CN115994689A - 一种智慧码头港区危险货物安全运输的管理方法及装置 - Google Patents
一种智慧码头港区危险货物安全运输的管理方法及装置 Download PDFInfo
- Publication number
- CN115994689A CN115994689A CN202310280288.1A CN202310280288A CN115994689A CN 115994689 A CN115994689 A CN 115994689A CN 202310280288 A CN202310280288 A CN 202310280288A CN 115994689 A CN115994689 A CN 115994689A
- Authority
- CN
- China
- Prior art keywords
- cargo
- feasible path
- path interval
- goods
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012502 risk assessment Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000013210 evaluation model Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种智慧码头港区危险货物安全运输的管理方法及装置,方法包括:获取码头港区的区域平面图,基于区域平面图确定货物可行路径区间,并对货物可行路径区间进行分级标记;将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间;基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至安全行车路线预测模型中,根据第二输出结果确定在目标货物可行路径区间内的安全行车路线。本申请可以在提高智慧港区码头作业平台高效率运行的同时,避免出现AGV车辆碰撞的现象,从而能够最大化规避危险货物的码头安全运输风险。
Description
技术领域
本申请涉及危险货物安全运输的技术领域,特别是涉及一种智慧码头港区危险货物安全运输的管理方法及装置。
背景技术
危险货物是指具有爆炸、易燃、毒害、感染、腐蚀、放射性等危险特性,在运输、储存、生产、经营、使用和处置中,容易造成人身伤亡、财产损毁或环境污染而需要特别防护的物质和物品。而集装箱作为一种具有一定强度、刚度和规格专供周转使用的大型装货容器,用作转运货物时可以直接在发货人装货到收货人卸货过程中无须将货物从箱内取出换装,其作为一种标准化生产及运营的物流系统基础载体,已经广泛应用于危险货物的公路、水路运输过程中,因为水路运输具有经济性高及运量大的优势,是危险货物运输最为常用的运输方式,港口码头作为水路运输与其他交通方式运输的枢纽,承担着大量的危险货物的运输任务。
随着港口运输业的发展,其周边地区已逐渐形成商业、住宅等人口密集区域,而港口运输涉及的危化品一旦发生泄漏、火灾或者爆炸,将会对周边人口密集区域造成严重伤害;目前针对港口码头的规范、研究成果多应用于危化品码头,且研究基本基于码头整体或对危险货物运输、装卸过程进行的评价,但在危险货物与普通货物混合堆存、混合运输时,及其装卸作业与港区其他码头泊位混合使用时,无法采取必要的安全措施,从而最大化规避危险货物在港口码头发生安全运输风险。
发明内容
基于此,有必要针对上述技术问题,提供一种能够最大化规避危险货物在港口码头发生运输风险的智慧码头港区危险货物安全运输的管理方法、装置、计算机设备和存储介质。
一方面,提供一种智慧码头港区危险货物安全运输的管理方法,所述方法包括:
步骤A:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
步骤B:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
步骤C:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
在其中一个实施例中,还包括:所述货物可行路径区间的划分规则包括:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分。
在其中一个实施例中,还包括:基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
在其中一个实施例中,还包括:所述运输风险评估模型包括:
其中,A表示评估值,X表示状态函数,、、、分别表示需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息、标记等级,m表示迭代次数,k表示各货物可行路径区间内AGV小车数量,t表示区间内AGV小车需运行时间,P表示间距,表示区间内AGV小车运行平均速度,表示已有i种货物的危险等级之和。
在其中一个实施例中,还包括:所述根据第一输出结果确定目标货物可行路径区间包括:
利用所述运输风险评估模型获取各货物可行路径区间的评估值,选取最大评估值所对应的货物可行路径区间作为所述目标货物可行路径区间;
若出现三个或三个以上的最大评估值,则基于实时更新的数据,利用所述运输风险评估模型重新计算直至选取出所述目标货物可行路径区间。
在其中一个实施例中,还包括:所述第一数据集的关联值的计算公式包括:
在其中一个实施例中,还包括:所述基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线包括:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
另一方面,提供了一种智慧码头港区危险货物安全运输的管理装置,所述装置包括:
区间划分模块,用于获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
区间确定模块,用于将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
路线预测模块,用于基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
再一方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
步骤A:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
步骤B:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
步骤C:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
又一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
步骤A:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
步骤B:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
