基于码头闸口数据的集卡周转时间短时预测方法

为给车辆调度优化以及集卡预约系统设计提供重要参考,利用所采集的深圳市某港口的码头闸口数据,建立一种基于数据挖掘的集卡周转时间短时预测方法.首先,通过对码头闸口数据进行分析,获取车辆到达时间分布、任务类型、作业方式等集卡作业特征以及集卡在码头内的周转时间;在此基础上,利用循环神经网络并结合训练集数据,建立集卡作业特征与其周转时间之间的映射关系.其次,为减少随机波动对周转时间预测效果的影响,利用小波分解算法对循环神经网络拟合结果的残差进行高频噪声分离,并通过自回归模型拟合过滤后的低频序列.最后,将拟合后的循环神经网络与自回归模型进行结合,建立一种支持集卡周转时间短时预测的组合模型,并利用测试集数据进行有效性验证.结果 表明,相比单一的循环神经网络,该组合模型可以大幅提升预测精度.     

考虑多种类干扰事件的集装箱码头泊位分配问题

为有效抵抗各类干扰事件对集装箱码头泊位分配计划的影响,有必要制定具有一定鲁棒性且易于恢复调整的泊位分配计划.本文从事前角度出发,针对集装箱码头的泊位分配问题开展以下研究:首先,对码头内干扰泊位分配计划实施的事件进行识别和分类;然后,通过量化以上干扰事件在泊位分配模型中产生的影响,并以最小化船舶的等待时间成本、离港延误时间成本和泊位偏移成本为目标,提出考虑多种类干扰事件的混合整数规划模型;最后,针对该模型设计了启发式算法——吱吱轮算法,对大规模下的泊位分配问题进行求解.通过随机生成的算例,验证了考虑多种类干扰事件的泊位分配模型和吱吱轮算法的有效性.相较于确定性模型,该模型生成的泊位分配计划更具鲁棒性,在发生干扰事件的情况下更易于码头进行计划调整.     

广西沿海铁路钦州地区铁路扩能改造方案研究

根据钦州地区现状铁路布局及其所处地理位置,结合高速铁路客货共线运输存在的问题,提出了在广西沿海铁路钦州地区实现客货分线运营的原则,并根据地区内货物交流主要方向进行线路布局,达到了"主向贯通、站内分流"的目的,为后方临海港口疏港货物快速通过创造有利条件,促进地区经济快速发展。     

集装箱码头同贝同步装卸调度的多阶段混合流水线模型

针对同贝同步装卸的无等待、阻塞和批处理等特征,将其抽象为一类特殊的混合流水线问题,建立同贝同步装卸的优化调度模型,并进行模型的下界推导.为求解模型,设计基于禁忌搜索与启发式分配规则的求解算法.最后,通过算例验证模型与算法的有效性.结果表明:所建立的模型有利于实现装卸、以及各环节的同步调度;所设计的求解方法,可以保证调度方案的科学性和有效性.     

集装箱码头集卡拥堵收费模型与算法

研究集装箱码头集卡拥堵收费问题,目的是减少集卡排队等待时间,以及由集卡排队引起的污染排放.为确定最优的拥堵费率,建立了集卡拥堵收费的双层规划模型.模型考虑了码头运营商、集卡司机和政府管理者之间的博弈关系.在上层模型中,码头运营商以总排队费用最低为目标;下层是用户均衡模型,集卡司机以广义费用最低为目标选择到达时段,通过上下层模型间的反馈决定最优的拥堵收费方案.为求解模型,设计基于文化基因启发式(MH)算法和逐点固定流体近似(PSFFA)算法的求解方法,利用MH算法搜索最优收费方案,利用PSFFA算法计算排队时间.最后,应用算例对模型和算法的有效性进行验证.结果表明,拥堵收费可以有效地减少集卡排队时间,所设计的模型考虑了集卡收费的影响因素,以及码头运营商和集卡司机等主体之间的利益关系,为缓解码头集卡拥堵提供了一种有效的方法.     

抵港时间不确定的多目标泊位-岸桥分配

针对不确定性因素造成的船舶提前或延迟到港的问题,考虑船舶抵港时间不确定性,建立以船舶在港时间和港口装卸成本最小化为目标的泊位-岸桥分配非线性混合整数多目标规划模型,利用优化技术处理非线性多目标问题.研究结果表明:模型能有效减少船舶抵港时间不确定性对港口运营造成的损失,优化船舶装卸操作成本和船舶在港作业时间,为集装箱码头提供了更合理的解决方案.     

重力式码头地震反应分析研究现状

过去经验表明,码头在地震发生时是极易破坏的。该文概述了重力式码头地震反应分析的理论研究价值及工程意义。结合室内试验和数值模拟实验,该文综合阐述了目前数值模拟技术的优势和方法,并认为有限元的数值模拟可以更有效的对重力式码头抗震进行研究。总结分析了室内试验和数值模拟、有限元和离散元的利弊与应用。     

自动化码头运输设备充电策略优化的仿真研究

随着自动化集装箱码头成为当今码头的发展趋势,AGV(automated guided vehicle) 作为自动化码头中使用最为广泛的水平运输工具,合理制定其充电策略至关重要。针对当前自动化集装箱码头中AGV充电策略的不足,提出一种以离线充电为主在线充电为辅的充电策略,并且针对在线充电站点位置选择问题提出一种利用热区图选择有效在线充电站点的快捷方法。在使用该种充电策略情况下,通过大量仿真实验得出在码头工作任务量不变的前提下可减少AGV数量配置的结果,说明自动化集装箱码头水平搬运效率得到提高,证明该充电策略具有有效性。     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。