CN109871571A - 一种码头资源配置及船舶队长精准计算方法 - Google Patents

Abstract

一种码头资源配置及船舶队长精准计算方法，包括如下步骤：确定码头的基本信息，包括历史日均船舶到达数量，泊位数量，岸桥数量，岸桥作业时间分布；结合设备成本构建泊位岸桥资源配置模型；设计考虑岸桥移动的马尔科夫链计算码头中船舶队长期望值，通过历史数据设计误差修正函数并通过修正函数修正误差，将修正后的队长期望值引入泊位岸桥资源配置模型；在Matlab软件中开发模拟迭代算法求解资源配置模型；将所求最优解数据指导码头发展。

Description

一种码头资源配置及船舶队长精准计算方法

技术领域

本发明属于码头资源及运营状况评价领域，具体涉及一种码头资源配置及船舶队长精准计算方法。

背景技术

随着世界经济一体化的快速发展，集装箱航运在国际物流中扮演着极为重要的角色。集装箱运输发展至今近30年，除2009年全球经济危机时期外，集装箱吞吐量一直保持稳定增长，其中前20年增长率为10％左右，近10年虽然增长有所减缓，但仍保持5％左右。集装箱运输的快速发展带动了集装箱码头之间的激烈竞争，只有缩短码头作业时间和降低码头集装箱船舶的运营成本，才能有竞争优势。

码头运营前期规划由可预测范围内的每日船舶到达数来确定投入使用的码头泊位、岸桥数量，而随着集装箱吞吐量不断增加，泊位、岸桥资源将会成为码头发展瓶颈。因此，根据集装箱船舶到达码头的时间分布规律，精准系统化地对集装箱码头泊位、岸桥资源重新配置，同时精准计算船舶队长以评价码头运营状况显得非常重要。

发明内容

为了解决集装箱码头泊位、岸桥资源配置及船舶队长等运营指标计算不够精准的问题，本发明提供了一种码头资源配置及船舶队长精准计算方法。

本发明通过以下技术方案实现：

一种码头资源配置及船舶队长精准计算方法，包括如下步骤：

步骤1：以码头设备的数量优化作为研究对象，结合历史日均船舶到达数量，泊位数量，岸桥数量，岸桥作业时间分布；将设备资源通过折旧法得到每日均摊成本，同时根据船舶在泊成本，结合设备成本构建码头的泊位和岸桥资源配置模型；

步骤2：根据码头船舶及泊位尺寸确定一艘船舶平均可同时进行作业的岸桥数量，并构建马尔科夫链得到码头稳态时的船舶队长；

步骤3：将步骤2中得到的船舶队长与历史真实数据对比，设计队长修正函数，并通过修正函数修正计算得到的船舶队长；

步骤4：将修正后的船舶队长公式带入码头泊位和岸桥资源配置模型；

步骤5：设计模拟迭代算法求解资源配置模型；

步骤6：将求解结果应用于码头实际，并指导码头设备数量优化。

进一步地，在上述技术方案中，所述所述的成本考虑四方面的运营成本，包括泊位固定投资成本、岸桥固定投资成本、货物的时间价值及船舶无法及时靠泊产生的惩罚成本，目标函数为：

其中，C_v为船舶在码头的运营费用；C_b为单个泊位每天的运营成本；C_q为单座岸桥每天的运营成本；V为每艘船舶所运载集装箱价值的平均值；r为现金年利率；E_m为单位船舶在锚地落锚产生的额外费用；E_g为单位船舶无法及时落锚产生的额外费用；C_p为码头每天的运营成本；L为码头服务系统中船舶数量的平均值；L_q为码头服务系统中船舶等待队长的平均值；L_m为码头服务系统中船舶在锚地等待数量的平均值；L_g为船舶无法驶入锚地落锚数量的平均值；B为泊位的数量；Q为岸桥的数量；C_bB表示建设泊位分摊的每日固定投资成本；C_qQ表示建设岸桥分摊的每日固定投资成本；表示一艘船舶在码头一天的运营费用及货物积压费用；E_mL_m表示船舶在锚地产生的额外费用；E_gL_g表示船舶无法进入码头产生的额外费用；

进一步地，在上述技术方案中，所述的马尔科夫链考虑了岸桥移动对泊位服务能力产生的影响，得到系统服务能力与船舶数满足如下关系：

其中μ_k表示码头内船舶数为k时系统总服务能力；μ为单座岸桥的装卸能力。

进一步地，在上述技术方案中，所述队长修正函数根据年份使用权重法，其公式为

其中，L_s表示s年队长计算值，表示s年队长实际值，表示所求值修正后的队长。

进一步地，在上述技术方案中，所述模拟迭代算法中的泊位数与岸桥数的比例系数η的取值范围为1＜η≤3；

进一步地，在上述技术方案中，所述的马尔科夫链根据岸桥作业时间分布构建，当岸桥作业时间呈poisson分布时，各队长指标近似解如下：

L_g＝L_q-L_m (6)

其中，

P₀为码头系统处于稳态时无船舶的概率；P_n为码头系统处于稳态时有n艘船舶的概率；λ为每日船舶到达码头的数量期望，μ^*＝3μ。

当岸桥作业时间呈Erlang分布时，各队长指标近似解如下：

L_g＝L_q-L_m (10)

其中，P_ni为码头中有n艘船舶在进行第i道装卸阶段的概率；

0状态：λP₀＝2μ^*P₁₂，λP₀+λP₁₂＝2μ^*P₁₁，P₁＝P₁₁+P₁₂；

1状态：λP₁₁+λP₁₂＝4μ^*P₂₂，λP₁₁+λP₂₂＝4μ^*P₂₁，P₂＝P₂₁+P₂₂；

…

j状态：λP_j1+λP_j2＝(2jμ^*+μ)P_(j+1)2，λP_j1+λP_(j+1)2＝(2jμ^*+μ)P_(j+1)1，P_j+1＝P_(j+1)1+P_(j+1)2；

j+1状态：λP_(j+1)1+λP_(j+1)2＝(2jμ^*+2μ)P_(j+2)2，λP_(j+1)1+λP_(j+2)2＝(2jμ^*+2μ)P_(j+2)1，P_j+2＝P_(j+2)1+P_(j+2)2；

…

B状态：λP_B1+λP_B2＝2QμP_(B+1)2，λP_B1+λP_(B+1)2＝2QμP_(B+1)1，P_B+1＝P_(B+1)1+P_(B+1)2；

B+1状态：λP_(B+1)1+λP_(B+1)2＝2QμP_(B+2)2，λP_(B+1)1+λP_(B+2)2＝2QμP_(B+2)1，P_B+2＝P_(B+2)1+P_(B+2)2；

…

进一步地，在上述技术方案中，所述的模拟迭代算法具体包括如下步骤：

步骤(1)：根据现有的码头资源配置现状，确定模拟迭代算法的初始泊位数B和初始岸桥数Q；

步骤(2)：根据码头岸桥分布规律，将初始泊位数B和初始岸桥数Q等原始数据代入各队长指标公式后得到具体队长数值；

步骤(3)：将各队长数值及泊位数B和岸桥数Q代入码头资源配置模型，求得目标函数，即码头日均成本C_p(B,Q)；

步骤(4)：根据比例系数η的取值范围1＜η≤3，将岸桥数Q迭代为岸桥数Q+1，并进入步骤(2)，得到新的队长数值，并得到新的日均成本C_p(B,Q+1)；当岸桥数Q迭代超过1＜η≤3时，将泊位数B迭代为泊位数B+1，同时岸桥数更新为初始岸桥数Q，进入步骤(2)，得到新的队长数值并得到新的日均成本C_p(B+1,Q)；当C_p(B,Q-1)＜C_p(B,Q)＜C_p(B,Q+1)时，得到码头资源配置最优解，即泊位数B，岸桥数Q。

本发明的有益效果为：

(1)本发明所述码头资源配置及船舶队长精准计算方法，提出了考虑岸桥移动对马尔科夫链的影响，相比传统的经典排队论模型计算队长，其所求的队长值更接近码头实际情况，而后通过队长修正函数，使所求解的码头运营指标更为精准。

(2)本发明所述码头资源配置及船舶队长精准计算方法，构建的码头资源配置模型考虑了码头实际作业中所产生的多种成本，使模型所反映的情况更趋近码头实际运营成本；设计的模拟迭代算法结合码头泊位与岸桥的相互关系，减少了迭代次数，在计算大规模码头时能较为明显得降低计算时间；最后求解得到的码头泊位和岸桥资源配置数量能够有效指导货运量增加后的码头发展规划。

附图说明

下面结合附图和具体实施方法对本发明作进一步详细的说明。

图1为码头资源配置及船舶队长精准计算方法流程示意图；

图2为码头内各设备运营示意图；

图3为岸桥作业时间服从Poisson分布时的马尔科夫链图；

图4为岸桥作业时间服从Erlang分布时的马尔科夫链图；

图5为模拟迭代算法示意图；

图6(a)～图6(b)为本发明计算方法与经典排队论方法的优劣势对比图，其中图6(a)是实施例1的对比图，图6(b)是实施例2的对比图；

图7(a)～图7(b)为本发明计算方法更为精准的原因图，其中图7(a)是码头服务能力与码头内船舶数量关系图，图7(b)是码头中船舶数量的概率图；

图8(a)～图8(b)为本发明计算方法指导下的码头运营指标图，其中图8(a)是本发明计算方法优化后的每年的码头队长指标图，图8(b)是每年的船舶及时靠泊率图。

具体实施方法

下面结合附图和实施案例对本发明的技术方案进行完整的描述。

实施例1

如图1所示，一种码头资源配置及船舶队长精准计算方法，包括如下步骤：步骤1：以码头设备的数量优化作为研究对象，如图2所示，结合历史日均船舶到达数量λ，泊位数量B，岸桥数量Q，岸桥作业时间分布μ；将设备资源通过折旧法得到每日均摊成本，同时根据船舶在泊成本，结合设备成本构建码头的泊位和岸桥资源配置模型；

步骤2：根据码头船舶及泊位尺寸确定一艘船舶平均可同时进行作业的岸桥数量为3个，并构建马尔科夫链得到码头稳态时的船舶队长L，L_q，L_m，L_g；

步骤3：将步骤2中得到的船舶队长与历史真实数据对比，设计队长修正函数，并通过修正函数修正计算得到的船舶队长；

步骤4：将修正后的船舶队长公式带入码头泊位和岸桥资源配置模型；

步骤5：设计模拟迭代算法求解资源配置模型；

步骤6：将求解结果应用于码头实际，并指导码头设备数量优化。

进一步地，在上述技术方案中，所述所述的成本考虑四方面的运营成本，包括泊位固定投资成本、岸桥固定投资成本、货物的时间价值及船舶无法及时靠泊产生的惩罚成本，目标函数为：

其中，C_v为船舶在码头的运营费用；C_b为单个泊位每天的运营成本；C_q为单座岸桥每天的运营成本；V为每艘船舶所运载集装箱价值的平均值；r为现金年利率；E_m为单位船舶在锚地落锚产生的额外费用；E_g为单位船舶无法及时落锚产生的额外费用；C_p为码头每天的运营成本；L为码头服务系统中船舶数量的平均值；L_q为码头服务系统中船舶等待队长的平均值；L_m为码头服务系统中船舶在锚地等待数量的平均值；L_g为船舶无法驶入锚地落锚数量的平均值；B为泊位的数量；Q为岸桥的数量；C_bB表示建设泊位分摊的每日固定投资成本；C_qQ表示建设岸桥分摊的每日固定投资成本；表示一艘船舶在码头一天的运营费用及货物积压费用；E_mL_m表示船舶在锚地产生的额外费用；E_gL_g表示船舶无法进入码头产生的额外费用；

进一步地，在上述技术方案中，所述的马尔科夫链考虑了岸桥移动对泊位服务能力产生的影响，如图3所示，得到系统服务能力与船舶数满足如下关系：

其中μ_k表示码头内船舶数为k时系统总服务能力；μ为单座岸桥的装卸能力。进一步地，在上述技术方案中，所述队长修正函数根据年份使用权重法，其公式为

其中，L_s表示s年队长计算值，表示s年队长实际值，表示所求值修正后的队长。

进一步地，在上述技术方案中，所述模拟迭代算法中的泊位数与岸桥数的比例系数η的取值范围为1＜η≤3；

进一步地，在上述技术方案中，所述的马尔科夫链根据岸桥作业时间分布构建，当岸桥作业时间呈poisson分布时，各队长指标近似解如下：

L_g＝L_q-L_m (6)

其中， P₀为码头系统处于稳态时无船舶的概率；P_n为码头系统处于稳态时有n艘船舶的概率。

进一步地，在上述技术方案中，所述的模拟迭代算法如图5所示，具体包括如下步骤：

步骤(1)：根据现有的码头资源配置现状，确定模拟迭代算法的初始泊位数B和初始岸桥数Q；

步骤(2)：根据码头岸桥分布规律，将初始泊位数B和初始岸桥数Q等原始数据代入各队长指标公式后得到具体队长数值；

步骤(3)：将各队长数值及泊位数B和岸桥数Q代入码头资源配置模型，求得目标函数，即码头日均成本C_p(B,Q)；

步骤(4)：根据比例系数η的取值范围1＜η≤3，将岸桥数Q迭代为岸桥数Q+1，并进入步骤(2)，得到新的队长数值，并得到新的日均成本C_p(B,Q+1)；当岸桥数Q迭代超过1＜η≤3时，将泊位数B迭代为泊位数B+1，同时岸桥数更新为初始岸桥数Q，进入步骤(2)，得到新的队长数值并得到新的日均成本C_p(B+1,Q)；当C_p(B,Q-1)＜C_p(B,Q)＜C_p(B,Q+1)时，得到码头资源配置最优解，即泊位数B，岸桥数Q。

本例1规定码头内的船舶遵循FCFS规则；且岸桥或其他设备不出现故障。

设定码头的配置为岸桥数量Q＝13，泊位数量B＝5，μ＝1.6，其余参数C_v＝32万元/天·艘，V＝57600万元/艘，r＝15％，C_b＝6.1万元/天，C_q＝1.1万元/天，E_m＝0.3万元/天·艘，E_g＝0.5万元/天·艘。

船舶到达数量数据如表1所示。

表1船舶到达数量数据

将表1数据通过本申请方法计算得到日均船舶队长为L_s，其与历史数据显示的实际队长的偏差如图6(b)所示；在图6(b)中显示了通过传统计算方法的队长与实际值的偏差。通过表1的原始参数及图6(b)的结果，可以看出本发明的考虑岸桥移动的马尔科夫链计算船舶队长方法有着良好的效果，相比传统经典排队论方法，其解的效果能提高10％左右，自身与实际偏差仅为1％左右，因此，本申请设计的求解算法是有效的。

将求解结果通过偏差修正函数处理后，其最后偏差值远远低于1％；因此，本申请设计的整套队长计算方法及修正方法是有效的。

通过指数平滑法预测未来船舶到达数据后，根据本申请设计的码头资源配置方法，得到最优解如表2所示。

表2资源优化表

由表2可知，本申请的方法能够有效合理配置码头资源数量，并降低码头日均成本。证明了本申请方法的有效性。

实施例2

如图1所示，一种码头资源配置及船舶队长精准计算方法，包括如下步骤：

步骤1：以码头设备的数量优化作为研究对象，如图2所示，结合历史日均船舶到达数量λ，泊位数量B，岸桥数量Q，岸桥作业时间分布μ；将设备资源通过折旧法得到每日均摊成本，同时根据船舶在泊成本，结合设备成本构建码头的泊位和岸桥资源配置模型；

步骤2：根据码头船舶及泊位尺寸确定一艘船舶平均可同时进行作业的岸桥数量为3个，并构建马尔科夫链得到码头稳态时的船舶队长L，L_q，L_m，L_g；

步骤3：将步骤2中得到的船舶队长与历史真实数据对比，设计队长修正函数，并通过修正函数修正计算得到的船舶队长；

步骤4：将修正后的船舶队长公式带入码头泊位和岸桥资源配置模型；

步骤5：设计模拟迭代算法求解资源配置模型；

步骤6：将求解结果应用于码头实际，并指导码头设备数量优化。

进一步地，在上述技术方案中，所述所述的成本考虑四方面的运营成本，包括泊位固定投资成本、岸桥固定投资成本、货物的时间价值及船舶无法及时靠泊产生的惩罚成本，目标函数为：

其中，C_v为船舶在码头的运营费用；C_b为单个泊位每天的运营成本；C_q为单座岸桥每天的运营成本；V为每艘船舶所运载集装箱价值的平均值；r为现金年利率；E_m为单位船舶在锚地落锚产生的额外费用；E_g为单位船舶无法及时落锚产生的额外费用；C_p为码头每天的运营成本；L为码头服务系统中船舶数量的平均值；L_q为码头服务系统中船舶等待队长的平均值；L_m为码头服务系统中船舶在锚地等待数量的平均值；L_g为船舶无法驶入锚地落锚数量的平均值；B为泊位的数量；Q为岸桥的数量；C_bB表示建设泊位分摊的每日固定投资成本；C_qQ表示建设岸桥分摊的每日固定投资成本；表示一艘船舶在码头一天的运营费用及货物积压费用；E_mL_m表示船舶在锚地产生的额外费用；E_gL_g表示船舶无法进入码头产生的额外费用。

进一步地，在上述技术方案中，所述的马尔科夫链考虑了岸桥移动对泊位服务能力产生的影响，如图4所示，得到系统服务能力与船舶数满足如下关系：

其中μ_k表示码头内船舶数为k时系统总服务能力；μ为单座岸桥的装卸能力。

进一步地，在上述技术方案中，所述队长修正函数根据年份使用权重法，其公式为

其中，L_s表示s年队长计算值，表示s年队长实际值，表示所求值修正后的队长。

进一步地，在上述技术方案中，所述模拟迭代算法中的泊位数与岸桥数的比例系数η的取值范围为1＜η≤3；

进一步地，在上述技术方案中，所述的马尔科夫链根据岸桥作业时间分布构建，当岸桥作业时间呈Erlang分布时，各队长指标近似解如下：

L_g＝L_q-L_m(10)

其中，P_ni为码头中有n艘船舶在进行第i道装卸阶段的概率；

0状态：λP₀＝2μ^*P₁₂，λP₀+λP₁₂＝2μ^*P₁₁，P₁＝P₁₁+P₁₂；

1状态：λP₁₁+λP₁₂＝4μ^*P₂₂，λP₁₁+λP₂₂＝4μ^*P₂₁，P₂＝P₂₁+P₂₂；

…

j状态：λP_j1+λP_j2＝(2jμ^*+μ)P_(j+1)2，λP_j1+λP_(j+1)2＝(2jμ^*+μ)P_(j+1)1，P_j+1＝P_(j+1)1+P_(j+1)2；

j+1状态：λP_(j+1)1+λP_(j+1)2＝(2jμ^*+2μ)P_(j+2)2，λP_(j+1)1+λP_(j+2)2＝(2jμ^*+2μ)P_(j+2)1，P_j+2＝P_(j+2)1+P_(j+2)2；

…

B状态：λP_B1+λP_B2＝2QμP_(B+1)2，λP_B1+λP_(B+1)2＝2QμP_(B+1)1，P_B+1＝P_(B+1)1+P_(B+1)2；

B+1状态：λP_(B+1)1+λP_(B+1)2＝2QμP_(B+2)2，λP_(B+1)1+λP_(B+2)2＝2QμP_(B+2)1，P_B+2＝P_(B+2)1+P_(B+2)2；

…

进一步地，在上述技术方案中，所述的模拟迭代算法如图5所示，具体包括如下步骤：

步骤(1)：根据现有的码头资源配置现状，确定模拟迭代算法的初始泊位数B和初始岸桥数Q；

步骤(2)：根据码头岸桥分布规律，将初始泊位数B和初始岸桥数Q等原始数据代入各队长指标公式后得到具体队长数值；

步骤(3)：将各队长数值及泊位数B和岸桥数Q代入码头资源配置模型，求得目标函数，即码头日均成本C_p(B,Q)；

步骤(4)：根据比例系数η的取值范围1＜η≤3，将岸桥数Q迭代为岸桥数Q+1，并进入步骤(2)，得到新的队长数值，并得到新的日均成本C_p(B,Q+1)；当岸桥数Q迭代超过1＜η≤3时，将泊位数B迭代为泊位数B+1，同时岸桥数更新为初始岸桥数Q，进入步骤(2)，得到新的队长数值并得到新的日均成本C_p(B+1,Q)；当C_p(B,Q-1)＜C_p(B,Q)＜C_p(B,Q+1)时，得到码头资源配置最优解，即泊位数B，岸桥数Q。

本例2规定码头内的船舶遵循FCFS规则；且岸桥或其他设备不出现故障。

设定码头的配置为岸桥数量Q＝11，泊位数量B＝4，μ＝1.33，其余参数C_v＝32万元/天·艘，V＝57600万元/艘，r＝15％，C_b＝6.1万元/天，C_q＝1.1万元/天，E_m＝0.3万元/天·艘，E_g＝0.5万元/天·艘。

船舶到达数量数据如表3所示。

表3船舶到达数量数据

将表3数据通过本申请方法计算得到日均船舶队长为L_s，其与历史数据显示的实际队长的偏差如图6(a)所示；在图6(a)中显示了通过传统计算方法的队长与实际值的偏差。通过表3的原始参数及图6(a)的结果，可以看出本发明的考虑岸桥移动的马尔科夫链计算船舶队长方法有着良好的效果，相比传统经典排队论方法，其解的效果能提高5％左右，自身与实际偏差仅为0.5％左右，因此，本申请设计的求解算法是有效的。

将求解结果通过偏差修正函数处理后，其最后偏差值远远低于0.5％；因此，本申请设计的整套队长计算方法及修正方法是有效的。

通过指数平滑法预测未来船到达数据后，根据本申请设计的码头资源配置方法，得到最优解如表4所示。

表4资源优化表

由表4可知，本申请的方法能够有效合理配置码头资源数量，并降低码头日均成本。证明了本申请方法的有效性。

对本申请设计的方法与传统的经典排队论方法对比，得到在上述两例情况下，两种方法的差异图，如图7(a)和图7(b)所示。图7(a)中的T_A和T_B点表示两种方法差别的极值点。可知，是由于两种方法的规律差异范围及码头服务能力差异范围高度重合引起。

经本申请设计的方法所配置的码头的运营指标与传统方法相比，其优势非常明显，如图8(a)和图8(b)所示，在每一年的各项指标中，本申请设计的方法均较优。

本发明的有益效果为：

(1)本发明所述码头资源配置及船舶队长精准计算方法，提出了考虑岸桥移动对马尔科夫链的影响，相比传统的经典排队论模型计算队长，其所求的队长值更接近码头实际情况，而后通过队长修正函数，使所求解的码头运营指标更为精准。

(2)本发明所述码头资源配置及船舶队长精准计算方法，构建的码头资源配置模型考虑了码头实际作业中所产生的多种成本，使模型所反映的情况更趋近码头实际运营成本；设计的模拟迭代算法结合码头泊位与岸桥的相互关系，减少了迭代次数，在计算大规模码头时能较为明显得降低计算时间；最后求解得到的码头泊位和岸桥资源配置数量能够有效指导货运量增加后的码头发展规划。

以上所述，仅为本发明较佳的具体实施方法，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种码头资源配置及船舶队长精准计算方法，其特征在于：包括如下步骤：

步骤1：以码头设备的数量优化作为研究对象，结合历史日均船舶到达数量，泊位数量，岸桥数量，岸桥作业时间分布；将设备资源通过折旧法得到每日均摊成本，同时根据船舶在泊成本，结合设备成本构建码头的泊位和岸桥资源配置模型，其中成本考虑四方面的运营成本，包括泊位固定投资成本、岸桥固定投资成本、货物的时间价值及船舶无法及时靠泊产生的惩罚成本。

目标函数为：

其中，C_v为船舶在码头的运营费用；C_b为单个泊位每天的运营成本；C_q为单座岸桥每天的运营成本；V为每艘船舶所运载集装箱价值的平均值；r为现金年利率；E_m为单位船舶在锚地落锚产生的额外费用；E_g为单位船舶无法及时落锚产生的额外费用；C_p为码头每天的运营成本；L为码头服务系统中船舶数量的平均值；L_q为码头服务系统中船舶等待队长的平均值；L_m为码头服务系统中船舶在锚地等待数量的平均值；L_g为船舶无法驶入锚地落锚数量的平均值；B为泊位的数量；Q为岸桥的数量；C_bB表示建设泊位分摊的每日固定投资成本；C_qQ表示建设岸桥分摊的每日固定投资成本；表示一艘船舶在码头一天的运营费用及货物积压费用；E_mL_m表示船舶在锚地产生的额外费用；E_gL_g表示船舶无法进入码头产生的额外费用；

步骤2：根据码头船舶及泊位尺寸确定一艘船舶平均可同时进行作业的岸桥数量，并构建马尔科夫链得到码头稳态时的船舶队长，马尔科夫链中考虑了岸桥移动对泊位服务能力产生的影响，系统服务能力与船舶数满足如下关系：

其中μ_k表示码头内船舶数为k时系统总服务能力；μ为单座岸桥的装卸能力。

马尔科夫链根据岸桥作业时间分布构建，当岸桥作业时间呈poisson分布时，各队长指标近似解如下：

L_g＝L_q-L_m (6)

其中， P₀为码头系统处于稳态时无船舶的概率；P_n为码头系统处于稳态时有n艘船舶的概率；λ为每日船舶到达码头的数量期望，μ^*＝3μ。

当岸桥作业时间呈Erlang分布时，各队长指标近似解如下：

L_g＝L_q-L_m (10)

其中，P_ni为码头中有n艘船舶在进行第i道装卸阶段的概率；

0状态：λP₀＝2μ^*P₁₂，λP₀+λP₁₂＝2μ^*P₁₁，P₁＝P₁₁+P₁₂；

1状态：λP₁₁+λP₁₂＝4μ^*P₂₂，λP₁₁+λP₂₂＝4μ^*P₂₁，P₂＝P₂₁+P₂₂；

…

j状态：λP_j1+λP_j2＝(2jμ^*+μ)P_(j+1)2，λP_j1+λP_(j+1)2＝(2jμ^*+μ)P_(j+1)1，P_j+1＝P_(j+1)1+P_(j+1)2；

j+1状态：λP_(j+1)1+λP_(j+1)2＝(2jμ^*+2μ)P_(j+2)2，λP_(j+1)1+λP_(j+2)2＝(2jμ^*+2μ)P_(j+2)1，P_j+2＝P_(j+2)1+P_(j+2)2；

…

B状态：λP_B1+λP_B2＝2QμP_(B+1)2，λP_B1+λP_(B+1)2＝2QμP_(B+1)1，P_B+1＝P_(B+1)1+P_(B+1)2；

B+1状态：λP_(B+1)1+λP_(B+1)2＝2QμP_(B+2)2，λP_(B+1)1+λP_(B+2)2＝2QμP_(B+2)1，P_B+2＝P_(B+2)1+P_(B+2)2；

…

步骤3：将步骤2中得到的船舶队长与历史真实数据对比，设计队长修正函数，并通过修正函数修正计算得到的船舶队长，队长修正函数根据年份使用权重法，其公式为

其中，L_s表示s年队长计算值，表示s年队长实际值，表示所求值修正后的队长。

步骤4：将修正后的船舶队长公式带入码头泊位和岸桥资源配置模型；

步骤5：设计模拟迭代算法求解资源配置模型，其中模拟迭代算法中的泊位数与岸桥数的比例系数η的取值范围为1＜η≤3；

步骤6：将求解结果应用于码头实际，并指导码头设备数量优化。