亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種集卡信息服務(wù)與調(diào)度系統(tǒng)及其工作方法與流程

文檔序號:12365947閱讀:570來源:國知局
一種集卡信息服務(wù)與調(diào)度系統(tǒng)及其工作方法與流程

本發(fā)明涉及一種港口碼頭的作業(yè)調(diào)度決策技術(shù),特別是一種碼頭集卡的信息服務(wù)與調(diào)度方法。



背景技術(shù):

外集卡(港口外集裝箱卡車)到港信息作為碼頭作業(yè)調(diào)度的重要依據(jù),廣泛應(yīng)用于碼頭機(jī)械設(shè)備、資源分配的調(diào)度決策中,其獲取方式、信息質(zhì)量以及信息的利用與集裝箱碼頭生產(chǎn)作業(yè)效率息息相關(guān)。現(xiàn)階段,集裝箱碼頭外集卡隨機(jī)入港,隨著港口吞吐量增加,閘口集卡排隊(duì)擁堵現(xiàn)象嚴(yán)重,加劇了港區(qū)環(huán)境污染,造成港區(qū)的交通擁堵,降低了多式聯(lián)運(yùn)效率,降低了碼頭作業(yè)效率,增加了碼頭作業(yè)成本。對于碼頭的提箱作業(yè)過程,其效率受翻箱量影響,還受龍門吊的任務(wù)分配以及移動(dòng)路徑的影響。外集卡到港時(shí)間不確定,外集卡的提箱順序與目標(biāo)箱在堆場的堆存位置不匹配導(dǎo)致大量翻箱、外集卡等待,也影響龍門吊的移動(dòng)路徑與作業(yè)成本。如果可以及時(shí)獲取準(zhǔn)確的外集卡到港信息便可以提前對提箱翻箱作業(yè)過程進(jìn)行優(yōu)化、調(diào)整,提高碼頭的作業(yè)效率。



技術(shù)實(shí)現(xiàn)要素:

為解決現(xiàn)有技術(shù)中存在的上述問題,本發(fā)明要設(shè)計(jì)一種能夠提高碼頭作業(yè)效率、降低碼頭運(yùn)營成本的集卡信息服務(wù)與調(diào)度系統(tǒng)及其工作方法。

為了實(shí)現(xiàn)上述目的,本發(fā)明的技術(shù)方案如下:一種集卡信息服務(wù)與調(diào)度系統(tǒng),包括集卡客戶端和碼頭信息收集處理平臺(tái),所述的集卡客戶端和碼頭信息收集處理平臺(tái)通過無線網(wǎng)絡(luò)連接;

所述的集卡客戶端上安裝集卡集港預(yù)約APP,集卡司機(jī)使用移動(dòng)終端上的集卡集港預(yù)約APP進(jìn)行集港預(yù)約;當(dāng)集卡司機(jī)需要集港時(shí),登錄集卡客戶端集卡集港預(yù)約APP,查詢貨物相關(guān)信息、船舶航次相關(guān)信息和集港相關(guān)信息,根據(jù)港口的預(yù)約規(guī)則選擇集港時(shí)間,預(yù)約集港,完成預(yù)約集港后集卡司機(jī)根據(jù)預(yù)約時(shí)間段進(jìn)行集港;

所述的碼頭信息收集處理平臺(tái)上安裝集卡集港預(yù)約信息收集處理系統(tǒng)、集卡到達(dá)時(shí)間預(yù)測系統(tǒng)和堆場二次翻箱優(yōu)化系統(tǒng);

所述的集卡集港預(yù)約信息收集處理系統(tǒng)獲取集卡司機(jī)擬集港時(shí)間,利用集卡GPS實(shí)時(shí)定位到已預(yù)約集卡的所在位置,并通知碼頭閘口提前處理預(yù)約集港的集卡的相關(guān)信息;

所述的集卡到達(dá)時(shí)間預(yù)測系統(tǒng)根據(jù)集卡集港預(yù)約信息收集處理系統(tǒng)提供的集卡集港預(yù)約信息,構(gòu)建基于支持向量機(jī)和卡爾曼濾波的集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型;

所述的堆場二次翻箱優(yōu)化系統(tǒng)根據(jù)集卡到達(dá)時(shí)間預(yù)測系統(tǒng)提供的集卡到達(dá)時(shí)間,以提箱總成本最小為目標(biāo),考慮翻箱時(shí)間、龍門吊移動(dòng)時(shí)間和集卡最長在港時(shí)間的約束,構(gòu)建堆場翻箱與集卡提箱順序同步優(yōu)化模型,同時(shí)優(yōu)化集卡的提箱順序、翻倒箱的落箱位以及龍門吊的任務(wù)分配。