步骤C:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
上述智慧码头港区危险货物安全运输的管理方法、装置、计算机设备,所述方法包括:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间;基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,本申请通过预测货物运输的安全行车路线,以及根据各危险货物集装箱内的货物危险性,预测AGV小车的安全运行间距与行驶速度,可以在提高智慧港区码头作业平台高效率运行的同时,避免出现AGV车辆碰撞的现象,从而能够最大化规避危险货物的码头安全运输风险。
附图说明
图1为一个实施例中智慧码头港区危险货物安全运输的管理方法的应用环境图;
图2为一个实施例中智慧码头港区危险货物安全运输的管理方法的流程示意图;
图3为一个实施例中智慧码头港区危险货物安全运输的管理装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,在本申请的描述中,除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
还应当理解,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要注意的是,术语“S1”、“S2”等仅用于步骤的描述目的,并非特别指称次序或顺位的意思,亦非用以限定本申请,其仅仅是为了方便描述本申请的方法,而不能理解为指示步骤的先后顺序。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
本申请提供的智慧码头港区危险货物安全运输的管理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与设置于服务器104上的数据处理平台进行通信,其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
实施例1
在一个实施例中,如图2所示,提供了一种智慧码头港区危险货物安全运输的管理方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
S1:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记。
需要说明的是,码头港区的区域平面图可以通过检索相关数据库获得;
进一步的,所述货物可行路径区间的划分规则包括:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分,示例性的,所述目标坐标可以是一个平面的四个角的坐标,可以根据需要对坐标进行自定义,根据运输货物所属集装箱规格划分,即可以根据港口所在位置的常规运输货物所属集装箱型号进行等量划分,或根据最大规格型号集装箱进行划分,或其他可基于目标坐标和运输货物所属集装箱规格进行合理划分的方法,在此不再赘述,其中,划分区间至少满足两排同等规格集装箱并排运输;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分,其中,运输货物危险等级可根据集装箱内运载货物属性进行赋值,货物属性可以是货物抗压能力、货物间反应条件、货物引燃条件等,通过二次划分确定并排运输货物之间的间距,从而避免货物之间的横向碰撞,如强酸和强碱之间的反应,导致发生运输风险。
更进一步的,基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
S2:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级。
需要说明的是,所述运输风险评估模型包括:
其中,A表示评估值,X表示状态函数,、、、分别表示需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息、标记等级,m表示迭代次数,k表示各货物可行路径区间内AGV小车数量,t表示区间内AGV小车需运行时间,P表示间距,表示区间内AGV小车运行平均速度,表示已有i种货物的危险等级之和。
进一步的,将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间包括:
利用所述运输风险评估模型获取各货物可行路径区间的评估值,选取最大评估值所对应的货物可行路径区间作为所述目标货物可行路径区间;
若出现三个或三个以上的最大评估值,则基于实时更新的数据,利用所述运输风险评估模型重新计算直至选取出所述目标货物可行路径区间。
S3:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
需要说明的是,该步骤具体包括:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
其中,所述第一数据集的关联值的计算公式包括:
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
上述智慧码头港区危险货物安全运输的管理方法中,所述方法包括:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间;基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,本申请通过预测货物运输的安全行车路线,以及根据各危险货物集装箱内的货物危险性,预测AGV小车的安全运行间距与行驶速度,可以在提高智慧港区码头作业平台高效率运行的同时,避免出现AGV车辆碰撞的现象,从而能够最大化规避危险货物的码头安全运输风险。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例2
在一个实施例中,如图3所示,提供了一种智慧码头港区危险货物安全运输的管理装置,包括:区间划分模块、区间确定模块和路线预测模块,其中:
区间划分模块,用于获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
区间确定模块,用于将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
路线预测模块,用于基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
作为一种较优的实施方式,本发明实施例中,所述区间划分模块具体用于:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分。
作为一种较优的实施方式,本发明实施例中,所述区间划分模块具体还用于:
基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
作为一种较优的实施方式,本发明实施例中,所述区间确定模块具体用于:
设置所述运输风险评估模型包括:
