在比对结果表征业务承载状态与物理承载状态不一致时，根据物理承载状态及运输资源状态数据，确定实际执行对应运输作业的作业节点和实际承载目标运输单元的资源节点，并将所确定的作业节点及资源节点作为待修正节点；

23、根据物理承载状态及运输方式切换时刻，修正各待修正节点的节点状态和时间参数，并将各待修正作业节点与实际承载目标运输单元的运输资源对应的资源节点建立承载关联；

24、删除与修正后的节点状态及承载关系不一致的延误传播边，并根据待修正节点之间的作业先后关系、资源占用关系及时间衔接关系建立新的延误传播边；

25、根据不可逆完成状态，将已失去直接调度条件的作业节点及资源节点的可干预性设置为不可干预，得到修正延误传播图；在比对结果表征业务承载状态与物理承载状态一致时，将初始延误传播图作为修正延误传播图。

26、作为本发明实施例技术方案进一步的限定，根据修正延误传播图重新确定目标最小干预节点集合，并生成对应的运输资源控制指令，并将运输资源控制指令发送至对应的运输资源控制终端的步骤包括：

27、根据修正延误传播图，校验初始最小干预节点集合中各节点的可干预性，并结合修正后可干预的作业节点和资源节点确定候选干预节点；

28、分别对各候选干预节点及其组合实施干预模拟，根据干预后的节点时间参数沿延误传播边更新下游节点的剩余预测延误量，生成多个候选干预方案；

29、从使剩余预测延误量满足预设延误条件的候选干预方案中，选取节点数量最少且干预代价之和最小的候选干预方案，并将所选候选干预方案对应的候选干预节点确定为目标最小干预节点集合；

30、根据目标最小干预节点集合中各候选干预节点对应的运输资源、干预操作及可干预时间窗口，生成包括目标资源标识、操作参数和执行时刻的运输资源控制指令，并将运输资源控制指令发送至对应的运输资源控制终端。

31、作为本发明实施例技术方案进一步的限定，将运输资源控制指令发送至对应的运输资源控制终端之后，还包括：

32、根据目标最小干预节点集合中各候选干预节点的节点类型，控制对应的运输资源控制终端执行牵引设备调配、滚装候船位置调整、滚装登船顺序调整、吊装作业时刻调整、铁路车辆装载位置调整或末端牵引设备到场时刻调整中的至少一种干预操作；

33、获取运输资源控制终端返回的指令执行状态及实际执行时刻，根据指令执行状态及实际执行时刻更新修正延误传播图中对应节点的节点状态和时间参数，并重新确定各下游节点的剩余预测延误量；

34、在更新后的剩余预测延误量不满足预设延误条件时，重新确定目标最小干预节点集合并生成新的运输资源控制指令。

35、作为本发明实施例技术方案进一步的限定，所述ai识别模型的获得步骤包括：

36、获取目标运输单元在公路运输、滚装船运输、铁路运输、吊装及独立静置过程中的历史振动姿态时序数据，并根据各运输过程对应的运输资源标识、作业起止时刻及运输方式切换记录，对历史振动姿态时序数据标注物理承载状态标签和切换时刻标签，形成训练样本集；

37、利用训练样本集训练ai识别模型，使ai识别模型输出各时序数据段对应的状态识别概率及切换概率；

38、根据相邻时序数据段的状态识别概率、切换概率以及预设状态转换关系，对各时序数据段的初始识别结果进行连续性校正，并将校正后的识别结果作为物理承载状态。

39、一种基于ai算法的多式联运数字化应用系统，所述系统包括：

40、联运数据获取模块，用于获取目标运输单元的联运数据，所述联运数据包括运输计划数据、业务运输事件数据及运输资源状态数据；所述目标运输单元为可与牵引设备分离并由公路车辆、滚装船及铁路车辆承载的轮式运输单元；

41、传播图构建模块，用于根据联运数据构建包含作业节点、资源节点及延误传播边的初始延误传播图，并基于联运数据确定各作业节点及各资源节点的延误量、可干预性及干预代价，以确定初始最小干预节点集合；

42、承载状态识别模块，用于获取目标运输单元的振动姿态时序数据，利用ai识别模型确定物理承载状态、运输方式切换时刻及不可逆完成状态；

43、传播图修正模块，用于将物理承载状态与业务运输事件数据表征的业务承载状态比对，并根据比对结果、运输方式切换时刻及不可逆完成状态，修正初始延误传播图的节点状态、时间参数、承载关系、延误传播边及可干预性，得到修正延误传播图；

44、干预控制模块，用于根据修正延误传播图重新确定目标最小干预节点集合，并生成对应的运输资源控制指令，并将运输资源控制指令发送至对应的运输资源控制终端。

45、与现有技术相比，本发明通过将目标运输单元的振动姿态时序数据与多式联运业务运输事件数据相结合，利用ai识别模型确定物理承载状态、运输方式切换时刻及不可逆完成状态，并据此修正初始延误传播图中的节点状态、时间参数、承载关系、延误传播边及可干预性，避免因业务事件上报滞后或状态失真而误选已无法调度的干预节点。在此基础上，通过对修正后的候选干预节点及其组合进行干预模拟，确定目标最小干预节点集合并生成运输资源控制指令，实现延误传播分析、干预决策和资源控制的闭环联动，从而提高干预方案的准确性、可执行性及资源利用效率。本发明适用于公路、滚装船和铁路相衔接的多式联运场景，可应用于港口、铁路场站及综合物流枢纽的数字化调度与智能延误控制，具有良好的推广应用前景。