危险货物集装箱智能堆存分区及动态优化调度管控方法与流程

本发明涉及集装箱堆场管控，具体为危险货物集装箱智能堆存分区及动态优化调度管控方法。

背景技术：

1、危险货物集装箱堆场是港口物流体系的核心关键环节，危货集装箱因具备易燃易爆、腐蚀性、毒害性等理化特性，其堆存分区与调度管控的安全性、合规性要求远高于普通集装箱。但在现有技术中，缺乏相应技术，难以适配港口堆场动态变化的作业工况，具体体现在：

2、堆存分区规划多为静态固化模式，无法实时响应堆场设备运行状态变化、箱源品类动态调整、作业任务时序变更等实时工况数据，分区方案的适配性与灵活性不足，易引发合规性风险；

3、多约束堆存优化问题的求解多采用单一智能算法，单一算法的求解精度与收敛速度难以兼顾，无法满足多约束耦合下堆存分区的优化需求；

4、箱位分配决策仅以单一作业成本为核心考量因素，未结合作业时序优先级进行加权修正，同时缺乏系统化、多维度的前置合规校验机制，易出现禁忌危货混存、堆存高度超限、安全间距不足等问题，严重影响堆存安全性；

5、调度管控环节，模型参数为固定值，无法根据作业全流程的反馈数据进行动态修正，多维度的效果量化评估结果未反向作用于前序模型与数据集，导致堆存分区、箱位分配的优化效果无法持续提升。

6、基于此，研发一种适配堆场实时工况、融合多算法优势、兼顾安全合规与作业效率、具备闭环迭代优化能力的危险货物集装箱智能堆存分区及动态优化调度管控方法与配套系统，成为港口危货集装箱堆场智能化升级的迫切需求。

技术实现思路

1、针对现有技术的不足，本发明公开了危险货物集装箱智能堆存分区及动态优化调度管控方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：危险货物集装箱智能堆存分区及动态优化调度管控方法，包括以下步骤：

3、s1、采集危货集装箱属性数据与堆场工况数据，经预处理后构建数字化映射模型；

4、s2、融合安全、合规、效率、设备资源多重约束搭建多约束耦合优化模型，采用遗传算法与粒子群优化算法融合的改进型混合智能算法求解，并结合实时工况数据迭代更新，经合规通过率校验后生成动态自适应堆存分区方案；

5、s3、结合动态分区结果与作业时序优先级，搭建箱位分配多目标决策模型，筛选最优箱位并执行前置合规校验，锁定合格箱位；

6、s4、依据最优箱位下发调度指令，对作业全流程进行实时监测，采集反馈数据，采用梯度下降法迭代修正模型参数，从安全、效率、资源、成本维度开展多维度效果量化评估，将评估结果反向输入至前序模型与数据集实现全流程闭环迭代优化，形成动态调度管控机制。

7、优选的，步骤s1中，所述危货集装箱属性数据包括品类、危险等级、理化性质、隔离要求、禁忌规则、作业时序，所述堆场工况数据包括堆场空间布局、设备运行状态、堆存合规规范；所述预处理包括数据清洗、归一化、特征提取，数据清洗采用3σ原则剔除异常数据并对缺失关键数据插值补全，数据有效率不低于99%；数据归一化采用极值归一化公式：

8、；

9、其中为归一化后数据值，取值范围为[0,1]，x为原始数据值，xmin为原始数据集中最小值，xmax为原始数据集中最大值；特征提取采用主成分分析算法，信息保留率不低于95%；

10、通过数字化映射模型将预处理后的两类标准化数据集进行融合映射，转化为结构化数据资产，所述数字化映射模型的表达式为：

11、m=f(da , dw)，

12、其中m为标准化数字化映射模型，f为数据融合映射函数，da为标准化后的危货集装箱属性数据集，dw为标准化后的堆场工况数据集。

13、优选的，步骤s2中，多重约束包括安全约束、合规约束、作业效率约束、设备资源约束，多约束耦合优化模型的目标函数为：

14、obj=α·s+β·e+γ·c+δ·r，

15、其中obj为多约束耦合优化目标值，s为安全合规适配度，e为作业效率指标，c为作业成本指标，r为设备资源利用率，α、β、γ、δ为权重系数，且α+β+γ+δ=1，α的取值范围为[0.4,0.6]，β、γ、δ的取值范围均为[0.1,0.3]；

16、其中，改进型混合智能算法为遗传算法与粒子群优化算法深度融合的算法，将粒子群优化算法的速度更新公式引入遗传算法的变异操作，粒子速度更新公式为：

17、，

18、其中vi(t+1)为第i个粒子第t+1代的速度，ω为惯性权重，取值范围为[0.4,0.9]，vi(t)为第i个粒子第t代的速度，c1、c2为学习因子，取值范围均为[1.5,2.5]，r1、r2为随机数，取值范围为[0,1]，pbesti为第i个粒子的个体最优解，xi(t)为第i个粒子第t代的位置，gbest为粒子群的全局最优解；

19、通过合规通过率公式校验分区合理性，合规通过率公式为：

20、，

21、其中p为分区合规通过率，nc为合规分区单元数量，nt为分区单元总数量，当p小于预设阈值时，对分区方案进行二次规划，预设阈值的取值范围为[95%,100%]，直至p达到预设阈值，生成动态自适应堆存分区方案。

22、优选的，步骤s3中，所述箱位分配多目标决策模型以作业成本最小化为核心目标，目标函数为：

23、；

24、其中mincost为最小作业总成本，n为危货集装箱数量，m为可选箱位数量，ctrans为集装箱转运成本，cstack为集装箱堆存成本，cwait为设备与集装箱等待成本，为第i个集装箱分配至第j个箱位的综合作业成本；结合作业时序优先级对目标函数进行加权修正，修正公式为：

25、，

26、其中为加权修正后的最小作业总成本，为第k个作业时序优先级的权重系数，作业时序优先级越高，取值越小，的取值范围为[0.5,1.0]。

27、优选的，步骤s3中，前置合规校验包括禁忌混存校验、堆存高度校验和安全间距校验，具体校验规则为：

28、1）禁忌混存校验：构建危货禁忌混存矩阵gn×n，gij=1表示第i类与第j类危货禁止混存，gij=0表示允许混存，校验箱位内及相邻箱位危货类型，无gij=1的情况则校验合格，将危货属性规则库中的禁忌混存规则转化为二维矩阵；

29、2）堆存高度校验：预设危货集装箱堆存高度阈值hmax，其中，堆存高度阈值设为包括易燃易爆危险危险货物集装箱堆码高度不超过2层，其他危险货物集装箱堆码高度不超过3层，实际堆存高度h≤hmax则校验合格；

30、3）安全间距校验：预设危货集装箱安全间距阈值lmin，lmin的取值范围为[3，30]米，实际堆存间距l≥lmin则校验合格；

31、三项校验均合格则锁定箱位，任意一项校验不合格则重新代入箱位分配多目标决策模型筛选最优箱位。

32、优选的，步骤s4中，迭代修正模型参数采用梯度下降法，参数修正公式为：

33、，

34、其中为修正后的模型参数，θt为修正前的模型参数，η为学习率，取值范围为[0.001,0.1]，为参数θt对应的损失函数梯度。

35、优选的，步骤s4中，所述多维度效果量化评估包括安全评估、效率评估、资源评估及成本评估，各维度评估指标计算如下：

36、1）安全评估指标：违规率，其中为违规作业次数，为作业总次数；

37、2）效率评估指标：作业完成率，其中nf为按时完成作业次数，np为计划作业总次数；

38、3）资源评估指标：设备利用率，其中tw为设备实际工作时间，tt为设备计划工作总时间；

39、4）成本评估指标：成本控制率，其中costa为实际作业总成本，costp为计划作业总成本；各维度评估指标的权重分配与多约束耦合优化模型的权重系数α、β、γ、δ保持一致。

40、优选的，步骤s4中，所述全流程闭环迭代优化的更新周期为[1,24]小时，根据堆场作业强度调整，作业强度越高更新周期越短；迭代优化具体为：

41、将多维度效果量化评估结果反向输入至标准化数字化映射模型更新数据集，反向输入至多约束耦合优化模型调整权重系数与目标函数，反向输入至箱位分配多目标决策模型更新成本参数与加权系数，同时更新危货属性规则库、堆场合规规范库及作业成本基础库；所述动态调度管控机制为规划-执行-监测-评估-更新-再规划的闭环机制，实现堆存分区、箱位分配、调度指令的全流程动态调整。

42、本发明还提供了一种危险货物集装箱智能堆存分区及动态优化调度管控系统，包括：

43、数据数字化建模模块，用于执行危货集装箱与堆场基础数据采集、处理及标准化数字化映射模型构建操作；

44、动态分区智能规划模块，用于执行多约束耦合优化模型搭建、改进型混合智能算法求解、分区方案迭代更新及合规校验操作，生成动态自适应堆存分区方案；

45、箱位动态精准分配模块，用于执行箱位分配多目标决策模型搭建、最优箱位筛选及前置合规校验操作，锁定合格箱位；

46、闭环调度管控迭代模块，用于执行调度指令下发、作业全流程实时监测、模型参数迭代修正、多维度效果量化评估及全流程闭环迭代操作，实现调度管控的动态优化；

47、所述数据数字化建模模块、动态分区智能规划模块、箱位动态精准分配模块、闭环调度管控迭代模块依次信号连接，形成数据互通、流程衔接的智能管控系统。

48、与现有技术相比，本发明的有益效果：

49、1、本发明中，通过构建融合危货集装箱属性与堆场工况的数字化映射模型，将实时工况数据纳入多约束耦合优化模型的迭代更新过程，还通过合规通过率校验对分区方案进行二次规划，彻底解决了传统堆存分区与堆场实时工况脱节的问题，能生成动态自适应的堆存分区方案，确保分区始终符合安全、合规等多重约束要求，有效提升了危货集装箱堆存分区的实时适配性和合规达标率。

50、2、本发明中，融合遗传算法与粒子群优化算法形成改进型混合智能算法，解决了单一算法求解优化模型的局限性，提升了优化求解的精度和效率；同时在箱位分配环节，以作业成本最小化为核心搭建多目标决策模型，并通过禁忌混存、堆存高度、安全间距的前置合规校验筑牢安全底线，还结合作业时序优先级加权修正成本目标，实现了危货堆存安全合规与作业效率提升、成本优化的协同兼顾，解决了传统调度中安全与效率难以平衡的痛点。

51、3、本发明中，依托梯度下降法迭代修正模型参数，从安全、效率、资源、成本四个维度开展量化评估，并将评估结果反向输入至前序所有模型和数据集，同步更新各类规则库、规范库和基础库，配套的智能调度系统四大模块还实现了数据互通、流程衔接的全链路联动；这一闭环迭代机制解决了传统管控方法模型固定、无法持续优化的问题，让堆存调度管控能力能随堆场工况变化、作业数据积累持续迭代提升，为港口危货集装箱堆场的智能化升级提供了可持续的技术支撑。