其中,A表示评估值,X表示状态函数,、、、分别表示需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息、标记等级,m表示迭代次数,k表示各货物可行路径区间内AGV小车数量,t表示区间内AGV小车需运行时间,P表示间距,表示区间内AGV小车运行平均速度,表示已有i种货物的危险等级之和。
作为一种较优的实施方式,本发明实施例中,所述区间确定模块具体还用于:
利用所述运输风险评估模型获取各货物可行路径区间的评估值,选取最大评估值所对应的货物可行路径区间作为所述目标货物可行路径区间;
若出现三个或三个以上的最大评估值,则基于实时更新的数据,利用所述运输风险评估模型重新计算直至选取出所述目标货物可行路径区间。
作为一种较优的实施方式,本发明实施例中,所述路线预测模块具体用于:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
所述第一数据集的关联值的计算公式包括:
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
关于智慧码头港区危险货物安全运输的管理装置的具体限定可以参见上文中对于智慧码头港区危险货物安全运输的管理方法的限定,在此不再赘述。上述智慧码头港区危险货物安全运输的管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例3
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智慧码头港区危险货物安全运输的管理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
S1:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
S2:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
S3:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
所述货物可行路径区间的划分规则包括:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
设置所述运输风险评估模型包括:
其中,A表示评估值,X表示状态函数,、、、分别表示需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息、标记等级,m表示迭代次数,k表示各货物可行路径区间内AGV小车数量,t表示区间内AGV小车需运行时间,P表示间距,表示区间内AGV小车运行平均速度,表示已有i种货物的危险等级之和。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
利用所述运输风险评估模型获取各货物可行路径区间的评估值,选取最大评估值所对应的货物可行路径区间作为所述目标货物可行路径区间;
若出现三个或三个以上的最大评估值,则基于实时更新的数据,利用所述运输风险评估模型重新计算直至选取出所述目标货物可行路径区间。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
所述第一数据集的关联值的计算公式包括:
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
实施例4
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S1:获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
S2:将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
S3:基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
设置所述运输风险评估模型包括:
其中,A表示评估值,X表示状态函数,、、、分别表示需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息、标记等级,m表示迭代次数,k表示各货物可行路径区间内AGV小车数量,t表示区间内AGV小车需运行时间,P表示间距,表示区间内AGV小车运行平均速度,表示已有i种货物的危险等级之和。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
利用所述运输风险评估模型获取各货物可行路径区间的评估值,选取最大评估值所对应的货物可行路径区间作为所述目标货物可行路径区间;
若出现三个或三个以上的最大评估值,则基于实时更新的数据,利用所述运输风险评估模型重新计算直至选取出所述目标货物可行路径区间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
所述第一数据集的关联值的计算公式包括:
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智慧码头港区危险货物安全运输的管理方法,其特征在于,所述方法包括:
获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
2.根据权利要求1所述的智慧码头港区危险货物安全运输的管理方法,其特征在于,所述货物可行路径区间的划分规则包括:
根据所述区域平面图中的目标坐标和运输货物所属集装箱规格对所述区域平面图进行一次划分;
根据运输货物危险等级以及不同危险等级运输货物的数量对一次划分后的所述区域平面图进行二次划分。
3.根据权利要求2所述的智慧码头港区危险货物安全运输的管理方法,其特征在于,基于二次划分结果确定所述货物可行路径区间,并根据所述货物可行路径区间与货物之间的距离对所述货物可行路径区间进行分级标记。
7.根据权利要求6所述的智慧码头港区危险货物安全运输的管理方法,其特征在于,所述基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线包括:
将起始点到所述目标货物可行路径区间的最短路径划分为多个坐标点,定义每两个坐标点之间的路段为目标路段;
计算所述目标路段的流量,其计算公式为:
基于所述目标路段的流量构建安全行车路线预测模型,以计算所述目标路段的最优小车分配量,所述安全行车路线预测模型的计算公式为:
其中,R表示最优小车分配量,M表示风险发生概率值,为向上取整数,表示迭代系数,表示i时间点所属时间间隔内目标路段运行的最大车辆数,N表示环境温度赋值,表示修正系数,表示某个时间点的目标路段流量,n表示历史风险状态特征数据,m表示常数系数,为正整数,i表示时间点;
根据多个目标路段的最优小车分配量规划所述目标货物可行路径区间内的安全行车路线以及在所述安全行车路线上的行车间距和速度。
8.一种智慧码头港区危险货物安全运输的管理装置,其特征在于,所述装置包括:
区间划分模块,用于获取码头港区的区域平面图,基于所述区域平面图确定货物可行路径区间,并对所述货物可行路径区间进行分级标记;
区间确定模块,用于将第一数据集输入至预构建的运输风险评估模型中,根据第一输出结果确定目标货物可行路径区间,所述第一数据集包括需运输货物危险等级、各货物可行路径区间内AGV小车运行信息、各货物可行路径区间内已有货物信息以及标记等级;