一種集卡信息服務(wù)與調(diào)度系統(tǒng)的工作方法,包括以下步驟:

A、預(yù)約集卡集港時(shí)間

當(dāng)集卡司機(jī)需要集港時(shí),登錄客戶端集卡集港預(yù)約APP,查詢貨物相關(guān)信息、船舶航次相關(guān)信息和集港相關(guān)信息,根據(jù)港口的預(yù)約規(guī)則選擇集港時(shí)間,預(yù)約集港,完成預(yù)約集港后集卡司機(jī)根據(jù)預(yù)約時(shí)間段進(jìn)行集港;

B、收集處理集卡集港預(yù)約信息

集卡集港預(yù)約信息收集處理系統(tǒng)獲取集卡司機(jī)擬集港時(shí)間,利用集卡GPS實(shí)時(shí)定位到已預(yù)約集卡的所在位置,作為集卡到達(dá)時(shí)間預(yù)測模型的輸入變量輸入模型當(dāng)中,并將集卡預(yù)約信息實(shí)時(shí)反饋更新至集卡客戶端;同時(shí),碼頭閘口提前處理預(yù)約集港的集卡的相關(guān)信息;

C、預(yù)測集卡到達(dá)時(shí)間

為準(zhǔn)確預(yù)測集卡到達(dá)時(shí)間,獲得集卡到達(dá)的先后順序,集卡到達(dá)時(shí)間預(yù)測系統(tǒng)構(gòu)建基于支持向量機(jī)和卡爾曼濾波的集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型;在利用支持向量機(jī)模型得到初始預(yù)測結(jié)果的基礎(chǔ)上,通過卡爾曼濾波動(dòng)態(tài)實(shí)時(shí)更新路段行駛時(shí)間預(yù)測值,最后通過綜合分析得到集卡到達(dá)時(shí)間的預(yù)測值;預(yù)測過程中涉及到的參數(shù)及變量定義如下:

T:集卡總行駛時(shí)間,相對出發(fā)位置的集卡到達(dá)時(shí)間;

U:集卡已行駛路段集合

V:仍需行駛路段集合

ai:路段i,i=1,2,3,…,I

aij:路段ai的子路段j,j=1,2,3,…,J;

asm:集卡當(dāng)前位置,s、m分別為當(dāng)前位置路段編號和子路段編號;

αij:0-1變量,若集卡已行駛過路段i子路段j則為1,否則為0;

βij:0-1變量,若路段i子路段j包含于集卡行駛路徑中則為1,否則為0;

xij:路段i子路段j行駛時(shí)間;

路段i子路段j行駛時(shí)間的支持向量機(jī)模型的預(yù)測值;

zij:路段i子路段j行駛時(shí)間的測量值;

tij:集卡到達(dá)路段i子路段j的末端節(jié)點(diǎn)時(shí)的GPS時(shí)間;

Et:當(dāng)集卡位于路段i子路段j時(shí)的天氣情況,根據(jù)惡劣程度劃分等級,1表示良好天氣,0表示完全無法通行的天氣,0≤Et≤1;

Wt:當(dāng)集卡位于路段i子路段j時(shí)的星期數(shù),Wt∈[1,2,3,4,5,6,7],表示星期一至星期天;

Mt:當(dāng)集卡位于路段i子路段j時(shí)的日期數(shù),Mt∈[1,2,3,…,31],表示一個(gè)月中的某天;

Φ:集裝箱類型,0表示空箱,1表示20尺重箱,2表示40尺重箱;

最優(yōu)濾波估計(jì)值

Aij:狀態(tài)轉(zhuǎn)移量參數(shù)

Hij:測量誤差參數(shù)

wij:均值為0的高斯白噪聲,協(xié)方差為Q

rij:均值為0的高斯白噪聲,協(xié)方差為R

xij的先驗(yàn)誤差的協(xié)方差

Pi,j:xij的后驗(yàn)誤差的協(xié)方差

Kij:卡爾曼增益矩陣

具體預(yù)測步驟如下:

