CN101458788A - 集装箱码头物流仿真优化系统 - Google Patents

Abstract

本发明公开了一种集装箱码头物流仿真优化系统，该仿真系统与具有码头公司物流管理数据库的码头物流管理系统连接，根据船舶到港计划获得最优的码头资源配置和生产调度方案，该系统包括：(1)存储模块；(2)评价模块：运用AHP层次分析法确定各指标权重，得出物流系统效率得分；(3)仿真模块：包括船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块和输入输出模块；建立各实体属性之间的联系；调试检验仿真模型；(4)优化循环模块：采用遗传算法结合仿真技术进行求解，最终得出各项指标；(5)仿真优化结果输出模块。

Description

集装箱码头物流仿真优化系统

技术领域

本发明涉及一种物流仿真优化系统，尤其涉及一种集装箱码头物流仿真优化系统。

背景技术

随着现代高新技术在港口中的大量应用，装卸生产系统向大型化、高速化、自动化、数字化、信息化方向发展，码头规模越来越大，吞吐量越来越大，对作业效率的要求也越来越高。这就要求不断提高港口内部物流网络运作效率。要提高港内整体的运作效率，需要对码头内部资源进行合理的优化配置，并制定合理的生产调度计划，这关系到港口、货主等多方的利益，影响港口整体的服务水平。通过适当的调度方案，可以实现高效的装卸作业，缩短船舶在港时间，协调各个环节的作业。因此，资源配置和生产调度问题的研究对提高集装箱港口物流系统整体作业水平，减少投入资本有着十分重要的意义。

集装箱港口作为一个大型的复杂服务系统，受多方面因素影响并具有离散性、随机性及动态性的特点为研究集装箱港口物流系统带来一定的难度。仿真技术具有符合人们思维习惯，便于对系统进行分析和优化，对复杂系统具有良好的适应性等优点能够弥补数学建模的不足。由于仿真技术只能利用所给定的特解对系统进行评价，依靠仿真模型寻找最优解的过程将会异常繁琐，将系统仿真技术和优化算法结合起来，为解决问题提供了一种有效途径。

目前的仿真优化技术所采用的方法是：首先通过数学方法对码头的资源作优化配置，得出几组较优的方案，然后运用物流仿真软件对各方案进行仿真，通过仿真的输出结果来比较几种方案的优劣，从而实现对资源配置的优化。但是这种方法在本质上还只是数学优化方法，并非真正意义上的仿真优化方法。由于码头物流系统极其复杂，影响物流系统的因素较多，并且它们之间的相互关系无法用数学模型来描述，因而传统的方法不能有效的处理此类问题。

发明内容

由于码头内部资源有限，如果作业调度以及资源配置不合理，就容易造成设施和设备的利用不均衡、排队等待现象严重以及三方的运输作业效率差距大等问题，这样会导致码头的物流效率低下，服务能力受限，进而影响码头公司的效益和竞争力。本发明在对集装箱码头的资源数量和制约关系进行分析的基础上，设计智能优化算法并嵌入到仿真软件当中，结合码头内部作业流程，并设计输出结果评价机制以比较每组输入的优劣，使得仿真软件能够输出一种最优的资源配置，表现为码头的整体服务能力最佳，为码头公司的管理提供了依据。本发明的主要目的是以集装箱码头为研究对象，提供一种集装箱码头物流仿真优化系统，通过仿真优化方法解决上述技术问题，为码头的有效管理提供依据。

为了解决上述技术问题，本发明予以实现的技术方案是：本集装箱码头物流仿真优化系统与具有码头公司物流管理数据库的码头物流管理系统连接，根据船舶到港计划获得最优的码头资源配置和生产调度方案，该系统包括：(1)存储模块：用以存储为该集装箱码头物流仿真优化系统提供的数据和该系统所生成的数据；将资源配置作为优化决策变量，并将所有的决策变量的初始取值组成一初始解向量存储于该模块中；(2)评价模块：根据上述初始解，运用AHP层次分析法确定各指标权重，得出物流系统效率得分；(3)仿真模块：包括船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块和输入输出模块，通过该仿真模块建立各实体属性之间的联系；根据历史数据，采用通常的配置规则作为输入，运行仿真模型，以调试检验仿真模型；(4)优化循环模块：采用遗传算法结合仿真技术进行求解，最终得出各项指标；(5)仿真优化结果输出模块：输出的结果即为对应于船舶到港后，经过一系列物流作业后的各项指标，它们总体反映码头的物流效率，并且该输出结果是最优值，对应输入的决策变量即为最优的资源配置以及最优的生产调度方案。

与现有技术相比，本发明所具有的有益效果是：

(1)实现集装箱码头的泊位调度仿真优化，减少码头公司物流成本。泊位调度工作是码头物流作业的开始，泊位调度的优劣直接影响着码头货物的装卸效率，进而影响码头物流系统的运作效率。充分的利用码头泊位，合理利用码头装卸资源，对码头公司和船舶公司的成本节省起到重要作用。本发明通过对集装箱码头船舶靠泊的仿真优化，制定出更加合理的码头泊位分配方案和装卸资源调度计划，可以有效地减少船舶在港停留时间，有利于提高码头的物流效率，减少码头公司和船舶公司的成本。

(2)实现码头资源配置的仿真优化，提高码头的物流效率。码头资源配置涉及到码头物流作业的各个主要环节，岸桥、内卡、场桥的配置是否合理，对码头整体的物流效率影响重大。本发明通过对集装箱码头资源配置的仿真优化，可以得出更加合理的资源配置和调度方案，从而提高码头的装卸效率、水平运输效率以及堆场作业效率，使码头的整体物流效率得到提高。

