码头AGV车调度方法、装置、计算机设备和存储介质与流程

码头agv车调度方法、装置、计算机设备和存储介质
技术领域
1.本发明涉及数据处理领域，具体涉及一种码头agv车调度方法、装置、计算机设备和存储介质。


背景技术：

2.在自动化集装箱码头领域，agv(automatic guided vehicle)自动引导小车负责船舶装卸区和堆场区之间的集装箱运输工作，在实现码头自动化过程中发挥关键性作用。在码头作业中，桥吊作业的效率和agv配比数量有直接关系，合理地分配每一台桥吊的agv数量可以有效提升码头作业效率，降低agv空驶率和等待时间，提升桥吊的台时率。而如何进行合理对agv车进行分配调度是自动化集装箱码头作业的难题之一。


技术实现要素：

3.因此，为了克服上述现有技术的缺点，本发明提供一种对码头agv车动态合理分配的码头agv车调度方法、装置、计算机设备和存储介质。
4.为了实现上述目的，本发明提供一种码头agv车调度方法，包括：获取所有作业路的集装箱码头历史agv车的历史作业数据，所述历史作业数据包含历史时间周期内在所述作业路上agv车历史调度数据以及agv车历史工作数据；对所述历史作业数据进行分析，分别训练与每条所述作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型；以预设频率获取所述作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶所述作业路的作业计划以及船舶计划离泊时间，得到当前作业数据；将所述当前作业数据输入与每条所述作业路对应的agv车评估时间模型，得到每个所述作业路预测的剩余时间比例；基于所述剩余时间比例，根据所述agv车状态信息判断模型和所述作业路agv车调度模型对所述当前作业数据中的所有所述agv车的调度数值重新进行设置，得到agv车调度调整值；根据调度限制规则，对所述agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
5.在其中一个实施例中，所述对所述历史作业数据进行分析，分别训练与每条所述作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型，包括：对所述历史作业数据进行取样，提取历史时间周期内在所述作业路上agv车的调度数量、agv车的工作状态标签以及agv车的作业时间；根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条所述作业路的作业特征；根据所述作业特征分别训练与每条所述作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
6.在其中一个实施例中，所述将所述当前作业数据输入与每条所述作业路对应的agv车评估时间模型，得到每个所述作业路预测的剩余时间比例，包括：从所述当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
；根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个所述作业路的剩余
作业时间t
work
=t
left-t
now
；将所述当前作业数据中的总作业路的数量n
sts
、所述agv车总数n
agv
输入agv车评估时间模型，得到所述作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
7.在其中一个实施例中，所述基于所述剩余时间比例，根据所述agv车状态信息判断模型和所述作业路agv车调度模型对所述当前作业数据中的所有所述agv车的调度数值重新进行设置，得到agv车调度调整值，包括：将剩余时间比例αi与预设阈值α进行比对判断；当αi大于α时，将所述当前作业数据输入所述作业路agv车调度模型得到agv车第一调度预估值yw；并将所述当前作业数据输入所述agv车状态信息判断模型确定agv车处于断档或者agv车过剩的冗余调度值yc；根据agv车第一调度预估值yw和冗余调度值yc，得到agv车调度调整值y
p
=y
w-yc；当αi小于α时，agv车调度调整值为，n
sts
为总作业路的数量、n
agv
为当前作业路的agv车总数，第i个作业路排序次序为ri，σ为历史数据中作业路agv调度数量标准差。
8.在其中一个实施例中，所述调度限制规则包括：每个所述作业路i设置agv车最小调度数量n
min
和最大调度数量n
max
，ni位于n
min
和n
max
之间；统计所有作业路的agv车作业数量总和n
used
=∑
装船作业路i
niꢀ×
β1 ∑
卸船作业路i
niꢀ×
β2，β1为计算agv装船作业时间与调度时间比值，β2为agv卸船平均调度时间的比值；n
used
≤n
agv
, n
agv
表示当前所有作业路的agv车总数。
9.在其中一个实施例中，当n
used
＞n
agv
时，计算每个作业路应该减少实际agv作业数量为；对于装船的作业路i，调整agv调度数量为；对于卸船的作业路i，调整agv调度数量为。