C1、基于歷史數(shù)據(jù)訓(xùn)練支持向量機(jī)模型

首先設(shè)定訓(xùn)練集,再使用網(wǎng)格搜索和交叉驗(yàn)證方法確定最優(yōu)的支持向量機(jī)模型參數(shù)(C,v),然后再對核函數(shù)進(jìn)行選擇,再通過輸入?yún)?shù)及訓(xùn)練集訓(xùn)練支持向量機(jī)模型,得到支持向量機(jī)模型后,再把輸入值輸入該訓(xùn)練好的支持向量機(jī)模型進(jìn)行預(yù)測;設(shè)定支持向量機(jī)模型的輸入變量為{U,tij,Et,Wt,Mt,Φ},支持向量機(jī)模型的輸出變量為

C2、基于卡爾曼算法動(dòng)態(tài)更新到達(dá)時(shí)間預(yù)測值

根據(jù)車輛運(yùn)行實(shí)時(shí)信息并結(jié)合支持向量機(jī)模型預(yù)測結(jié)果,通過卡爾曼濾波迭代動(dòng)態(tài)更新路段行駛時(shí)間,提高預(yù)測準(zhǔn)確性。

基于卡爾曼濾波的集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型:

<mrow> <mi>T</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>I</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>i</mi> </msub> </munderover> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>&alpha;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>&beta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>I</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>i</mi> </msub> </munderover> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>&alpha;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <msub> <mi>&beta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>K</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>H</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>K</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>P</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>-</mo> </msubsup> <msubsup> <mi>H</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>T</mi> </msubsup> <msup> <mrow> <mo>(</mo> <msub> <mi>H</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msubsup> <mi>P</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>-</mo> </msubsup> <msubsup> <mi>H</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>T</mi> </msubsup> <mo>+</mo> <mi>R</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msubsup> <mi>P</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>-</mo> </msubsup> <mo>=</mo> <msub> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msubsup> <mi>A</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>T</mi> </msubsup> <mo>+</mo> <mi>Q</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mi>I</mi> <mo>-</mo> <msub> <mi>K</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>H</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <msubsup> <mi>P</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>-</mo> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>0</mn> </mrow> </msub> <mo>,</mo> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mn>0</mn> </mrow> </msub> <mo>&Element;</mo> <mi>R</mi> <mo>,</mo> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>i</mi> <mn>0</mn> </mrow> </msub> <mo>&NotEqual;</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>

式(1)表示集卡完成行駛所需要的全部時(shí)間;式(2)~(5)為卡爾曼濾波的遞推方程;

基于支持向量機(jī)模型和卡爾曼濾波的集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型計(jì)算的過程如下:

步驟1:初始化集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型系統(tǒng)狀態(tài)和Pi0,令所有αi=0,βi=0,U={s},集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型控制變量k=1;

步驟2:在支持向量機(jī)模型中,以U、t、月份數(shù)、星期數(shù)、時(shí)間、天氣情況、貨物類型為輸入變量,以V和為支持向量機(jī)模型的輸出變量。更新βi,若路段i包含于U或V中,則令βi=1,否則為0;

步驟3:根據(jù)式(4)計(jì)算先驗(yàn)誤差協(xié)方差矩陣,根據(jù)式(3)計(jì)算卡爾曼增益矩陣,根據(jù)式(2)更新系統(tǒng)狀態(tài)根據(jù)式(1)計(jì)算集卡總行駛時(shí)間;

步驟4:若同時(shí)滿足s=U(end),m=J,則算法迭代結(jié)束。否則,更新系統(tǒng)參數(shù):若m=J,令k=k+1,s=U(k),m=1;否則,令m=m+1。更新后驗(yàn)誤差協(xié)方差矩陣Pi,j+1,更新αi,重復(fù)步驟3。

D、優(yōu)化堆場二次翻箱順序

通過集卡到達(dá)時(shí)間預(yù)測模型預(yù)測,獲得集卡到達(dá)時(shí)間和先后順序,建立堆場翻箱與集卡提箱順序同步優(yōu)化模型,以提箱總成本最小為目標(biāo),考慮翻箱時(shí)間、龍門吊移動(dòng)時(shí)間、集卡最長在港時(shí)間的約束,構(gòu)建堆場翻箱與集卡提箱順序同步優(yōu)化模型,同時(shí)優(yōu)化集卡的提箱順序、翻倒箱的落箱位以及龍門吊的任務(wù)分配。為求解該模型,采用基于動(dòng)態(tài)規(guī)劃的啟發(fā)式算法,其基本思路是將多臺(tái)龍門吊的調(diào)度問題分解成多個(gè)單臺(tái)龍門吊的調(diào)度問題,假設(shè)每臺(tái)龍門吊的作業(yè)范圍是幾個(gè)連續(xù)的貝位,每個(gè)貝位只能被一臺(tái)龍門吊服務(wù)。采用貪婪算法求解考慮翻箱的單臺(tái)龍門吊調(diào)度問題。通過貪婪算法獲得每臺(tái)龍門吊作業(yè)范圍內(nèi)的提箱總成本,將其返回到動(dòng)態(tài)規(guī)劃中,以優(yōu)化每臺(tái)龍門吊的作業(yè)范圍、作業(yè)范圍內(nèi)目標(biāo)箱的作業(yè)順序以及翻倒箱落位,當(dāng)總提箱成本最小時(shí)達(dá)到最優(yōu)。具體步驟如下:

D1、龍門吊作業(yè)范圍分配:以bk表示龍門吊k作業(yè)范圍內(nèi)的最小貝位號,k=1、2、…、m,g(i,j)表示貝位(i,j)范圍內(nèi)所有目標(biāo)箱的提箱總成本的最小和;f(k,j)表示龍門吊k、k+1、…、m作業(yè)范圍內(nèi)所有目標(biāo)箱的提箱總成本的最小和,其中r=bk,f(1,1)即表示所有目標(biāo)箱提箱總成本的最小和。

龍門吊k、k+1、…、m的作業(yè)范圍分別是{r,r+1,...,bk+1-1},{bk+1,bk+1+1,...,bk+2-1},…,{bm,bm+1,...,α};b2,b3,...,bm,將作業(yè)區(qū)域劃分為m個(gè)部分,分別分配給m個(gè)龍門吊。通過式(7)、(8)求出使貝位(1,α)范圍內(nèi)所有目標(biāo)箱的提箱總成本之和最小的b2,b3,...,bm,f(1,1)即確定;

f(m,r)=g(r,α),r=m,m+1,...,α (7)

<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>j</mi> <mo>=</mo> <mi>r</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>r</mi> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>&alpha;</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </munder> <mo>{</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>}</mo> <mo>,</mo> <mi>k</mi> <mo>&le;</mo> <mi>r</mi> <mo>&le;</mo> <mi>&alpha;</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mi>k</mi> <mo>,</mo> <mn>1</mn> <mo>&le;</mo> <mi>k</mi> <mo>&lt;</mo> <mi>m</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>

D2、單臺(tái)龍門吊調(diào)度優(yōu)化:采用貪婪算法求解g(i,j)。對于作業(yè)范圍是{i,i+1,...,j}的考慮翻箱的單臺(tái)龍門吊的調(diào)度問題,其貪婪算法流程如下:

Step1:令t=0;令l=i,i是作業(yè)范圍為{i,i+1,...,j}的龍門吊的初始位置。令Ψ={1,2,...,n},表示該臺(tái)龍門吊作業(yè)范圍內(nèi)未提走的集裝箱的集合,n1表示該龍門吊作業(yè)范圍內(nèi)集裝箱的數(shù)量。

Step2:如果Ψ=φ,停止;否則,針對Ψ內(nèi)每個(gè)集裝箱q,計(jì)算t時(shí)刻其阻礙箱的數(shù)量nq。

Step3:針對Ψ內(nèi)每個(gè)集裝箱q,計(jì)算其翻箱成本C1、龍門吊由l移動(dòng)到lq的移動(dòng)成本C2。

Step4:針對Ψ內(nèi)每個(gè)集裝箱q,計(jì)算其提箱作業(yè)的完成時(shí)間tq。

Step5:針對Ψ內(nèi)每個(gè)集裝箱q,計(jì)算tq時(shí)刻,已到港但未被服務(wù)的所有集卡的延誤成本C3。

Step6:針對Ψ內(nèi)每個(gè)集裝箱q,計(jì)算C1、C2、C3之和C,將C最小的集裝箱作為下一個(gè)提取的目標(biāo)箱。

Step7:針對Ψ內(nèi)每個(gè)集裝箱q,若其預(yù)計(jì)最晚離開時(shí)間大于則令將集裝箱作為下一個(gè)提取的目標(biāo)箱。

Step8:如果執(zhí)行Step13;否則,令n=1,執(zhí)行Step9。

Step9:如果執(zhí)行Step13。否則,執(zhí)行Step10。

Step10:對于的第n個(gè)阻礙箱,檢查其是否存在第一類候選棧,如果不存在,執(zhí)行Step11;如果存在一個(gè)第一類候選棧,則將其作為第n個(gè)阻礙箱的落箱位。否則,選出每個(gè)第一類候選棧中提箱順序最早的集裝箱,將這些集裝箱的提箱順序進(jìn)行排序,然后在其中選擇提箱順序最早的集裝箱所在的棧作為第n個(gè)阻礙箱的落箱位。n=n+1,執(zhí)行Step9。

Step11:對于的第n個(gè)阻礙箱,檢查其是否存在空棧,如果不存在,執(zhí)行Step12;如果存在一個(gè)空棧,則將其作為第n個(gè)阻礙箱的落箱位。否則,選擇最左側(cè)的空棧作為第n個(gè)阻礙箱的落箱位。n=n+1,執(zhí)行Step9。

Step12:選出每個(gè)第二類候選棧中提箱順序最早的集裝箱,將這些集裝箱的提箱順序進(jìn)行排序,然后在其中選擇提箱順序最晚的集裝箱所在的棧作為第n個(gè)阻礙箱的落箱位。n=n+1,執(zhí)行Step9。

Step13:將從Φ中剔除,令執(zhí)行Step2。

其中,Step10、Step11、Step12是翻箱的啟發(fā)式規(guī)則。候選棧被分為三類,一類是當(dāng)前所堆存的集裝箱的提箱順序均晚于待倒箱提箱順序的棧,稱為第一類候選棧。一類是當(dāng)前沒有集裝箱堆存的棧,稱為空棧。另一類是當(dāng)前所堆存的集裝箱中至少有一個(gè)集裝箱的提箱順序早于待倒箱提箱順序的棧,稱為第二類候選棧。將阻礙箱移到第一類候選棧與空棧均不會(huì)引起二次翻箱,而將阻礙箱移到第二類候選棧會(huì)引起二次翻箱。因此,落箱位選擇的優(yōu)先順序?yàn)椋旱谝活惡蜻x棧→空?!诙惡蜻x棧。

是由貪婪算法得到的貝位(i,j)范圍內(nèi)所有目標(biāo)箱的提箱總成本之和,是的最小和。用替換式(7)和(8)中的g(·,·)和f(·,·),得到式(9)和(10)。

<mrow> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>g</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>&alpha;</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>r</mi> <mo>=</mo> <mi>m</mi> <mo>,</mo> <mi>m</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>&alpha;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>j</mi> <mo>=</mo> <mi>r</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>r</mi> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>&alpha;</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </munder> <mo>{</mo> <mover> <mi>f</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>g</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>}</mo> <mo>,</mo> <mi>k</mi> <mo>&le;</mo> <mi>r</mi> <mo>&le;</mo> <mi>&alpha;</mi> <mo>-</mo> <mi>m</mi> <mo>+</mo> <mi>k</mi> <mo>,</mo> <mn>1</mn> <mo>&le;</mo> <mi>k</mi> <mo>&lt;</mo> <mi>m</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>

遞歸地使用式(17)和(18)求出所有目標(biāo)箱提箱總成本的最小和同時(shí)確定每臺(tái)龍門吊的作業(yè)范圍,目標(biāo)箱的提箱順序以及翻倒箱的落箱位。

根據(jù)以上步驟,通過計(jì)算機(jī)仿真計(jì)算,得到總成本最小時(shí)的狀態(tài),即每臺(tái)龍門吊的作業(yè)范圍,作業(yè)范圍內(nèi)的作業(yè)順序即集卡提箱順序以及翻倒箱落位位置。同時(shí),碼頭作業(yè)調(diào)度以優(yōu)化結(jié)果為基礎(chǔ)安排龍門吊作業(yè),確定提箱作業(yè)順序、翻倒箱落箱位置。

進(jìn)一步地,所述的提箱總成本包括翻箱成本、龍門吊移動(dòng)成本以及集卡的延誤成本。

與現(xiàn)有技術(shù)相比,本發(fā)明具有以下有益效果:

1、由于本發(fā)明采用了集卡客戶端和碼頭信息收集處理平臺(tái),實(shí)現(xiàn)了集卡信息服務(wù)與調(diào)度的功能,提高了碼頭作業(yè)效率、降低了碼頭運(yùn)營成本。

2、由于本發(fā)明采用了集卡客戶端(集卡集港預(yù)約APP),集卡司機(jī)使用移動(dòng)終端上的集卡集港預(yù)約APP進(jìn)行集港預(yù)約,避免了集卡高峰期集中入港造成的港口擁堵等問題;同時(shí),已預(yù)約的集卡入港時(shí)可快速通過閘口,提高了閘口的通過能力。另一方面,碼頭可以獲得集卡預(yù)約到港時(shí)間、已預(yù)約集卡的實(shí)時(shí)位置。

3、由于本發(fā)明采用了集卡集港預(yù)約信息收集處理系統(tǒng),可以獲取集卡司機(jī)擬集港時(shí)間,利用集卡GPS實(shí)時(shí)定位到已預(yù)約集卡的所在位置,并通知碼頭閘口提前處理預(yù)約集港的集卡的相關(guān)信息;

4、由于本發(fā)明采用了集卡到達(dá)時(shí)間預(yù)測系統(tǒng),構(gòu)建基于支持向量機(jī)和卡爾曼濾波的集卡到達(dá)時(shí)間動(dòng)態(tài)預(yù)測模型,可以根據(jù)集卡集港預(yù)約信息收集處理系統(tǒng)提供的集卡集港預(yù)約信息,預(yù)測出較為精確的集卡到港時(shí)間以及集卡到港先后順序。

5、由于本發(fā)明采用了通過卡爾曼濾波,處理集卡運(yùn)行過程中受周圍環(huán)境影響容易造成GPS信號的反射及衰減,帶來隨機(jī)的噪聲問題,根據(jù)集卡實(shí)時(shí)信息動(dòng)態(tài)調(diào)整支持向量機(jī)模型的預(yù)測輸出,從而提高到達(dá)時(shí)間預(yù)測的精度和魯棒性。

6、由于本發(fā)明采用了堆場二次翻箱優(yōu)化系統(tǒng),可以根據(jù)集卡到達(dá)時(shí)間預(yù)測系統(tǒng)提供的集卡到達(dá)時(shí)間,優(yōu)化集卡的提箱順序、翻倒箱的落箱位以及龍門吊的任務(wù)分配,決策出進(jìn)口箱堆場提箱作業(yè)過程中的作業(yè)調(diào)度方案。提高堆場作業(yè)效率,降低碼頭作業(yè)成本。

附圖說明

圖1是本發(fā)明的流程圖。

圖2是本發(fā)明客戶端集卡集港預(yù)約APP的預(yù)約查詢系統(tǒng)示意圖。

圖3是本發(fā)明客戶端集卡集港預(yù)約APP的集卡入港預(yù)約界面示意圖之一。

圖4是本發(fā)明客戶端集卡集港預(yù)約APP的集卡入港預(yù)約界面示意圖之二。

圖5是本發(fā)明集裝箱碼頭集卡到達(dá)時(shí)間預(yù)測方法的流程圖。

圖6是本發(fā)明集卡到達(dá)預(yù)測模型中基于支持向量機(jī)的集卡到達(dá)時(shí)間預(yù)測流程圖。

圖7是本發(fā)明集卡到達(dá)預(yù)測模型中基于卡爾曼算法動(dòng)態(tài)更新到達(dá)時(shí)間預(yù)測值方法示意圖。

圖8是本發(fā)明堆場二次翻箱優(yōu)化方法的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步地說明。

如圖1所示,本發(fā)明設(shè)計(jì)一種能夠提高碼頭作業(yè)效率、降低碼頭運(yùn)營成本的集卡信息服務(wù)與調(diào)度系統(tǒng),包括集卡客戶端和碼頭信息收集處理平臺(tái),所述的集卡客戶端和碼頭信息收集處理平臺(tái)通過無線網(wǎng)絡(luò)連接。

如圖1所示,一種集卡信息服務(wù)與調(diào)度系統(tǒng)的工作方法,包括以下步驟:

A、預(yù)約集卡集港時(shí)間,圖2、3、4所示是集卡集港預(yù)約APP的三種應(yīng)用界面。

B、收集處理集卡集港預(yù)約信息

C、預(yù)測集卡到達(dá)時(shí)間,圖5所示是集卡到達(dá)時(shí)間預(yù)測方法的流程圖。圖6所示是集卡到達(dá)預(yù)測模型中基于支持向量機(jī)模型的集卡到達(dá)時(shí)間預(yù)測流程圖。圖7所示的基于卡爾曼算法動(dòng)態(tài)更新到達(dá)時(shí)間預(yù)測值方法示意圖。圖8所示的堆場二次翻箱優(yōu)化方法的流程圖。

以上所述,僅為本發(fā)明較佳的具體實(shí)施方式,但本發(fā)明的保護(hù)范圍并不局限于此,任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi),根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變,都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
1