一种基于港口危化品储量预测的运输船舶及车辆调度方法与流程

本发明涉及危化品港口储运的安全管理领域，尤其涉及一种基于港口危化品储量预测的运输船舶及车辆调度方法。

背景技术：

1、目前，危化品港口储运调度主要根据港口人员的经验，或者按照预先制定的固定时间表和作业流程来对船舶、车辆的危化品装卸等作业进行安排，这种调度模式缺乏对港口危化品存储能力的前瞻性预测与分析，简单采用先到先服务的规划安排，无法根据港口实际运营状态和储罐容量动态调整作业计划。导致在港口业务繁忙时，到港船舶和车辆数量激增，现有的船舶、车辆调度无法及时跟上实际需求，导致船舶和车辆在港口长时间等待，不仅严重降低了运输效率，增加了物流成本，更重要的是可能带来一系列安全隐患，对港口安全生产构成威胁。

2、危化品港口由于所储运货物的特殊性，确保港口危化品储运的安全性至关重要。港口危化品储罐的液位管理是保障安全与运营效率的核心环节，其中储罐的低-低液位和高-高液位是两个重要的关键阈值。低-低液位指储罐内危化品储量低于安全下限，可能导致泵空转、管道残留物挥发或设备损坏，甚至因压力失衡引发泄漏风险；而高-高液位指储罐接近最大安全容量，超过可能引发溢流、罐体超压或环境污染等严重事故。传统的港口调度方法由于缺乏对危化品储量的实时监测和科学预测手段，难以在储罐液位接近临界阈值前做出预判和调整，无法有效规避因储量异常波动引发的各类安全风险，同时也增加了危化品滞留导致的物流成本和管理负担。

3、针对上述技术问题，亟需研究开发一种能够对港口危化品储量进行实时监测与动态预测的技术方法，通过精准管控储罐液位，提前规划船舶到港补给和车辆外运计划，从而有效规避因港口危化品储罐储量异常引发的设备损坏、泄漏或溢流风险，在保障港口危化品储运安全性的同时，提升港口运营效率并降低物流成本。

技术实现思路

1、为了弥补现有技术问题的不足，本发明的目的是提供一种基于港口危化品储量预测的运输船舶及车辆调度方法，采用机器学习模型对危化品储量进行动态预测，并根据储罐液位所处区间自动确定作业模式，实现运输资源的合理分配与有序作业，在保障危化品港口储运安全性的同时提升港口运营效率。

2、为了解决现有技术问题，本发明的技术方案如下：

3、一种基于港口危化品储量预测的运输船舶及车辆调度方法，包括以下步骤：

4、 s1、构建危化品港口信息数据资源库：获取每日各类危化品到港的港口时间数据、储量数据、船舶数据、车辆数据、船舶平均卸货量和车辆平均装货量，获得的数据预处理得到可用的多源数据，若干天可用的多源数据构成危化品港口信息数据资源库；

5、进一步地，获取危化品港口时间数据、各危化品储量、运输船舶以及车辆数据，其中获取的危化品港口时间数据为每个工作日的时间，并将一日时间划分为多个时间单元，即按港口作业人员的工作时间将全天24小时划分为多个时间段；利用流量计以及储罐检尺计量各危化品的储量；采用港口码头监控系统以及雷达监控系统实时记录每一艘船只的进出港时间、轨迹以及装载情况，其中的监控摄像头确保码头的各个角落都覆盖在监控之下；采用道闸记录设备记录到港车辆的车牌号码、车辆信息、车辆所载危化品信息、车辆出入港口时间，其中道闸设备设立在出入港口处，并由道闸旁的摄像头采集相关信息。同时，通过港口后台系统时刻关注各危化品储罐的安全阈值参数：低-低液位对应的储量、高-高液位对应的储量、装车允许的最低储量、卸船允许的最高储量。将采集的数据进行数据预处理后得到可使用数据，包括每个工作日的不同时间段各危化品储量的数值变化，各时间段船舶以及车辆到港数量和时间，船舶和车辆所载或所需危化品信息和数量，每日各类危化品船舶平均载货量和车辆平均装货量。

6、s2、基于多源数据进行危化品储量预测：基于危化品港口信息数据资源库的多源数据构建lstm模型、lightgbm模型和prophet模型，通过mape平均绝对百分比误差作为模型评价指标，选取mape最小的模型作为最终预测方法，预测未来一天的危化品储量数据以及预计抵港的运输方信息数据。