(3)实现闸口作业能力的仿真优化，提高码头的生产作业能力。集装箱码头闸口是集装箱码头的出入口，是外卡将集装箱运进、运出堆场必经的作业通道，也是集装箱码头物流系统中关键的环节之一。合理优化码头闸口的通道资源配置、工作人员安排，将码头闸口管理与堆场作业计划信息有机的结合起来，有效地充分利用港口资源，对提高码头公司对客户的服务水平起到重要的作用，是提高码头生产作业能力的有效途径。针对闸口作业过程中的诸多随机因素，结合优化算法对码头闸口作业过程进行仿真。本发明通过仿真优化的结果，制定出更加合理的闸口调度计划，从而进行人员、通道资源的合理调度，可以有效缓解集装箱车辆的排队等待现象，提高码头的生产作业能力，进而提高集装箱码头的物流效率和服务水平。

(4)实现码头物流系统的仿真优化，提高码头公司整体的服务水平。本发明通过以集装箱码头物流系统为研究对象，利用仿真优化的方法，可以得出更加准确、合理的资源配置和作业调度方案，微观上说有助于提高集装箱码头自身的服务能力，进而提高其经济效益和竞争力，宏观上说有助于提高整个运输链和物流链运营效率。

附图说明

图1是本发明集装箱码头物流仿真优化系统流程图；

图2是码头公司各子系统之间的相互关系示意图；

图3是图2中所示泊位子系统作业流程图；

图4是图2中所示水平运输子系统作业流程图；

图5是图2中所示堆场子系统作业流程图；

图6是图2中所示闸口子系统作业流程图；

图7是码头公司物流系统效率评价体系框架示意图；

图8是本发明集装箱码头物流仿真优化系统的仿真模块框图；

图9是本发明集装箱码头物流仿真优化系统中优化算法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述。

本仿真优化发明以单个集装箱码头物流系统为研究对象，以船舶到港——外卡进出闸口为系统边界，以船舶计划为模型运行的触发点，在总体资源一定的情况下，将资源的不同配置以及不同的生产调度方式作为系统输入。本发明仿真优化系统的流程如图1所示。首先，设计智能优化算法，并将该算法嵌入到仿真软件当中；其次，通过系统的输入运行仿真软件，输出仿真结果；然后，设计评价指标，对仿真输出结果进行评分；最后，根据优化算法的判断条件，不断调整系统输入直至输出最优值，对应的输入即为码头公司在某种船舶到达规律下的最佳资源配置和调度方式。

本发明具体实施过程涉及下述几个方面：

一、码头公司物流系统的组成

从空间上看，码头公司物流系统主要由泊位子系统、水平运输子系统、堆场子系统和闸口子系统所组成。各子系统之间的相互关系如图2所示。

(1)泊位子系统，泊位子系统中主要涉及到泊位和岸桥资源的分配问题。泊位子系统的作业流程如图3所示。当船舶到港后，根据泊位分配规则分配泊位，若泊位有空闲，则对船舶分配泊位，并根据岸桥调度规则分配岸桥，船舶接受服务；若泊位没有空闲，则船舶进入队列等待服务。

在研究泊位分配问题时，需要对泊位子系统进行如下的假设：装卸作业模块的功能主要是船舶到港靠泊后，岸桥将进口集装箱从船上卸到内卡上，并由内卡运到堆场，或者是内卡将出口集装箱从堆场运到码头前沿由岸桥进行装船作业。

(1-1)泊位类型，本系统设定小、中、大三种类型的泊位，其中大船只能在大泊位上靠泊，而中船可以在中泊位和大泊位上靠泊，小船则可在小、中、大泊位上靠泊。

(1-2)岸桥调度方式，在泊位数和码头装卸设备配备一定的情况下，岸桥存在以下几种调度方案：

a)柔性调度作业模式，柔性调度作业模式服从以下调度原则，即初始状态时各泊位配备固定的岸桥数量，有船靠泊时，位于空闲泊位上与作业泊位相邻的岸桥调配至作业泊位上，当空闲泊位有船靠泊时，被调用的岸桥返回原所在泊位服务。但应该满足的是调度相邻泊位岸桥时，服务于作业泊位上的岸桥数量不能超过该泊位的最大允许作业线数。

b)均匀作业模式，码头前沿每个泊位上配备的岸桥数量一定，并且在作业过程中不被相邻泊位调用。

c)集中作业方式，当集装箱码头设备数量较少时，将前沿的岸桥集中在某个泊位上作业，同时也应满足服务于作业泊位上的岸桥数量不能超过该泊位的最大允许作业线数。

(2)水平运输子系统，水平运输子系统的活动单元主要是集卡。该水平运输子系统作业流程如图4所示，当船舶在泊位接受服务时，如果是送箱作业，则内卡到达泊位，接受岸桥的服务，然后将集装箱送到堆场；如果是提箱作业则内卡先从堆场提集装箱，然后到泊位接受岸桥服务。在内卡接受服务时，如果服务系统空闲，则接受服务，否则排队等待。

(3)堆场子系统，堆场作业的主要设备是场桥。该堆场子系统的作业流程如图5所示，在堆场子系统中，当内卡或外卡到达堆场后，根据堆存规则和具体堆存情况进行堆存区域的选择，并进入具体的堆存位置。如果场桥空闲，则集卡接受装卸服务，如果没有空闲的场桥，集卡等待直到场桥空闲。集卡接受装卸服务之后离开堆场。

(4)闸口子系统，闸口子系统服务对象为内卡和外卡。该闸口子系统的作业流程如图6所示，当集卡到达或者离开港口时，根据通道选择的规则和具体情况进行闸口通道的选择，如果选择的闸口通道空闲则接受服务，否则进入队列等待，服务之后离开大门。

二、明确优化目标

在资源总量一定的限制条件下，通过仿真优化的方法给出最优的资源配置以及最佳的调度方式，使得物流成本最小的同时，码头的服务能力最大，以实现成本和效率的双赢。通过建立物流系统的评价体系，对每个方案得到相应的效率得分，最终目标是使得效率得分最大化，从而得到码头物流系统最优的资源配置以及最佳的调度方式。

