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

a_i：路段i，i＝1，2，3，…，I

a_ij：路段a_i的子路段j，j＝1，2，3，…，J；

a_sm：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；

α_ij：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；

β_ij：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；

x_ij：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；

z_ij：路段i子路段j行駛時(shí)間的測量值；

t_ij：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；

E_t：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≤E_t≤1；

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

M_t：當(dāng)集卡位于路段i子路段j時(shí)的日期數(shù)，M_t∈[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

A_ij：狀態(tài)轉(zhuǎn)移量參數(shù)

H_ij：測量誤差參數(shù)

w_ij：均值為0的高斯白噪聲，協(xié)方差為Q

r_ij：均值為0的高斯白噪聲，協(xié)方差為R

x_ij的先驗(yàn)誤差的協(xié)方差

P_i,j:x_ij的后驗(yàn)誤差的協(xié)方差

K_ij：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,t_ij,E_t,W_t,M_t,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：

$T=\underset{i=1}{\overset{I}{\Σ}}\underset{j=1}{\overset{N_i}{\Σ}}{z}_{ij}{\mathrm{\α}}_{ij}{\mathrm{\β}}_{ij}+\underset{i=1}{\overset{I}{\Σ}}\underset{j=1}{\overset{N_i}{\Σ}}{\hat{x}}_{ij}(1-{\mathrm{\α}}_{ij}){\mathrm{\β}}_{ij}---\left(1\right)$

${\hat{x}}_{ij}=A_{ij}{\hat{x}}_{i,j-1}+K_{ij}(z_{ij}-H_{ij}{A}_{ij}{\hat{x}}_{i,j-1})---\left(2\right)$

$K_{ij}=P_{ij}^{-}{H}_{ij}^T{(H_{ij}{P}_{ij}^{-}{H}_{ij}^T+R)}^{-1}---\left(3\right)$

$P_{ij}^{-}=A_{ij}{P}_{i,j-1}{A}_{ij}^T+Q---\left(4\right)$

$P_{i,j+1}=(I-K_{ij}{H}_{ij})P_{ij}^{-}---\left(5\right)$

$P_{i0},{\hat{x}}_{i0}\∈R,{\hat{x}}_{i0}\≠0---\left(6\right)$

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P_i0，令所有α_i＝0，β_i＝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β_i，若路段i包含于U或V中，則令β_i＝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P_i,j+1，更新α_i，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b_k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＝b_k，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,...,b_k+1-1}，{b_k+1,b_k+1+1,...,b_k+2-1}，…，{b_m,b_m+1,...,α}；b₂,b₃,...,b_m，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,...,b_m，f(1,1)即確定；

f(m,r)＝g(r,α)，r＝m,m+1,...,α (7)

$f(k,r)=\underset{j=r+1,r+2,...,\mathrm{\α}-m+k+1}{min}\{f(k+1,j)+g(r,j-1)\},k\≤r\≤\mathrm{\α}-m+k,1\≤k\<m---\left(8\right)$

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n_q。

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l_q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t_q。

Step5：針對Ψ內(nèi)每個(gè)集裝箱q，計(jì)算t_q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)。

$\hat{f}(m,r)=\hat{g}(r,\mathrm{\α}),r=m,m+1,...,\mathrm{\α}---\left(9\right)$

$\hat{f}(k,r)=\underset{j=r+1,r+2,...,\mathrm{\α}-m+k+1}{min}\{\hat{f}(k+1,j)+\hat{g}(r,j-1)\},k\≤r\≤\mathrm{\α}-m+k,1\≤k\<m---\left(10\right)$

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)。