7、进一步地，以到港船舶以及当前危化品储罐内各危化品数量、车辆数量、船舶以及车辆到港时间、船舶所运各危化品数量和车辆所需危化品数量为特征数据；再确定预测方法，基于机器学习，形成测算方法模型集[lstm，lightgbm，prophet]，其中lstm擅长处理时间序列数据，精准预测储量助力调度决策制定、lightgbm训练速度快且内存占用少，高效支持调度实时运算、prophet自动捕捉数据趋势与周期，准确预测储量辅助调度；接着确定评价指标，设定mape为方法模型集评价指标，选用测算方法模型集中mape最小值min（mape）的方法为最终预测方法，模型预测危化品储量数据和预计抵港的运输方信息数据，所谓危化品储量数据为未来一天开始作业前的危化品储量；预计抵港的运输方信息数据包括未来一天各时间段内到达的船舶数量和车辆数量以及未来一天各类危化品船舶平均载货量和车辆平均装货量。

8、s3、构建分时段动态调度模型：

9、s31、选取预测模型与预测方式，根据未来一天的危化品储量预测数据以及预计抵港的运输方信息数据，将一天划分为k个等长的时间段；

10、s32、根据危化品储量情况，计算各时段可作业的船舶数量和车辆数量；

11、s33、在第k时间段内，k取值范围[1，k]，计算可作业的船舶和车辆，建议开始作业的时间；

12、s34、运输资源的剩余时间再调度与预约式抵港协调方法。

13、进一步地，根据未来一天的危化品储量预测数据以及预计抵港的运输方信息数据，本发明构建一种分时段动态调度模型。该模型将一天划分为多个等长时间段，每个时段根据该时段开始时的危化品储量所处区间（低-低液位与装车允许下限之间的优先卸船区、卸船允许上限与高-高液位之间的优先装车区、以及两者之间的可作业并行区），确定该时段的作业模式（优先卸船、优先装车或同时作业）。在此基础上，结合各时段内等待作业的船舶车辆或者车辆数量、卸船和装车速度以及划分的时间长度，计算每个时段实际可作业的船舶数量和车辆数量，并记录未能安排作业的运输资源自动顺延至下一时段。通过跨时段迭代计算，最终得到所有船舶和车辆的建议开始作业时间及预计完成作业时间。对于因储量限制或时间不足而无法在本时段作业的运输资源，系统将其纳入后续时段的等待队列优先安排；若当天所有时段结束后仍有剩余，则利用各时段的剩余可作业时间进行再调度，并重新计算后续时段的影响，选取剩余资源最少的方案；若仍有剩余船舶或者车辆，则安排至次日第一个时段作业。通过上述动态调度，实现运输资源的预约式抵港与有序作业，提升港口运营效率与安全性。

14、与现有技术相比较，本发明的优点如下：

15、1、本发明通过构建危化品港口信息数据资源库，实现多源数据的整合与预处理，将港口码头监控系统、雷达监控系统、道闸记录设备、流量计、储罐检尺等多种数据采集设备获取的数据进行统一清洗和处理，为调度决策提供完整的数据基础。

16、2、本发明通过多模型预测机制构建包含lstm、lightgbm、prophet三种机器学习模型的模型集，采用mape指标对三种模型进行评估比较，选取mape最小的模型作为最终预测方法，并根据数据的均匀分布特性采取不同的预测策略，有效提高危化品储量预测精度，为调度决策提供科学依据。

17、3、本发明通过分时段动态调度模型，根据储罐液位所处区间自动确定作业模式，当储量处于优先卸船区时优先安排卸船作业，当储量处于优先装车区时优先安排装车作业，当储量处于可并行作业区时同时安排卸船和装车作业，实现运输资源的合理分配和港口作业能力的最大化利用。

18、4、本发明通过跨时段迭代计算和剩余资源再调度机制，充分利用各时段的剩余可作业时间，将未能及时安排的运输资源重新纳入调度方案，选取剩余资源最少的方案作为最终方案，最大化利用港口作业能力，减少资源闲置和船舶车辆等待时间。

19、5、本发明通过预约式抵港协调机制，港口方根据最终调度方案提前公布各时段船舶和车辆的建议开始作业时间，运输方根据建议时间合理安排航行计划和运输行程，实现运输资源的预约式抵港与有序作业，减少锚地等待时间和港口拥堵现象，提高港口运营效率。

20、6、本发明通过设置装车允许下限

q

low和卸船允许上限

q

high作为中间阈值，在确保储罐液位不触及低-低液位

q

min和高-高液位

q

max安全边界的前提下进行调度，结合储罐液位动态预测和分时段调度模型，在储罐储量接近临界阈值前做出预判和调整，有效规避设备损坏、泄漏或溢流风险，提高危化品港口储运安全性。

21、7、本发明通过获取危化品港口时间数据、各危化品储量、运输船舶以及车辆数据，然后通过多源数据的预处理与整合，基于机器学习模型预测未来一天各分时段危化品储量以及预计抵港的船舶和车辆数量，计算各运输船舶的输入完成时间和车辆的输出完成时间。根据实时的危化品储量预测值，快速生成最优的运输船和车辆分配方案，指导港口的日常运营，提高港口危化品运输和存储的安全性、效率和经济性。