三、确定决策变量及其约束条件

在各子系统中选取对码头物流系统起着关键制约作用的资源配置作为优化决策变量，通过仿真优化使得码头公司物流系统效率达到最大。对各子系统决策变量选取如下：

(1)船舶的服务状态，码头公司需要为到港的船舶指定适当的位置，供其靠泊作业，以减少船舶的在港时间，这就是泊位分配问题。这里涉及的决策变量为：船舶j在泊位i上的被服务状态，用x_ij表示。这里，

i＝1，2，3…m，j＝1，2，3…，n，其中m表示泊位数，n表示到达的船舶数。

假设与约束条件为：

(a)x_ij受到服务模式和排队规则的约束。

船舶受服务模式：

任何码头泊位在同一时刻只能为一艘船舶服务，并且被服务的船舶类型与泊位类型一致，船舶吨位小于或等于泊位的靠泊能力；

只要有与码头泊位相适应的船舶在等待，同时堆场有空间堆放待泊船舶的集装箱(对于卸船过程)，码头泊位就不允许空闲；

只有当与船舶相适应的所有泊位都被占用时，船舶才可排队等待，否则就必须停靠某个泊位接受服务。

船舶排队规则：

到港船舶将按照如下的排队规则得到服务：先到先服务(P1)；泊位适应优先原则(P2)；时效性货物优先原则(P3)；重点物资运输优先原则(P4)；计划内运输优先原则(P5)。并且各原则之间的优先权排序为：P2>P3>P4>P5>P1。

(b)每条船必须在某个泊位上被服务一次，即

$\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=1,j=\mathrm{1,2,3}\·\·\·n$

(c)泊位的水深不小于船舶的吃水深度，船舶长度不超过泊位长度。即

(W_i-D_j)X_ij≥0，

(P_i-L_j)X_ij≥0，

其中P_i和W_i分别表示第i个泊位的长度和水深，L_j和D_j分别表示第j艘船舶的长度和吃水深度，i＝1，2，…，m，j＝1，2，…，n。

(d)船舶待泊排队的平均队长L_1i(i＝1，2，…，n)不应超过允许的平均队长值L_1p，并且其平均等待时间W_1i，(i＝1，2，…，n)不应超过允许的平均时间值W_1p。

(2)岸桥数量的配备

码头装卸船作业大多是配备岸边集装箱起重机简称岸桥，岸桥是集装箱码头装卸能力的决定性因素。根据不同的船舶到港密度情况和船舶载箱量的情况确定合理的岸桥调度方案以及岸桥数量配置，可以极大地提高岸桥使用效率。在满足泊位和船长约束条件下，给船舶配置的岸桥数目是由其船舶装卸量决定的。

根据船舶装卸箱量不同来确定岸桥数量的配备，当船舶装卸量小于500箱时，岸桥数量的配备为y₁台；当船舶装卸量在500箱与1000箱之间时，岸桥数量的配备为y₂台；当船舶装卸量大于1000箱时，岸桥数量的配备为y₃台，具体情况如表1所示。

表1  岸桥数量配备与船舶装卸量的对应关系表

 

船舶装卸量(TEU)	<500	500～1000	>1000
				岸桥数量的配备(台/泊位)	y1	y2	y3

假设与约束条件：

(a)假设岸桥调度方案已给定，在这里不作为决策变量；

(b)假设每个岸桥的装卸能力都一样；

(c)同一时间内使用的岸桥数不超过码头公司已有的岸桥总数Q；

(d)资源的数量是由码头整体的装卸作业量决定的，那么根据不同的装卸作业量，要求每个yi都在一定的范围之内，即

y_imin≤y_i≤y_imax(i＝1，2，3).

(3)内卡和岸桥数量配备比例

在岸桥数量确定的情况下，不同数量的内卡会对集疏港作业的效率产生重要影响。合理的内卡和岸桥配比可以加快船舶装卸作业，提高码头吞吐量。同时作为一个排队系统，还应考虑集卡装载和卸载时的排队等待。设y₄为对每个岸桥的内卡配比数量，通过对内卡数量的合理配备来提高集疏港作业的效率。

假设与约束条件：

(a)假设每个内卡的装卸和运输能力都一样并且车速恒定；

(b)由于港口作业的空间是有限的，为了避免集卡的过度拥塞，港口内同时作业的车辆数不应超过允许的最大车辆数C；

(c)集卡在装载和卸载排队过程中，集卡的队长L₃不应超过通道允许的最大队长L_2p，并且其平均等待时间W₂不应超过允许的平均时间值W_2p；

(d)配比数受资源约束，即y_4min≤y₄≤y_4max，且y₄为整数；

(4)场桥的投入使用数量

场桥作为堆场作业的主要设备，根据在不同时间段内集卡的到达情况，合理的配置场桥数量，形成一个连续不间段的装卸作业线，保证不间断的高速装卸作业，从而来提高集疏港作业的效率。设z_i(1≤i≤n)表示在第i个时间段内场桥的投入使用数量。n为划分的时间间隔数量，这里取n为12，每个时间间隔为2小时。

假设与约束条件：

(a)由于各个时间段内的作业量不均衡，所以要保证资源的利用率均在合理的范围内，即

z_imin≤z_j≤z_imax(1≤i≤n)

(b)在同一时间段内场桥的投入使用数量Q不超过场桥的已有总数H。

(c)堆场前的集卡队列长度L₃不应超过允许的最大队长L_3P。并且集卡的等待时间W₃不应超过允许的时间W_3P。

(5)闸口入口通道开放数量

设r_i(1≤i≤n)表示第i个时间段内闸口入口通道开放数量。n为划分的时间间隔数量，与场桥对应，这里取n为12，每个时间间隔为2小时。

假设与约束条件：

(a)假设同一时刻出口数量k₁为入口数量k₂减1。

(b)同一时刻开放的闸口出口数量k₁和入口数量k₂总和不能超过最大闸口数量Z。

(c)由于各个时间段内的作业量不均衡，所以要保证资源的利用率均在合理的范围内，即：

r_imin≤r_i≤r_imax(1≤i≤n)

(d)闸口入口通道排队的队长L₄，不应超过允许的排队长L_4P，外卡在入口通道的最大等待时间W₄，不应超过允许的时间W_4P。

最后，将所有的决策变量组成的向量用X表示，

即：X＝(X_l1，...，x_m1，...，x_ln，...，x_mn，y₁，y₂，y₃，y₄，z₁，...，z₁₂，r₁，...，r₁₂)^T。

四、建立评价体系

在基本流程确定且设备的运行速度一定的前提下，码头公司物流效率实际上就是成本与速度的权衡。所以在衡量码头公司物流系统效率时，主要从成本和速度方面选择评价指标。成本方面选择人工成本和各种设备的利用率来作为衡量指标；速度方面选择船舶在港时间，外卡在港时间及各种排队模型中的队列平均长度为衡量指标。建立的评价体系如图7所示。

(1)利用AHP方法确定各指标权重

AHP即Analytic Hierarchy Process，又称为层次分析法，是由美国著名运筹学家、匹兹堡大学教授T.L.Saaty于二十世纪80年代创立的，它是一种强有力的系统分析+运筹学方法，对多因素、多标准、多方案的综合评价及趋势预测相当有效.面对由“方案层+因素层+目标层”构成的递阶层次结构决策分析问题，给出了一整套处理方法与过程.AHP最大的优点是可以处理定性和定量相结合的问题，可以将决策者的主观判断与政策经验导入模型，并加以量化处理.AHP从本质上讲是一种科学的思维方式，层次分析法的步骤如下：

(a)通过对系统的深刻认识，确定该系统的总目标，弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等，广泛地收集信息。

(b)建立一个多层次的递阶结构，按目标的不同、实现功能的差异，将系统分为几个等级层次。

(c)确定以上递阶结构中相邻层次元素间相关程度。通过构造两两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序，即相对权值。其中，本层次中与上一层次相关元素之间的重要性判断尺度如表2所示，在此基础上所构造的指标重要性的判断矩阵如表3至表7所示。

(d)计算各层元素对系统目标的合成权重，进行总排序，以确定递阶结构图中最底层各个元素的总目标中的重要程度，参见表8。

(e)根据方案情况给出各方案对最终指标的得分，参见表9。

(f)将方案得分与方案权重相乘计算出该方案在该AHP层析体系下的得分，根据方案得分对方案进行取舍。

表2  判断尺度表

进行矩阵运算时，往往采用几何平均法：先计算 $W_i={\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{a}_{\mathrm{i\; j}}\right)}^{\frac{1}{n}},$ 其中a_ij为判断矩阵中的元素，对每一行求其几何平均值；再计算 $W_i^0=\frac{W_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i}$ (既归一化)，其中

为对应指标的相对权重；最后再将相对权重逐级乘以上层权重得到该指标对最上层的绝对权重。

表3

 

P0—码头公司物流系统效率	P1-成本方面	P2-速度方面
			P1-成本方面
P2-速度方面

表4

 

P1-成本方面	P12-设备利用率
		P12-设备利用率

表5

 

P2-速度方面	P21-船舶在港时间	P22-外卡在港时间	P23-队列平均长度
				P21-船舶在港时间
P22-外卡在港时间
				P23-队列平均长度

表6

 

P12-设备利用率	P121-泊位	P122-岸桥	P123-内卡	P124-场桥	P125-闸口
						P121-泊位
P122-岸桥
						P123-内卡
P124-场桥
						P125-闸口

表7

 

P23-队列平均长度	P231-船舶队列	P232-岸桥前内卡队列	P233-场桥前集卡队列	P234-闸口前集卡队列
					P231-船舶队列
P232-岸桥前内卡队列
					P233-场桥前集卡队列
P234-闸口前集卡队列

表8  最终各指标权重

表9  最终指标的评分表

(2)码头公司物流系统效率得分

物流系统效率得分＝∑最终指标权重×最终指标得分

五、建立仿真模型

(1)确定仿真模块：

该仿真模型框图如图8所示，包括船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块、输入输出模块。仿真模块框图的说明参见下述涉及到的在仿真建模中模块实体属性及实体间联系。

(2)建立各模块中的实体及其属性

(2-1)船舶到港模块

表10

 

实体	属性
		船期表	船舶编号、船舶预报到港时间、船舶到港时间
船舶	编号、所属船公司、单位停留成本、大小、装卸量、箱型比例、到港时间、离港时间、停靠泊位编号
		锚地	排队服务规则、最大队列长度

说明：如表10，船舶预报到港时间触发集港作业；船舶到港时间产生船舶实体，包括船舶编号；船舶编号唯一决定船舶实体；船舶的大小和装卸量用于决定泊位分配；船舶到港时间和离港时间用于统计在港停留时间，结合单位停留成本计算船舶停留损失；船舶到港后停靠锚地按照锚地排队服务规则，结合泊位调度接受服务；船舶停靠泊位编号根据泊位调度计划产生。

(2-2)泊位调度模块

表11

 

实体	属性
		泊位	编号、泊位大小、状态、船舶信息、岸桥信息

说明：如表11，泊位编号唯一决定泊位实体，受码头公司实际泊位数限制；根据泊位大小分成若干类，例如：大、中、小；泊位状态根据运行情况分为：占用和闲置；泊位分配信息记录泊位处于占用状态时停靠的船舶编号。船舶岸桥信息用于记录服务该泊位的岸桥编号。

(2-3)前沿装卸模块

表12

 

实体	属性
		岸桥	编号、空间布局、作业能力、服务状态、船舶编号、泊位编号
内卡停留区	编号、允许队列长度、对应岸桥编号

说明：如表12，岸桥编号唯一决定岸桥实体，受码头公司实际岸桥数量限制；岸桥空间布局描述闲置状态下岸桥停靠的泊位编号，该属性影响岸桥调度规则；岸桥作业能力表示装卸单位标准箱所需要的时间，分为装重箱时间、装空箱时间、卸重型时间和卸空箱时间；岸桥服务状态根据运行情况分为：占用和闲置；船舶编号记录岸桥服务的船舶；泊位编号记录岸桥服务的泊位信息；内卡停留区编号唯一决定该实体；内卡停留区用来内卡排队等待岸桥装卸作业，并有允许队列长度限制；对应岸桥编号记录该内卡停留区对应的岸桥信息。

(2-4)内卡作业模块

表13

 

实体	属性
		内卡	编号、行驶速度、服务状态、岸桥编号、装卸、箱位信息

说明：如表13，内卡编号唯一决定内卡实体；内卡行驶速度记录内卡重载和空载情况下的最大行驶速度；内卡服务状态根据运行情况分为：占用和闲置；岸桥编号记录该内卡服务的岸桥信息；装卸信息决定于内卡是处于船舶装载还是卸载状态；箱位信息记录内卡到堆场的作业的位置，装载时记录提箱位置，卸载时记录卸箱位置。

(2-5)水平运输模块

表14

 

实体	属性
		行驶车道	编号、行驶路线、最高时速、长度
装卸车道	编号、行驶路线、最高时速、允许队列长度

说明：如表14，车道编号唯一决定该实体；结合处于该车道集卡的箱位信息和行驶路线记录决定了集卡的行驶方向；车道最高时速决定了集卡的最高行驶速度，分为重车和空车；行驶车道的长度影响集卡的通行时间；装卸车道允许队列长度决定了堆场作业时允许集卡等待装卸作业的长度。

(2-6)堆场作业模块

表15

 

实体	属性
		堆场	编号、堆放箱型、占用率
场桥	编号、作业能力、服务状态、堆场编号

说明：如表15，堆场编号唯一决定堆场实体；堆场按照堆放箱型进行分区，分为：重箱区、空箱区和特种箱区等；堆场占用率记录堆场运行过程中的堆放状态；场桥编号唯一决定场桥实体；场桥作业能力记录场桥装卸集装箱的时间，分为重箱装载、空箱装载、重箱卸载和空箱卸载等；场桥服务状态根据实际运行情况分为：占用和闲置；场桥属性中的堆场编号记录场桥作业时所处的堆场信息。

(2-7)外卡作业模块

表16

 

实体	属性
		集港外卡	编号、到闸口时间、箱位信息、装卸状态、离开码头公司时间
疏港外卡	编号、到闸口时间、箱位信息、装卸状态、离开码头公司时间
		触发器	触发外卡到闸口时间、外卡类型

说明：如表16，外卡分为集港和疏港两种；外卡编号唯一决定了外卡实体，对疏港和集港进行不同编号；外卡达到闸口时间记录外卡到达闸口等待排队的时间；箱位信息记录集港外卡所要卸载集装箱的位置、疏港内卡所要装载集装箱的位置；装卸状态记录外卡是否完成装卸作业；外卡离开码头公司时间结合到达闸口时间统计外卡在码头公司停留时间；触发器用来触发外卡到达闸口，根据集港规则和疏港转栈规则触发外卡到达闸口时间以及外卡的类型和编号。

(2-8)闸口检查模块

表17

 

实体	属性
		闸口(进)	编号、开关状态、检查时间
闸口(出)	编号、开关状态、检查时间

说明：如表17，闸口分为进口和出口；闸口编号唯一决定闸口实体，按照进出进行编号并受闸口数量限制；闸口检查时间记录外卡通过闸口的检查时间，分为：集港检查和疏港检查。

(2-9)调度控制模块

表18

 

实体	功能属性
		泊位调度	到港船舶分配泊位、改变泊位状态(占用和释放)
岸桥调度	根据泊位和船型分配岸桥、改变岸桥状态(占用和释放)
		内卡调度	给岸桥分配内卡、改变内卡状态
场桥调度	分配场桥、指定作业范围、改变场桥状态
		闸口控制	改变闸口状态

说明：如表18，各调度实体已函数形式存在，以仿真模型的输入和其他相关实体的属性为自变量，计算输出为相关实体属性的改变情况。例如岸桥调度以岸桥服务模式、岸桥投入使用数量、岸桥属性中的服务状态、泊位信息和船舶信息为输入，输出改变岸桥属性中的服务状态、泊位信息和船舶信息。

(2-10)输入输出模块

表19

说明：如表19，输入输出模块中的实体以变量的形式存在，用来作为与优化算法的接口模块。

(3)建立实体属性间联系

根据前面步骤关于系统的描述以及输入输出参数的关系，参考实体属性及其属性说明，对实体之间的属性建立联系。下面以输入船期表到分配岸桥和内卡的过程做简单说明：

a)读取船期表中船舶的编号；

b)根据船舶编号船舶实体；

c)船舶到达锚地等待泊位调度过程；

d)根据泊位调度实体对船舶分配泊位，并将对应的泊位中船舶属性赋予该船舶编号；

e)根据泊位实体中的船舶编号查找船舶大小和装卸数量，结合岸桥调度实体，产生服务的岸桥编号，并将对应的岸桥实体中服务的泊位和船舶信息更新；

f)根据岸桥实体的属性和内卡调度实体，产生服务于该岸桥的内卡编号，并更新对应内卡中岸桥编号属性。

至此完成仿真模型的建立，以下通过输入测试数据检验并调整仿真模型。

(4)调试检验仿真模型

根据历史数据，采用通常的配置规则作为输入，运行仿真模型，检验输出项中的设备作业效率状况，比较其与实际统计的结果，设计偏差5％为容许的误差范围，完成表20。

表20  用于检验仿真模型的参数表

 

检验数据	实际作业统计	仿真统计	误差
				泊位平均利用率
岸桥平均利用率
				岸桥平均作业效率
内卡平均利用率
				场桥利用率
船舶在港时间
				外卡在港时间
堆场平均利用率

如果平均误差超过5％，那么对仿真模型进行检验调整，参考的检验调整步骤如下：

1)确定影响误差超出5％的统计数据，有针对地检查相关的模块和子系统。调试后如果仍未解决问题，进行下述步骤。

2)检查所有模块运行是否正常？通过检验子系统的输入与输出，与实际的统计结果进行比较，判断问题所在环节。如果调试后仍未解决问题，进行下述步骤。

3)检查所建实体是否能完全描述码头公司实际运行状况？如若不是可增减实体。重复以上步骤。

六、仿真优化算法设计

本发明中将采用遗传算法结合仿真技术进行求解，该优化算法的流程如图9所示，包括以下步骤：

(1)编码

由于本仿真优化所涉及决策变量的取值均为整数，因此采用二进制编码方式，即0、1编码。用二进制矢量代表一个染色体，它对应于多维空间的一个点，该染色体代表某个决策变量的值。

(2)初始化种群

将码头分成泊位子系统、水平运输子系统、堆场子系统和闸口子系统，通过遗传算法并结合物流系统仿真求出每个子系统的最优解，将所有子系统的最优解作为本整体优化算法的初始种群，这样就保证了算法从较优的初始点开始寻优，可以提高算法搜索的效率。

(3)计算适应值

将目标函数记为f＝F(x)，其中F(x)即为前面的：物流系统效率得分＝∑最终指标权重×最终指标得分，公式中所示的物流效率得分，把二进制解码成十进制，将f作为适应值函数，计算各染色体的适应值。

(4)设计选择算子

设种群规模为N，在当前群体中按一定规则选择一些染色体作为繁殖后代的父代，在此选择概率 $P_s=\frac{f_i}{\underset{i}{\mathrm{\Σ}}{f}_i}$ 进行复制，其中f_i为第i个染色体的适应值。这里的选择规则采用轮转法：选择时首先产生一个随机数，产生的随机数落在某个个体的适应值区间内，该个体就被选中而得以复制到下一代种群中，这样的选择经过N次，则形成了新一代种群。

(5)设计交叉、变异算子

(i)交叉，按照交叉概率P_c将父代群体中随机选中的父代进行交叉，可以随机配对，随机选择交叉位置，将交叉点之后基因位进行对换，从而产生新的种群。

(ii)变异，染色体中的每个基因位以概率P_m进行“0”变成“1”、“1”变成“0”的变异。

(6)算法终止条件

设计终止准则为：若相邻若干代内种群的平均适应值未发生变化或者变化小于某一阈值M，表示算法已经收敛，则退出算法；另外，设置算法总的循环代数为P，当算法运行代数达到P，亦终止算法。否则，返回(2)继续循环，直至最终的种群满足终止条件为止。

七、仿真优化结果输出

仿真优化的输出结果即为对应于船舶到港后，经过一系列物流作业后的各项指标输出，它们总体反映码头的物流效率，并且该输出结果是最优值，对应输入的决策变量即为最优的资源配置以及最优的生产调度方案。

具体实施例：

为了更好的说明本发明的实施过程，这里给出一个详细的实施例。

现有一份某集装箱码头公司某一天(0点—24点)的船期表，船舶具体信息如表21所示。

表21  船舶信息表

 

船舶	到港时刻	船长(米)	吃水深度(米)	进口箱量	出口量	装卸量
							1	6∶30	225	12	980	1120	2100
2	8∶35	140	10	350	508	858
							3	12∶45	100	6	200	200	400
4	17∶00	120	7	0	600	600
							5	21∶10	150	10	758	500	1258

(1)该码头有4个泊位，大、中、小泊位数分别为1、2、1，对应的泊位长度为325m，255m，150m，吃水深度分别为13米，12米，9米，这样m＝4，n＝5。

（a） $\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}=1,j=\mathrm{1,2,3,4,5}$

(b)(W_i-D_j)X_ij≥0，(P_i-L_j)X_ij≥0，i＝1，2，3，4，5

(c)L_1i≤L_1p，且W_1i≤W_1p。

(2)岸桥数量的约束

(3)内卡和岸桥数量配备比例的约束

(a)C＝50；

(b)L₂≤L_2P(L_2p＝20)，W₂≤W_2P(W_2P＝2小时)；

(c)y_4min＝2，y_4max＝10，且y₄为整数

(4)场桥投入使用数量的约束

(a)4≤z_i≤10(1≤i≤12)；

(b)Q≤H(H＝20)；

(c)L₃≤L_3P(L_3P＝20)，且W₃≤W_3P(W_3P＝2小时)；

(5)闸口入口通道开放数量的约束

(a)k₁＝k₂-1；

(b)k₁，k₂≤Z(Z＝10)；

(c)4≤r_i≤10(1≤i≤12)；

(d)L₄≤L_4P(L_4P＝20)，且W₄≤W_4P(W_4P＝2小时)。

综合上面的描述，该实施例中有48个决策变量，故问题的解是一个48维的向量。初始的解向量为：X₀＝(1，0，0，0，0，1，0，0，0，0，0，1，0，0，1，0，0，1，0，0，2，4，6，5，4，4，5，7，7，8，6，7，8，7，6，5，4，5，5，6，6，7，8，6，6，7，5，6)^T

对发明方案中的表3—表7进行打分，并运用层次分析法得到的指标权重如表22所示。

表22  指标权重表

下面进行仿真优化，优化算法中，设置各参数为：群体规模(染色体个数)为20，选择概率0.6，交叉概率0.6，变异概率0.1，迭代次数50代。

借鉴仿真建模步骤建立仿真模型，仿真模型中的各模块以及模块中实体和其属性如发明方案中步骤5所述。

仿真模型中，集装箱岸边起重机外伸距63米，每台岸桥的装卸作业时间根据不同箱型随机产生，装卸40英尺重箱的统计时间服从均值为1.5min的负指数分布，装卸2个20英尺重箱1.6min，装卸40英尺空箱1.4min，2个20英尺空箱1.5min。两轨道之间设4个车道，装卸点设在岸桥下道路两边的第一或第四车道处，中间车道为正常行驶车道。集卡在前沿的平均车速为20km/h。

集卡在堆存区采用单行道顺时针绕行。主要干道分为经线和纬线，最高车速限制为30km/h；另设装卸车道，最高车速限制为20km/h。在堆场内设置专用装卸车道，最高车速限制为18km/h。

堆场共分3列，8排，共24垛，每垛设置为“堆4跨6”长38个标准箱，即每垛可容912个标准箱。出口箱堆放区为3列第1至第3排；进口重箱区为3列，第4至第6排；进口空箱区为第1至第2列，第7至第8排，在第3列，第7至第8排安排特种箱区。

每台场桥的装卸作业时间根据装卸的箱型和箱数设定，其中装卸40英尺重箱的时间服从均值为1.5min的负指数分布，40英尺空箱为1.3min，20英尺重箱双箱为1.6min，20英尺空箱双箱为1.2min。

集卡进闸口的平均检查时间重车为1.5min，空车为0.8min；出闸口平均检查时间重车为1.5min，空车为0.8min。闸口服务时间均设定为负指数分布。

检验并调整仿真模型达到精度要求。

将上述的初始解作为仿真的输入，运行后得出的评分如表23所示。

表23  最终指标的评分表

本次输出对应的得分：

f＝0.14*0.56+0.11*0.67+0.03*0.49+0.08*0.65+0.05*0.35+0.22*0.53+0.16*0.68+0.06*0.38+0.08*0.46+0.05*0.26+0.02*0.76＝0.5495，即该染色体对应的适应值为0.5495。同样的方法可得到其它染色体的适应值(对这些染色体的初始解采用随机赋值的方法产生)。

用所提供的仿真优化算法得到最优解为：

X^*＝(1，0，0，0，0，1，0，0，0，0，0，1，0，1，0，0，0，0，1，0，3，5，6，6，7，8，6，7，4，5，5，7，4，5，9，6，8，7，6，5，6，7，8，6，6，7，5，6)^T’

对应的最优值为0.8056。

尽管结合附图对本发明进行了上述描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之列。

Claims (4)

1.一种集装箱码头物流仿真优化系统，与具有码头公司物流管理数据库的码头物流管理系统连接，根据船舶到港计划获得最优的码头资源配置和生产调度方案，其特征在于，该系统包括：

存储模块：用以存储为该集装箱码头物流仿真优化系统提供的数据和该系统所生成的数据；将资源配置作为优化决策变量，并将所有的决策变量的初始取值组成一初始解向量存储于该模块中；

评价模块：根据上述初始解，运用AHP层次分析法确定各指标权重，得出物流系统效率得分；

仿真模块：包括船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块和输入输出模块，通过该仿真模块建立各实体属性之间的联系；根据历史数据，采用通常的配置规则作为输入，运行仿真模型，以调试检验仿真模型；

优化循环模块：采用遗传算法结合仿真技术进行求解，最终得出各项指标；

仿真优化结果输出模块：输出的结果即为对应于船舶到港后，经过一系列物流作业后的各项指标，它们总体反映码头的物流效率，并且该输出结果是最优值，对应输入的决策变量即为最优的资源配置以及最优的生产调度方案。

2.一种集装箱码头物流仿真优化模块，其特征在于，包括船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块和输入输出模块；其中：

所述船舶到港模块中，船舶预报到港时间触发集港作业；船舶到港时间产生船舶实体，包括船舶编号；船舶编号唯一决定船舶实体；船舶的大小和装卸量用于决定泊位分配；船舶到港时间和离港时间用于统计在港停留时间，结合单位停留成本计算船舶停留损失；船舶到港后停靠锚地按照锚地排队服务规则，结合泊位调度接受服务；船舶停靠泊位编号根据泊位调度计划产生；

所述泊位调度模块中，泊位编号唯一决定泊位实体，受码头公司实际泊位数限制；根据泊位大小分成若干类：占用和闲置；泊位分配信息记录泊位处于占用状态时停靠的船舶编号；船舶岸桥信息用于记录服务该泊位的岸桥编号；

所述前沿装卸模块中，岸桥编号唯一决定岸桥实体，受码头公司实际岸桥数量限制；岸桥空间布局描述闲置状态下岸桥停靠的泊位编号，该属性影响岸桥调度规则；岸桥作业能力表示装卸单位标准箱所需要的时间，分为装重箱时间、装空箱时间、卸重型时间和卸空箱时间；岸桥服务状态根据运行情况分为：占用和闲置；船舶编号记录岸桥服务的船舶；泊位编号记录岸桥服务的泊位信息；内卡停留区编号唯一决定该实体；内卡停留区用来内卡排队等待岸桥装卸作业，并有允许队列长度限制；对应岸桥编号记录该内卡停留区对应的岸桥信息；

所述内卡作业模块中，内卡编号唯一决定内卡实体；内卡行驶速度记录内卡重载和空载情况下的最大行驶速度；内卡服务状态根据运行情况分为：占用和闲置；岸桥编号记录该内卡服务的岸桥信息；装卸信息决定于内卡是处于船舶装载还是卸载状态；箱位信息记录内卡到堆场的作业的位置，装载时记录提箱位置，卸载时记录卸箱位置；

所述水平运输模块中，车道编号唯一决定该实体；结合处于该车道集卡的箱位信息和行驶路线记录决定了集卡的行驶方向；车道最高时速决定了集卡的最高行驶速度，分为重车和空车；行驶车道的长度影响集卡的通行时间；装卸车道允许队列长度决定了堆场作业时允许集卡等待装卸作业的长度；

所述堆场作业模块中，堆场编号唯一决定堆场实体；堆场按照堆放箱型进行分区，分为：重箱区、空箱区和特种箱区等；堆场占用率记录堆场运行过程中的堆放状态；场桥编号唯一决定场桥实体；场桥作业能力记录场桥装卸集装箱的时间，分为重箱装载、空箱装载、重箱卸载和空箱卸载等；场桥服务状态根据实际运行情况分为：占用和闲置；场桥属性中的堆场编号记录场桥作业时所处的堆场信息；

所述外卡作业模块中，外卡分为集港和疏港两种；外卡编号唯一决定了外卡实体，对疏港和集港进行不同编号；外卡达到闸口时间记录外卡到达闸口等待排队的时间；箱位信息记录集港外卡所要卸载集装箱的位置、疏港内卡所要装载集装箱的位置；装卸状态记录外卡是否完成装卸作业；外卡离开码头公司时间结合到达闸口时间统计外卡在码头公司停留时间；触发器用来触发外卡到达闸口，根据集港规则和疏港转栈规则触发外卡到达闸口时间以及外卡的类型和编号；

所述闸口检查模块中，闸口分为进口和出口；闸口编号唯一决定闸口实体，按照进出进行编号并受闸口数量限制；闸口检查时间记录外卡通过闸口的检查时间，分为：集港检查和疏港检查；

所述调度控制模块中，各调度实体已函数形式存在，以仿真模型的输入和其他相关实体的属性为自变量，计算输出为相关实体属性的改变情况；岸桥调度以岸桥服务模式、岸桥投入使用数量、岸桥属性中的服务状态、泊位信息和船舶信息为输入，输出改变岸桥属性中的服务状态、泊位信息和船舶信息；

所述输入输出模块中，输入输出模块中的实体以变量的形式存在，用来作为与优化算法的接口模块。

3.一种集装箱码头物流仿真优化方法，以码头公司物流系统为基础，所述码头公司物流系统至少包括泊位子系统、水平运输子系统、堆场子系统和闸口子系统；以船舶计划为系统运行的触发点，该船舶计划至少包括船期表；其特征在于：该方法包括以下步骤：

步骤一、明确优化目标，使得物流成本最小的同时，码头的服务能力最大，从而得到码头物流系统最优的资源配置以及最佳的调度方式；

步骤二、确定决策变量及其约束条件，在上述各子系统中选取对码头物流系统起着关键制约作用的资源配置作为优化决策变量；

步骤三、建立评价体系，从成本和速度方面选择评价指标，至少包括：

(3-1)利用AHP层次分析法确定各指标权重，得出最终指标权重；根据最终指标评分表，得出最终指标得分；

(3-2)根据上述最终指标权重和最终指标得分，得出码头公司物流系统效率得分，即：

物流系统效率得分＝∑最终指标权重×最终指标得分

步骤四、建立仿真模型，至少包括：

(4-1)确定仿真模块：船舶到港模块、泊位调度模块、前沿装卸模块、内卡作业模块、水平运输模块、堆场作业模块、外卡作业模块、闸口检查模块、调度控制模块、输入输出模块；

(4-2)建立各模块中的实体及其属性；

(4-3)建立实体属性间联系；

(4-4)调试检验上述仿真模型，根据历史数据，采用通常的配置规则作为输入，运行仿真模型，检验输出项中的设备作业效率状况，比较其与实际统计的结果；

用于检验仿真模型的参数包括：泊位平均利用率、岸桥平均利用率、岸桥平均作业效率、内卡平均利用率、场桥利用率、船舶在港时间、外卡在港时间、堆场平均利用率；

设计偏差5％为容许的误差范围；

如果平均误差超过5％，那么对仿真模型进行检验调整，直至满足误差范围；

步骤五、设计仿真优化算法，采用遗传算法结合仿真技术进行求解；

步骤六、仿真优化结果输出，即：为对应于船舶到港后，经过一系列物流作业后的各项指标输出，它们总体反映码头的物流效率，并且该输出结果是最优值，对应输入的决策变量即为最优的资源配置以及最优的生产调度方案。

4.根据权利要求3所述的集装箱码头物流仿真优化方法，其中，步骤五中涉及到的仿真优化算法包括以下步骤：

(5-1)编码，由于上述决策变量的取值均为整数，因此采用二进制编码方式，即0、1编码，即：用二进制矢量代表一个染色体，其对应于多维空间的一个点，该染色体代表某个决策变量的值；

(5-2)初始化种群，将码头分成泊位子系统、水平运输子系统、堆场子系统和闸口子系统，通过遗传算法并结合物流系统仿真求出每个子系统的最优解，将所有子系统的最优解作为本整体优化算法的初始种群，这样就保证了算法从较优的初始点开始寻优，可以提高算法搜索的效率；

(5-3)计算适应值，将目标函数记为f＝F(x)，其中F(x)即为上述步骤三中：

物流系统效率得分＝∑最终指标权重×最终指标得分

所示的物流效率得分，把二进制解码成十进制，将f作为适应值函数，计算各染色体的适应值；

(5-4)设计选择算子，设种群规模为N，在当前群体中按一定规则选择一些染色体作为繁殖后代的父代，在此选择概率 $P_s=\frac{f_i}{\underset{i}{\mathrm{\Σ}}{f}_i}$ 进行复制，其中f_i为第i个染色体的适应值；

这里的选择规则采用轮转法，即：选择时首先产生一个随机数，产生的随机数落在某个个体的适应值区间内，该个体就被选中而得以复制到下一代种群中，这样的选择经过N次，则形成了新一代种群；

(5-5)设计交叉、变异算子，其中：

交叉，按照交叉概率P_c将父代群体中随机选中的父代进行交叉，可以随机配对，随机选择交叉位置，将交叉点之后基因位进行对换，从而产生新的种群；

变异，染色体中的每个基因位以概率P_m进行“0”变成“1”、“1”变成“0”的变异；

(5-6)算法终止条件，设计终止准则为：若相邻若干代内种群的平均适应值未发生变化或者变化小于某一阈值M，表示算法已经收敛，则退出算法；设置算法总的循环代数为P，当算法运行代数达到P，亦终止算法；则，返回(5-2)继续循环，直至最终的种群满足终止条件为止。

Images