路线预测模块,用于基于交通网络动态配流理论构建安全行车路线预测模型,将第二数据集输入至所述安全行车路线预测模型中,根据第二输出结果确定在所述目标货物可行路径区间内的安全行车路线,所述第二数据集包括所述第一数据集的关联值、环境信息、历史风险状态特征数据。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310280288.1A CN115994689B (zh) | 2023-03-22 | 2023-03-22 | 一种智慧码头港区危险货物安全运输的管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310280288.1A CN115994689B (zh) | 2023-03-22 | 2023-03-22 | 一种智慧码头港区危险货物安全运输的管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115994689A true CN115994689A (zh) | 2023-04-21 |
CN115994689B CN115994689B (zh) | 2023-05-30 |
Family
ID=85993712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310280288.1A Active CN115994689B (zh) | 2023-03-22 | 2023-03-22 | 一种智慧码头港区危险货物安全运输的管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115994689B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116501002A (zh) * | 2023-06-27 | 2023-07-28 | 交通运输部水运科学研究所 | 智慧码头载运危险货物集装箱agv安全诱导配置方法 |
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN117114547A (zh) * | 2023-10-25 | 2023-11-24 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
CN117689215A (zh) * | 2024-02-01 | 2024-03-12 | 交通运输部水运科学研究所 | 危险货物集装箱的港区装卸仓储安全风险评估系统、方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090028902A (ko) * | 2007-09-17 | 2009-03-20 | (주) 코네스코퍼레이션 | 방사성폐기물 운반 안전성 평가 시스템 |
US20140337086A1 (en) * | 2013-05-09 | 2014-11-13 | Rockwell Authomation Technologies, Inc. | Risk assessment for industrial systems using big data |
US20180232690A1 (en) * | 2017-02-14 | 2018-08-16 | United Parcel Service Of America, Inc. | Dangerous goods shipping management systems |
CN109902987A (zh) * | 2018-02-06 | 2019-06-18 | 华为技术有限公司 | 确定运输方案的方法、训练快速装载模型的方法及设备 |
CN114529088A (zh) * | 2022-02-21 | 2022-05-24 | 山东大学 | 基于事故风险成本的驾驶路径规划方法及系统 |
CN115271322A (zh) * | 2022-06-08 | 2022-11-01 | 苏州热工研究院有限公司 | 一种放射性物品运输风险评估方法及系统 |
CN115456520A (zh) * | 2022-09-02 | 2022-12-09 | 广东工业大学 | 一种基于深度学习的特殊货物运输风险预测与处理方法 |
CN115630756A (zh) * | 2022-12-22 | 2023-01-20 | 交通运输部水运科学研究所 | 基于大数据风险评估的港区威胁事件预测方法 |
-
2023
- 2023-03-22 CN CN202310280288.1A patent/CN115994689B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090028902A (ko) * | 2007-09-17 | 2009-03-20 | (주) 코네스코퍼레이션 | 방사성폐기물 운반 안전성 평가 시스템 |
US20140337086A1 (en) * | 2013-05-09 | 2014-11-13 | Rockwell Authomation Technologies, Inc. | Risk assessment for industrial systems using big data |
US20180232690A1 (en) * | 2017-02-14 | 2018-08-16 | United Parcel Service Of America, Inc. | Dangerous goods shipping management systems |
CN109902987A (zh) * | 2018-02-06 | 2019-06-18 | 华为技术有限公司 | 确定运输方案的方法、训练快速装载模型的方法及设备 |
CN114529088A (zh) * | 2022-02-21 | 2022-05-24 | 山东大学 | 基于事故风险成本的驾驶路径规划方法及系统 |
CN115271322A (zh) * | 2022-06-08 | 2022-11-01 | 苏州热工研究院有限公司 | 一种放射性物品运输风险评估方法及系统 |
CN115456520A (zh) * | 2022-09-02 | 2022-12-09 | 广东工业大学 | 一种基于深度学习的特殊货物运输风险预测与处理方法 |
CN115630756A (zh) * | 2022-12-22 | 2023-01-20 | 交通运输部水运科学研究所 | 基于大数据风险评估的港区威胁事件预测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596425A (zh) * | 2023-06-25 | 2023-08-15 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN116596425B (zh) * | 2023-06-25 | 2023-09-22 | 交通运输部水运科学研究所 | 基于渗流分析石化港区槽罐车安全调度方法和系统 |