10.一种码头agv车调度装置，所述装置包括：历史数据获取模块，用于获取所有作业路的集装箱码头历史agv车的历史作业数据，所述历史作业数据包含历史时间周期内在所述作业路上agv车历史调度数据以及agv车历史工作数据；模型训练模块，用于对所述历史作业数据进行分析，分别训练与每条所述作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型；当前数据获取模块，用于以预设频率获取所述作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶所述作业路的作业计划以及船舶计划离泊时间，得到当前作业数据；剩余时间比例获取模块，用于将所述当前作业数据输入与每条所述作业路对应的agv车评估时间模型，得到每个所述作业路预测的剩余时间比例；调度调整值生成模块，用于基于所述剩余时间比例，根据所述agv车状态信息判断模型和所述作业路agv车调度模型对所述当前作业数据中的所有所述agv车的调度数值重新进行设置，得到agv车调度调整值；调度更新值生成模块，用于根据调度限制规则，对所述agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的方法的步骤。
13.与现有技术相比，本发明的优点在于：根据历史作业数据生成调度模型，并根据当前作业数据对调度模型得到的理论值进行调整，将历史作业数据和现在正在进行装卸的当前作业数据同时作为自变量参与模型的训练过程，使得得到的agv车调度更新数值更加准确、更能与当前作业贴合，并且能够更好反应正在执行作业的情况，能够从而实现了对每个桥吊的agv车的合理分配。另外，当前作业数据是实时动态获取的，因而最终得到的agv车调度更新数值也更加准确。
附图说明
14.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
15.图1是本发明的实施例中码头agv车调度方法的流程示意图；图2为一个实施例中模型训练步骤的流程示意图；图3为一个实施例中码头agv车调度装置的结构框图；图4为一个实施例中计算机设备的内部结构图。
具体实施方式
16.下面结合附图对本公开实施例进行详细描述。
17.以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
18.要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
19.还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
20.另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
21.如图1所示，本公开实施例提供一种码头agv车调度方法，可以应用在终端或服务
器上，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式智能设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，方法包括以下步骤：步骤101，获取所有作业路的集装箱码头历史agv车的历史作业数据，历史作业数据包含历史时间周期内在作业路上agv车历史调度数据以及agv车历史工作数据。
22.历史作业数据包含历史时间周期内在作业路上agv车历史调度数据以及agv车历史工作数据。历史作业数据可以包含是历史停靠于该码头并由该码头完成装卸作业的船舶装卸数据。历史时间周期可以是以当前时间点为起点向前逆推的一个时间周期，该时间周期的长度可以为日、月、季度和年等。agv车历史调度数据可以包括在该作业路上agv车与装卸作业对应的调度数量等。agv车历史工作数据可以包含在历史时间周期内每个agv车是否工作、工作时长等。
23.服务器可以获取所有作业路的集装箱码头历史agv车的历史作业数据。服务器可以对历史作业数据进行采样，可以以预设频率获取所有作业路样本时间点之前预设时间段内的历史作业数据构建模型训练的样本集x。预设频率可以是20分钟/次的频率。每个样本的样本时间点不一样，因此服务器会根据每个样本的样本时间点提取该样本时间点过去三小时的历史作业数据、该时间点正在作业的，以及在港船舶所有作业路的作业计划。
24.步骤102，对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
25.服务器对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。服务器可以用特征提取器提取每个作业路的作业特征，而后根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型fc、作业路agv车调度模型fr、agv车评估时间模型f
t
。fr预测作业路历史状态下agv调度数量，fc预测作业路未来5-20分钟内agv断档或agv过剩的情况，f
t
预测作业路完成作业的预计时间。
26.步骤103，以预设频率获取作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶作业路的作业计划以及船舶计划离泊时间，得到当前作业数据。
27.服务器以预设频率获取作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶作业路的作业计划以及船舶计划离泊时间，得到当前作业数据。当前作业数据的采样频率可以和历史作业数据的采样频率一致，也可以不一致。在一个实施例中，预设频率可以是15分钟/次的频率。
28.步骤104，将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例。
29.服务器将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例。服务器可以使用特征提取器提取当前作业数据中每个作业路的特征x,并分别计算得到yr=f
r (x)，yc=f
c (x)，y
t
=f
t (x)，yr表示根据历史作业数据预测当前作业数据设置agv的调度数量。yc表示根据历史作业数据预测未来5-15分钟内是否会出现agv短缺或者agv过剩的情况，y
t
表示根据历史作业数据预测该作业路的预计作业时间。服务器将利用y
t
得到每个作业路预测的剩余时间比例。
30.步骤105，基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值。
31.服务器基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值。
32.步骤106，根据调度限制规则，对agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
33.服务器根据调度限制规则，对agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。agv车调度更新数值就是每个作业路上agv车的最终调度数值。在一个实施例中，调度限制规则包括：每个作业路i设置agv车最小调度数量n
min
和最大调度数量n
max
，ni位于n
min
和n
max
之间，ni=max (min(ni,n
max ),n
min
)。这里n
max
和n
min
均为可调整的超参数；统计所有作业路的agv车作业数量总和n
used
=∑
装船作业路i
niꢀ×
β1 ∑
卸船作业路i
niꢀ×
β2，β1为计算agv装船作业时间与调度时间比值，β2为agv卸船平均调度时间的比值；n
used
≤n
agv
, n
agv
表示当前所有作业路的agv车总数。
34.在一个实施例中，当n
used
＞n
agv
时，计算每个作业路应该减少实际agv作业数量为；对于装船的作业路i，调整agv调度数量为；对于卸船的作业路i，调整agv调度数量为；调整结束后n
used
与n
agv
接近。
35.上述方法，根据历史作业数据生成调度模型，并根据当前作业数据对调度模型得到的理论值进行调整，将历史作业数据和现在正在进行装卸的当前作业数据同时作为自变量参与模型的训练过程，使得得到的agv车调度更新数值更加准确、更能与当前作业贴合，并且能够更好反应正在执行作业的情况，能够从而实现了对每个桥吊的agv车的合理分配。另外，当前作业数据是实时动态获取的，因而最终得到的agv车调度更新数值也更加准确。
36.如图2所示，在一个实施例中，对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型，包括：步骤201，对历史作业数据进行取样，提取历史时间周期内在作业路上agv车的调度数量、agv车的工作状态标签以及agv车的作业时间。
37.在一个实施例中，服务器对作业路历史状态下的agv调度数量的获取方法如下：对样本时间点的过去15分钟到接下来15分钟，每分钟计算一次正在调度的agv数量，即统计agv开始调度时间大于该时间点，结束调度时间小于该时间点，且为该作业路调度的agv车的数量；而后对每分钟正在调度的agv数量取最大值，该值设定为当时设置的agv调度数量yr。
38.在一个实施例中，服务器可以从历史作业数据中提取出每个agv车与样本作业时间对应的工作状态标签yc。服务器对采样时间点的未来5-20分钟，每分钟记录agv断档次数c1，即记录是否存在上一关门架小车已经放箱，且下一关agv尚未到达桥吊的情况。同样，每分钟记录agv过剩的次数c2，即是否有超过两辆agv，到达桥吊时间在该时间点之前且该关桥吊门架小车上一关作业时间在该关之后。对于c1》0且c2=0的情况，设置标签为 1，表示当
前agv调度数量较少，需要更多的agv，需要增加agv；对于c1=0且c2》0的情况，设置标签为-1，表示当前agv调度较多，可以减少agv的调度数量；否则设置标签为0，表示不需要调整agv数量。
39.在一个实施例中，服务器可以从历史作业数据中提取出每个agv车与样本作业计划对应的作业时间y
t
。服务器获取当前采样时间节点该作业路的总作业时间。即计算从采样时间点开始，到该作业路最后一个集装箱完成装卸的作业时间。当上一关的主小车完成装卸的时间点与下一关桥吊的主小车开始作业时间点大于20分钟，判定桥吊不在该作业路作业，作业时间应减去该时间段的作业时间。
40.步骤202，根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条作业路的作业特征。
41.服务器使用特征提取器提取每个作业路的作业特征x。服务器根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条作业路的作业特征。
42.步骤203，根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
43.服务器根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。服务器根据数据集x和对应的调度数量yr，使用梯度提升决策树进行预测调度数量，并训练梯度提升决策树得到模型fr。服务器根据数据集x和对应的分类标签yc，使用梯度提升决策树预测agv断档或过程的结果，并训练梯度提升决策树得到模型fc。服务器根据数据集x和对应的作业路作业时间y
t
，使用线性回归预测作业路作业时间，并训练线性回归模型得到模型f
t
。
44.在一个实施例中，将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例，包括：从当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
；根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个作业路的剩余作业时间t
work
=t
left-t
now
；将当前作业数据中的总作业路的数量n
sts
、agv车总数n
agv
输入agv车评估时间模型，得到作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
45.服务器从当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
；根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个作业路的剩余作业时间t
work
=t
left-t
now
；将当前作业数据中的总作业路的数量n
sts
、agv车总数n
agv
输入agv车评估时间模型，得到作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
46.在一个实施例中，基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值，包括：将剩余时间比例αi与预设阈值α进行比对判断；当αi大于α时，将当前作业数据输入作业路agv车调度模型得到agv车第一调度预
估值yw；并将当前作业数据输入agv车状态信息判断模型确定agv车处于断档或者agv车过剩的冗余调度值yc；根据agv车第一调度预估值yw和冗余调度值yc，得到agv车调度调整值y
p
=yw yc，其中，yc=1表示缺少agv、agv接下来可能会断档，yc=-1表示agv过多不需要那么多agv；设置agv调度数量为y=θ
×
yr (1-θ)
×yp
，θ为超参数，θ代表y是两个数的加和，即、可使用两类值yr和y
p
来得到y值，可以设置θ=0.7。以采样时间点
±
15分钟的调度agv数量为采样源数据，每分钟统计一次正在调度的agv数量，取每分钟正在调度的agv数量取最大值，将该最大值设置为实际工作时的agv调度数量yr。
47.当αi小于α时，agv车调度调整值为，n
sts
为总作业路的数量、n
agv
为当前作业路的agv车总数，第i个作业路排序次序为ri，σ为历史数据中作业路agv调度数量标准差，ri表示第i条作业路的剩余时间比例ai的排序。当有两条作业路i和j，如果a
i 《 aj，也就是作业路i比作业路j更紧急，因此作业路i的agv调度数量应该要大于作业路j的agv调度数量，所以rj＞ri，因此rj＞ri表示第i个作业路的agv车总数大于作业路rj、紧急程度因子小于该作业路ri的agv调度数量。表示若作业路比较紧急的话，根据排名的按照agv调度数量的正态分布分配该作业路的agv调度数量而不采用预测的agv调度数量。i和j都是作业路的排序编号，可以是从1开始的整数。
48.上述各模型中所使用的数据包括但不限于以下数据：一、桥吊特征数据（1）x1，桥吊id，枚举数据。由于每一台桥吊的具体性能不同，对于不同桥吊id可有不同的作业时间估计。
49.二、箱数特征数据（2）x2，总箱数，数值数据。不同箱数量级集装箱，桥吊采取的具体卸船策略不同。
50.（3）x3，未发箱的装箱数，数值数据。船舶作业基础数据。
51.（4）x4，未发箱的卸箱数，数值数据。船舶作业基础数据。
52.（5）x5，已发箱的装箱数，数值数据。船舶作业基础数据。
53.（6）x6，已发箱的卸箱数，数值数据。船舶作业基础数据。
54.需要说明的是，x3~x6可以包括自本次装卸作业开始以来箱数的数据。
55.（7）x7，计划装船总箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
56.（8）x8，计划卸船总箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
57.（9）x9，已装船箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
58.（10）x10，计划装船小箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
59.（11）x11，计划装船大箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
60.（12）x12，已装船小箱数与装卸总箱数的比例，数值数据。船舶作业基础数据。
61.三、桥吊作业特征数据（13）x13，当前桥吊的装卸类型，枚举数据。装船还是卸船类型。
62.（14）x14，当前桥吊的作业工艺，枚举数据。双箱、单箱、是否为双吊具。
63.（15）x15，当前桥吊所在的作业贝位，枚举数据。对应船上位置。
64.（16）x16，能否确定所在贝位是大贝位，枚举数据。如果是40尺集装箱作业，则需要确定大的贝位，即正在作业的40尺集装箱船上位置。
65.（17）x17，当前桥吊所在的作业层，数值数据。指船上层高，船舶作业基础数据。
66.四、本次装卸作业桥吊已完成作业信息数据（18）x18，已完成的箱数，数值数据。该桥吊已作业信息。
67.（19）x19，在该贝位的已有作业时间，数值数据。桥吊作业基础数据。
68.（20）x20，本次装卸作业中每箱平均作业时间，数值数据。本次装卸作业中的桥吊作业数据统计。
69.（21）x21，按照当前效率的预计剩余工作时间，数值数据。总箱数除以桥吊效率，桥吊作业基础数据。
70.五、本次装卸船舶特征数据（22）x22，船舶类型，枚举数据。船舶有不同类型。
71.（23）x23，剩余停泊时间，数值数据。作业时间估计。
72.（24）x24，计划停泊时间，数值数据。船舶作业基础数据。
73.六、本次装卸全局特征数据（25）x25，正在作业的作业路线数量，数值数据。码头作业基础数据。
74.（26）x26，当前全场配载总数数量，数值数据。码头作业基础数据。
75.（27）x27，当前全场已经发箱的数量，数值数据。码头作业基础数据。
76.（28）x28，过去三小时作业箱数总数量，数值数据。码头作业基础数据。
77.需要说明的是，在其他一些实施方式中，x28也可以采用自本次装卸作业开始以来直到本次采样时刻的全部时间内的箱数总数量，来代替过去三小时作业箱数总数量。
78.（29）x29，当前停泊的船舶数量，数值数据。码头作业基础数据。
79.（30）x30，当前码头agv总数，数值数据。码头作业基础数据。
80.七、重点作业路桥吊特征数据（31）x31，重点作业路桥吊计划完成时间，数值数据。根据作业计划的完成时间给出。
81.需要说明的是，可以在本次装卸作业开始后，通过比较各个桥吊的预计的完成工作时间确定重点作业线路所在的桥吊。
82.（32）x32，当前桥吊计划箱数占船舶总计划箱数的排名，枚举数据。指当前船舶多个桥吊中，桥吊的作业路会根据总箱量进行预估，然后给出重要性排名，可以使用归一化方法计算。
83.（33）x33，当前桥吊计划箱数占码头总计划箱数的排名枚举数据。指整个码头多个桥吊中，桥吊的作业路会根据总箱量进行预估，然后给出重要性排名，可以使用归一化方法计算。
84.当码头使用agv车辆进行集装箱转运时，例如自动化集装箱码头，所述作业数据还可以包括agv车辆三小时内作业特征，如下：八、agv车辆三小时内作业特征数据（34）x34，最近三小时 agv车辆的装船平均调度时间，数值数据。码头作业统计数据。
85.（35）x35，最近三小时agv车辆的卸船平均调度时间，数值数据。码头作业统计数据。
86.（36）x36，最近三小时agv车辆的装船平均作业时间，数值数据。码头作业统计数据。
87.（37）x37，最近三小时agv车辆的卸船平均调度时间，数值数据。码头作业统计数据。
88.需要说明的是，在其他一些实施方式中，x34~x37中的至少一种数据也可以采用自本次装卸作业开始以来直到本次采样时刻的全部时间内的agv车辆的作业特征数据，来代替过去三小时内的agv车辆的作业特征数据。
89.还需要说明的是，x34~x37中的至少一种数据也可以采用其他时间长度内的agv车辆的作业特征数据，例如最近两小时、最近六小时agv车辆的作业特征数据，来代替最近两小时agv车辆的作业特征数据。以x34为例，将最近三小时 agv车辆的装船平均调度时间代替为最近两小时 agv车辆的装船平均调度时间或最近六小时 agv车辆的装船平均调度时间，作为自变量数据输入至模型中进行训练。
90.九、桥吊当前特征数据（38）x38，本桥吊agv车辆实时调度数量，数值数据。agv车辆调度的数量，即多少agv供当前作业路径使用。
91.需要说明的是，作业路径是指从船上把箱吊至桥吊上，再由桥吊运输回箱区内的一条作业路径，或指从箱区运送集装箱至桥吊下，再由桥吊吊装集装箱至船上指定仓位的作业路径。
92.（39）x39，本桥吊agv车辆实时作业数量，数值数据。
93.（40）x40，本次装卸作业的桥吊断档率次数，数值数据。码头作业统计数据。
94.（41）x41，本次装卸作业的桥吊等待agv车辆的次数，数值数据。码头作业统计数据。
95.（42）x42，本次装卸作业的桥吊的平均等待时间，数值数据。码头作业统计数据。
96.（43）x43，本次装卸作业的agv车辆的平均等待时间，数值数据。码头作业统计数据。
97.需要说明的是，在上述数据中，可以采用x1~x43中部分或全部的数据类型，使用以往已经完成的装卸作业所对应的上述数据作为第一作业数据，即做为历史作业数据导入模型中进行训练。
98.在一个实施例中，如图3所示，提供了一种码头agv车调度装置，装置包括历史数据获取模块301、模型训练模块302、当前数据获取模块303、剩余时间比例获取模块304、调度调整值生成模块305和调度更新值生成模块306。
99.历史数据获取模块301，用于获取所有作业路的集装箱码头历史agv车的历史作业数据，历史作业数据包含历史时间周期内在作业路上agv车历史调度数据以及agv车历史工作数据。
100.模型训练模块302，用于对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
101.当前数据获取模块303，用于以预设频率获取作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶作业路的作业计划以及船舶计划离泊时间，得到当前作业数据。
102.剩余时间比例获取模块304，用于将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例。
103.调度调整值生成模块305，用于基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值。
104.调度更新值生成模块306，用于根据调度限制规则，对agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
105.在其中一个实施例中，模型训练模块包括：取样单元，用于对历史作业数据进行取样，提取历史时间周期内在作业路上agv车的调度数量、agv车的工作状态标签以及agv车的作业时间。
106.特征提取单元，用于根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条作业路的作业特征。
107.模型训练单元，用于根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
108.在其中一个实施例中，剩余时间比例获取模块包括：数据获取单元，用于从当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
。
109.剩余作业时间计算单元，用于根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个作业路的剩余作业时间t
work
=t
left-t
now
。
110.比例计算单元，用于将当前作业数据中的总作业路的数量n
sts
、agv车总数n
agv
输入agv车评估时间模型，得到作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
111.在其中一个实施例中，调度调整值生成模块包括：判定单元，用于将剩余时间比例αi与预设阈值α进行比对判断。
112.第一调整值计算单元，用于当αi大于α时，将当前作业数据输入作业路agv车调度模型得到agv车第一调度预估值yw；并将当前作业数据输入agv车状态信息判断模型确定agv车处于断档或者agv车过剩的冗余调度值yc；根据agv车第一调度预估值yw和冗余调度值yc，得到agv车调度调整值y
p
=yw yc。
113.第二调整值计算单元，用于当αi小于α时，agv车调度调整值为，n
sts
为总作业路的数量、n
agv
为当前作业路的agv车总数，第i个作业路排序次序为ri，σ为历史数据中作业路agv调度数量标准差。
114.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史作业数据、当前作业数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种码头agv车调
度方法。
115.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取所有作业路的集装箱码头历史agv车的历史作业数据，历史作业数据包含历史时间周期内在作业路上agv车历史调度数据以及agv车历史工作数据；对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型；以预设频率获取作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶作业路的作业计划以及船舶计划离泊时间，得到当前作业数据；将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例；基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值；根据调度限制规则，对agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
116.在一个实施例中，处理器执行计算机程序时实现的对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型，包括：对历史作业数据进行取样，提取历史时间周期内在作业路上agv车的调度数量、agv车的工作状态标签以及agv车的作业时间；根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条作业路的作业特征；根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
117.在一个实施例中，处理器执行计算机程序时实现的将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例，包括：从当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
；根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个作业路的剩余作业时间t
work
=t
left-t
now
；将当前作业数据中的总作业路的数量n
sts
、agv车总数n
agv
输入agv车评估时间模型，得到作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
118.在一个实施例中，处理器执行计算机程序时实现的基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值，包括：将剩余时间比例αi与预设阈值α进行比对判断；当αi大于α时，将当前作业数据输入作业路agv车调度模型得到agv车第一调度预估值yw；并将当前作业数据输入agv车状态信息判断模型确定agv车处于断档或者agv车过剩的冗余调度值yc；根据agv车第一调度预估值yw和冗余调度值yc，得到agv车调度调整值y
p
=yw yc；当αi小于α时，agv车调度调整值为，n
sts
为总作业路的数量、n
agv
为当前作业路的agv车总数，第i个作业路排序次序为ri，σ为历史数据中作业路agv调度数量标准差。
119.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取所有作业路的集装箱码头历史agv车的历史作业数据，历史作业数据包含历史时间周期内在作业路上agv车历史调度数据以及agv车历史工作数据；对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模
型、作业路agv车调度模型、agv车评估时间模型；以预设频率获取作业路当前时间点之前预设时间段内的历史作业数据、该当前时间点正在作业的、在港船舶作业路的作业计划以及船舶计划离泊时间，得到当前作业数据；将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例；基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值；根据调度限制规则，对agv车调度调整值进行调整和限制，得到所有作业路的agv车调度更新数值。
120.在一个实施例中，计算机程序被处理器执行时实现的对历史作业数据进行分析，分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型，包括：对历史作业数据进行取样，提取历史时间周期内在作业路上agv车的调度数量、agv车的工作状态标签以及agv车的作业时间；根据agv车的调度数量、agv车的工作状态标签以及agv车的作业时间确定每条作业路的作业特征；根据作业特征分别训练与每条作业路对应的agv车状态信息判断模型、作业路agv车调度模型、agv车评估时间模型。
121.在一个实施例中，计算机程序被处理器执行时实现的将当前作业数据输入与每条作业路对应的agv车评估时间模型，得到每个作业路预测的剩余时间比例，包括：从当前作业数据中获取总作业路的数量n
sts
、当前所有作业路的agv车总数n
agv
、船舶计划离泊时间t
left
、当前时间t
now
；根据船舶计划离泊时间t
left
、当前时间t
now
计算得到每个作业路的剩余作业时间t
work
=t
left-t
now
；将当前作业数据中的总作业路的数量n
sts
、agv车总数n
agv
输入agv车评估时间模型，得到作业路预计作业时间y
t
，计算每个作业路预测的剩余时间比例，αi表示第i条作业路的剩余时间比例。
122.在一个实施例中，计算机程序被处理器执行时实现的基于剩余时间比例，根据agv车状态信息判断模型和作业路agv车调度模型对当前作业数据中的所有agv车的调度数值重新进行设置，得到agv车调度调整值，包括：将剩余时间比例αi与预设阈值α进行比对判断；当αi大于α时，将当前作业数据输入作业路agv车调度模型得到agv车第一调度预估值yw；并将当前作业数据输入agv车状态信息判断模型确定agv车处于断档或者agv车过剩的冗余调度值yc；根据agv车第一调度预估值yw和冗余调度值yc，得到agv车调度调整值y
p
=yw yc；当αi小于α时，agv车调度调整值为，n
sts
为总作业路的数量、n
agv
为当前作业路的agv车总数，第i个作业路排序次序为ri，σ为历史数据中作业路agv调度数量标准差。
123.以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。