CN116501002A (zh) * | 2023-06-27 | 2023-07-28 | 交通运输部水运科学研究所 | 智慧码头载运危险货物集装箱agv安全诱导配置方法 |
CN116501002B (zh) * | 2023-06-27 | 2023-09-01 | 交通运输部水运科学研究所 | 智慧码头载运危险货物集装箱agv安全诱导配置方法 |
CN117114547A (zh) * | 2023-10-25 | 2023-11-24 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
CN117114547B (zh) * | 2023-10-25 | 2024-02-02 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
CN117689215A (zh) * | 2024-02-01 | 2024-03-12 | 交通运输部水运科学研究所 | 危险货物集装箱的港区装卸仓储安全风险评估系统、方法 |
CN117689215B (zh) * | 2024-02-01 | 2024-04-05 | 交通运输部水运科学研究所 | 危险货物集装箱的港区装卸仓储安全风险评估系统、方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115994689B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115994689B (zh) | 一种智慧码头港区危险货物安全运输的管理方法及装置 | |
Wei et al. | A simulated annealing algorithm for the capacitated vehicle routing problem with two-dimensional loading constraints | |
Kavoosi et al. | An augmented self-adaptive parameter control in evolutionary computation: A case study for the berth scheduling problem | |
Rodrigues et al. | An exact robust approach for the integrated berth allocation and quay crane scheduling problem under uncertain arrival times | |
Celik et al. | Application of axiomatic design and TOPSIS methodologies under fuzzy environment for proposing competitive strategies on Turkish container ports in maritime transportation network | |
Monaco et al. | The terminal-oriented ship stowage planning problem | |
Toumazis et al. | Worst-case conditional value-at-risk minimization for hazardous materials transportation | |
Ambrosino et al. | A decomposition heuristics for the container ship stowage problem | |
Ambrosino et al. | Computational evaluation of a MIP model for multi-port stowage planning problems | |
Hossain et al. | Metrics for assessing overall performance of inland waterway ports: A bayesian network based approach | |
US20130138330A1 (en) | System and method to optimize mass transport vehicle routing based on ton-mile cost information | |
CN115630849B (zh) | 基于复杂系统理论的货物集装箱堆场健康风险评估方法 | |
Arango et al. | Simulation‐optimization models for the dynamic berth allocation problem | |
CN112348428A (zh) | 集装箱的监控方法、装置、服务器及存储介质 | |
Wong et al. | Container drayage modelling with graph theory-based road connectivity assessment for sustainable freight transportation in new development area | |
CN116596425B (zh) | 基于渗流分析石化港区槽罐车安全调度方法和系统 | |
CN117952429B (zh) | 一种货运物流风险预警方法、装置、电子设备及存储介质 | |
CN111754163A (zh) | 一种仓储管理方法、装置以及系统 | |
CN117670257A (zh) | 一种订单分配方法、装置、电子设备及介质 | |
CN116523270A (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
Huynh et al. | Data analytics for intermodal freight transportation applications | |
Zhai et al. | Optimization and simulation on tanker vessels scheduling for efficient terminal operations | |
CN116070983B (zh) | 危险货物集装箱安全调度方法、系统、设备和存储介质 | |
CN107730180A (zh) | 一种货物运输监控方法、设备及计算机存储介质 | |
Rosa et al. | Planning the berth allocation problem in developing countries with multiple cargos and cargo priority by a mathematical model and a clustering search metaheuristic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |