JP2019104576A - 人工知能を活用したコンテナターミナルシステム - Google Patents

Abstract

【課題】作業効率の向上を図ると共に、本船の荷役時間を短縮し、コンテナターミナル全体における物流のコスト低減を図ることのできる人工知能を活用したコンテナターミナルシステムを提供する。【解決手段】ニューラルネットワークを構築したＡＩ２８を備え、ＡＩ２８には少なくとも、ＧＣ１８に関する処理関連情報と、構内トレーラ２０における処理関連情報、およびヤードクレーン２２における処理関連情報を入力データとして入力し、ディープラーニングの手法を用いてＧＣ１８と構内トレーラ２０、およびヤードクレーン２２それぞれの待ち時間が最少となる作業タイミングを出力データとして求め、ＧＣ１８、構内トレーラ２０、およびヤードクレーン２２に対して前記出力データに基づく作業指示情報を送信することを特徴とする。【選択図】図１

Description

本発明は、コンテナターミナルを運用する際のシステムに係り、特に、当該システムの効率的な運用に人工知能を活用する技術に関する。

港湾におけるコンテナ物流において、その効率化とコストダウンのために最も重視されているのが、本船の荷役時間を短縮することである。このため、コンテナターミナルでは、本船荷役を行う際、岸壁側に構内トレーラやヤードクレーンなどの配置を集中させ、ガントリークレーン（以下、ＧＣと称す）の作業を停滞させる事無くコンテナの引き渡しが成されるような作業形態が採られている。

また、特許文献１には、ＧＣとコンテナを蔵置する蔵置レーンの間を往復する搬送台車と、蔵置レーン上を移動するヤードクレーン、および蔵置レーンに沿ってコンテナを搬送可能なカートとを配備するコンテナターミナルの運用方法が提案されている。そして、特許文献１に開示されている方法では、各蔵置レーンに複数（例えば２台）のヤードクレーンを配備すると共に、蔵置レーン側に、コンテナの受け渡し場所を２箇所設ける構成としている。２箇所のコンテナ受け渡し場所は、ヤードクレーン用の受け渡し場所と、カート用の受け渡し場所であり、受け渡し場所近傍のヤードクレーンが稼働中である場合には、カートが受け渡し場所から離れたヤードクレーンの稼働場所までクレーンを搬送するという形態を採っている。このため、搬送台車、ヤードクレーンは、それぞれその稼働効率を向上させることが可能となる。

特開２０１５−１９６５５６号公報

上記特許文献１に開示されているような方法であれば、搬送台車がコンテナヤード内で待機する事が無くなるこのため、ＧＣの稼働効率を上げる事はできる。しかしながら、上記特許文献１に開示されているような方法では、搬送台車やヤードクレーンなどが過剰配置となる可能性が高い。さらに、蔵置レーンに沿って移動するカートも追加されている。このため、本船の荷役時間は短くすることが出来るものの、コンテナヤード全体として見た場合には、搬送台車やヤードクレーンの稼働率は高くなく、コストの低減を図る余地が残されている。

そこで本発明では、上記課題を解決し、作業効率の向上を図ると共に、本船の荷役時間を短縮し、コンテナ物流のコスト低減を図ることのできる人工知能を活用したコンテナターミナルシステムを提供することを目的とする。

上記目的を達成するための本発明に係る人工知能を活用したコンテナターミナルシステムは、コンテナターミナルの管理システムにおいて、ニューラルネットワークを構築した人工知能を備え、前記人工知能には少なくとも、ガントリークレーンに関する処理関連情報と、構内トレーラにおける処理関連情報、およびヤードクレーンにおける処理関連情報を入力データとして入力し、ディープラーニングの手法を用いて前記ガントリークレーンと前記構内トレーラ、および前記ヤードクレーンそれぞれの待ち時間が最少となる作業タイミングを出力データとして求め、前記ガントリークレーン、前記構内トレーラ、および前記ヤードクレーンに対して前記出力データに基づく作業指示情報を送信することを特徴とする。

また、上記のような特徴を有する人工知能を活用したコンテナターミナルシステムにおいて前記入力データには、前記コンテナターミナルへの外来トレーラにおける処理関連情報を含み、前記出力データには、前記外来トレーラの到着予測時間と前記外来トレーラの行先情報が含まれ、前記作業指示情報は、前記外来トレーラにも送信されるようにすることができる。このような特徴を有する事によれば、外来トレーラに対する荷役作業も含めたコンテナターミナルにおける総合的な荷役作業の効率化を図る事が可能となる。

また、上記のような特徴を有する人工知能を活用したコンテナターミナルシステムにおける前記ガントリークレーンに関する処理関連情報には、前記ガントリークレーンのオペレータの処理能力や、本船におけるハッチカバーの取り扱いに関するデータ、前記ガントリークレーンの現在の作業状況、前記ガントリークレーンの荷役速度、及び前記本船のコンテナ位置が含まれ、前記構内トレーラにおける処理関連情報には、前記構内トレーラの位置情報や、前記構内トレーラのステータス情報、ドライバー情報、気象情報、ヤードマップ、およびコンテナ搬出入情報が含まれ、前記ヤードクレーンにおける処理関連情報としては、前記ヤードクレーンの処理能力や、前記ヤードクレーンの位置、前記ヤードクレーンのステータス情報、オペレータ情報、前記ヤードクレーンの荷役速度、本船荷役計画、およびヤードプランが含まれていると良い。このような各種情報は、コンテナターミナルの場所を選ばず、いずれのコンテナターミナルでも取得する事ができる。よって、コンテナターミナルの効率化に特化した人工知能の学習情報とすることができ、解析における基板作りを安定させることができる。

さらに、上記のような特徴を有する人工知能を活用したコンテナターミナルシステムにおける前記外来トレーラにおける処理関連情報には、前記外来トレーラの位置情報や、前記外来トレーラがゲートを通過する時間、前記外来トレーラに対する前記ゲートの割り当て状況、前記ゲートにいる車両情報、およびゲート前における前記外来トレーラの並び状況が含まれるようにすると良い。

上記のような特徴を有する人工知能を活用したコンテナターミナルシステムによれば、作業効率の向上を図ると共に、本船の荷役時間を短縮し、コンテナ物流のコスト低減を図ることが可能となる。

第１実施形態に係る人工知能を活用したコンテナターミナルシステムを構成する要素とコンテナターミナルとの関係を示す図である。 第１実施形態に係る人工知能を活用したコンテナターミナルシステムの概略構成を示す図である。 第２実施形態に係る人工知能を活用したコンテナターミナルシステムを構成する要素とコンテナターミナルとの関係を示す図である。 第２実施形態に係る人工知能を活用したコンテナターミナルシステムの概略構成を示す図である。

以下、本発明の人工知能を活用したコンテナターミナルシステムに係る実施の形態について、図面を参照して詳細に説明する。まず、図１、図２を参照して、第１実施形態に係る人工知能を活用したコンテナターミナルシステム（以下、単にＡＩ活用システム１０と称す）について説明する。

［第１実施形態：ターミナル内のみでのシステム］
本実施形態に係るＡＩ活用システム１０は、例えば図１に示すようなコンテナターミナル１２で採用される。コンテナターミナル１２には、例えばコンテナ４０を蔵置する蔵置場所１４が設けられると共に、岸壁側には、コンテナ４０を運ぶコンテナ船（本船１６）が着岸するバースが設けられている。また、着岸している本船１６には、コンテナ４０を荷役するためのガントリークレーン（以下、ＧＣ１８と称す）と、コンテナターミナル内でのコンテナ４０の移送を行うトレーラ（以下、構内トレーラ２０と称す）、および蔵置場所１４においてコンテナ４０の荷役作業を行うヤードクレーン２２とを有する。

また、このようなコンテナターミナル１２では、管理塔２４内などに設けられたターミナルオペレーションシステム（以下、ＴＯＳ２６と称す）により、ＧＣ１８に対する作業指示、構内トレーラ２０の作業指示、ヤードクレーン２２の作業指示、およびコンテナ４０の搬出入管理等が行われている。本実施形態に係るＡＩ活用システム１０では、ＴＯＳ２６上、あるいはＴＯＳ２６に付帯されたコンピュータ上に、ニューラルネットワークを構築した人工知能（以下、artificial intelligence：ＡＩ２８と称す）が構成されており、主にＴＯＳ２６によって管理、蓄積されている情報に基づいて、コンテナ荷役の最適化を図るための指示情報の出力が成される。

［ＡＩ入力情報］
ＡＩ２８が指示情報の出力のために利用する入力情報としては、主に、ＧＣ１８に関する処理関連情報や、構内トレーラ２０における処理関連情報、およびヤードクレーン２２における処理関連情報などである。各処理情報の具体例としては、次の通りであるが、以下に示す情報は、絶対的なものでは無く、適宜取捨選択が成される事があると共に、その情報区分も変動することがある。

ＧＣ１８に関する処理関連情報としては、ＧＣ１８のオペレータの処理能力や、本船１６におけるハッチカバーの取り扱いに関するデータ、ＧＣ１８の現在の作業状況、荷役速度、及び本船１６のコンテナ位置等とすることができる。ここで、オペレータの処理能力とは、例えば、１個のコンテナ４０を荷役する際に要する作業時間などである。また、荷役速度は、平均的、あるいは最高速度では無く、実測されるリアルタイムな荷役速度とすると良い。リアルタイムな荷役速度を入力情報とすることで、ＡＩ２８は、気象状況や体調等の影響による荷役速度の変化を考慮することが可能となるからである。

構内トレーラ２０における処理関連情報としては、構内トレーラ２０の位置情報や、ステータス情報、ドライバー情報、気象情報、ヤードマップ、およびコンテナ搬出入情報などとすることができる。位置情報は、リアルタイムな位置情報の取得であり、構内トレーラ２０に付帯された端末、あるいはドライバーが保有する携帯端末等と、ＧＰＳ（Global Positioning System）などを利用する事ができる。なお、ＧＰＳによる取得位置情報についての誤差を補正する場合には、短距離無線通信網などを利用して位置情報の解析を行うようにすれば良い。また、ステータス情報とは、該当する構内トレーラ２０が作業中であるのか、フリーであるのかといった情報である。気象情報は、天候によるトレーラの移動速度の変化を考慮するための情報である。ヤードマップは、蔵置場所１４などを含むコンテナヤード全体の地図である。また、コンテナ搬出入情報とは、バンニング登録情報や保税運送承認情報、ＣＬＳ情報などを含むコンテナ情報である。なお、位置情報の検出については、ＧＰＳ以外の技術を利用しても良い。

ヤードクレーン２２における処理関連情報としては、ヤードクレーン２２の処理能力や、位置、ステータス情報、オペレータ情報、荷役速度、本船荷役計画、およびヤードプランなどとすることができる。ヤードクレーン２２の処理能力とは、１個のコンテナ４０を荷役する際の作業時間などであり、ステータス情報とは、移動速度などである。また、荷役速度は、ＧＣ１８と同様に、リアルタイムな荷役速度である。本船荷役計画は、事前に作成されたもの、および作業状況に応じてリアルタイムに修正を加えたものを含む。さらにヤードプランは、コンテナヤード全体のコンテナ配置計画、およびリアルタイムでのコンテナ配置状況などである。

このような情報は、主に、ＴＯＳ２６に入力、蓄積され、ＡＩ２８の入力情報として利用される。情報の取得は、実状の変化の把握や、解析時の負荷などを考慮し、入力データの転送が一定間隔で行われることが望ましい。

［ＡＩ解析］
ＴＯＳ２６を介して得られる上記のような入力情報に基づき、ＡＩ２８は、ニューラルネットワークを用いたディープラーニングの手法による解析を行う。本実施形態の場合における解析事項は、例えば次のような事項とすることができる。

まず、本船荷役状況によるＧＣ１８の荷役タスクの順序予測である。次に、ヤードクレーン２２の荷役タスクの順序予測。そして、本船荷役タスクの順序予測や、ヤードクレーン２２の荷役タスクの順序予測に基づく構内トレーラ２０への最適指示情報の解析である。構内トレーラ２０への最適指示情報は、前述した荷役タスクの順序予測（ＧＣ１８、ヤードクレーン２２）と、構内トレーラ２０の位置やステータスに基づき、ＧＣ１８やヤードクレーン２２への到達時間（移動距離）と、待機時間が最少化されるように、荷役タスク毎に求められる。なお、到達時間は、ＧＰＳ等を介して取得された位置情報と、ヤードマップに基づいて求められる最短経路と、構内トレーラ２０の移動速度に基づいて算出する事ができる。また、待機時間は、予測される到達時間と、ＧＣ１８やヤードクレーン２２の荷役タスクの順序や、現在の作業状況などに基づいて算出されることとなる。そして、構内トレーラ２０への最適指示情報は、到達時間と待機時間の和が最小となる荷役位置への移動指示となる。

［ＡＩ出力情報］
ＡＩ２８によって求められた構内トレーラ２０への最適指示情報は、ＴＯＳ２６へ出力されると共に、ＴＯＳ２６からネットワークを介して構内トレーラ２０へ、荷役場所（移動場所）の指示が成される。また、ＴＯＳ２６は、ヤードクレーン２２に対しても、構内トレーラ２０の荷役場所、およびタイミングに基づく移動指示が出力される。また、ＧＣ１８に対しては、必要に応じて（荷役タスクの順序変更が生じた場合など）、変更情報の出力が成される。

［効果］
上記のようなＡＩ活用システム１０によれば、ＧＣ１８と構内トレーラ２０、及びヤードクレーン２２における作業待機時間の最小化を図る事ができる。よって、作業効率の向上を図る事ができる。また、構内トレーラ２０に対する最適指示情報を求める事により、構内トレーラ２０の移動に無駄が無く、コンテナターミナル１２内に配備する構内トレーラ２０の数を最小化する事ができる。これにより、本船１６の荷役時間の短縮と共に、コンテナターミナル全体において物流のコスト低減を図ることが可能となる。

［第２実施形態：外来トレーラを含む場合］
次に、第２実施形態に係るＡＩ活用システム１０Ａについて、図３、図４を参照して説明する。本実施形態に係るＡＩ活用システム１０Ａの殆どの構成は、上述した第１実施形態に係るＡＩ活用システム１０と同様である。よって、その構成を同一とする箇所には、図面に同一符号を附して、詳細な説明は省略することとする。

本実施形態に係るＡＩ活用システム１０Ａと、第１実施形態に係るＡＩ活用システム１０との相違点は、コンテナターミナル１２に対する外来トレーラ３２の存在の考慮である。外来トレーラ３２は、コンテナターミナル１２を基点として、ゲート３０を介して陸運側におけるコンテナ４０の搬出入を行う。このため、外来トレーラ３２に対する蔵置場所１４でのコンテナ荷役は、本船荷役と同時、あるいは前後して成されることとなる。よって、本船荷役作業を重視した場合には、外来トレーラ３２に対する荷役作業が遅滞し、コンテナターミナル１２におけるゲート３０の内外での渋滞等の問題を生じさせることとなってしまう。

本実施形態では、こうした外来トレーラ３２に対する荷役作業も含めたコンテナターミナル１２における総合的な荷役作業の効率化を図る事を目的としている。具体的には、ＡＩ２８に対する入力データとして、外来トレーラ３２における処理関連情報を含ませて、ＡＩ２８によるディープラーニングを実施するシステムとする。

［ＡＩ入力情報］
外来トレーラ３２における処理関連情報とは、例えば、外来トレーラ３２の位置情報や、ゲート３０に対するＩＮ／ＯＵＴ時間、ゲート３０の割り当て状況、ゲート３０にいる車両情報、およびゲート３０前における並び状況などである。外来トレーラ３２の位置情報は、コンテナターミナル１２に対する外来トレーラ３２の来場時期を予測するための情報であり、ＧＰＳや、既存の地図情報、ＥＴＣ情報などに基づいて導く事ができる。また、ゲート３０にいる車両情報とは、その車両が実入り運送なのか、空運送なのかの判定情報などである。ゲート３０前における並び状況とは、例えばゲート３０に設置されたカメラ（不図示）などによる取得映像を利用した解析データであり、ゲート３０前における渋滞状況などの実状に基づき、来場して蔵置場所１４まで移動する際の時間を予測するためのデータ等として用いることができる。

このような入力データは、第１実施形態に係るＡＩ活用システム１０と同様に、ＴＯＳ２６へ入力され、ＡＩ２８による解析に利用される。

［ＡＩ解析］
第１実施形態に記載したように、ＴＯＳ２６を介して得られる上記のような入力情報（第１実施形態に記載した情報を含む）に基づき、ＡＩ２８は、ニューラルネットワークを用いたディープラーニングの手法による解析を行う。本実施形態の場合における解析事項は、外来トレーラ３２が指定された蔵置場所１４へ到達する時刻の予測である。

具体的には、上述した位置情報や、ゲート３０に対するＩＮ／ＯＵＴ時間（到達に関してはゲートＩＮ時間）、ゲート３０の割り当て状況、車両情報、ゲート３０前における並び状況等に基づいて、予測を行う事ができる。なお、第１実施形態において説明した構内トレーラ２０に対する最適指示情報についても同様に解析を行う。ここで、構内トレーラ２０に対する最適指示情報の解析を行う際に必要となるヤードクレーン２２の荷役タスクの順序予測を行う際には、外来トレーラ３２の到達時刻や、荷役時間が考慮されることとなる。

［ＡＩ出力情報］
ＡＩ２８によって求められた構内トレーラ２０への最適指示情報は、ＴＯＳ２６へ出力されると共に、ＴＯＳ２６からネットワークを介して構内トレーラ２０へ、荷役場所（移動場所）の指示が成される。また、ＴＯＳ２６からヤードクレーン２２に対して出力される移動指示には、構内トレーラ２０の荷役場所、およびタイミングに加え、外来トレーラ３２の到達時刻と荷役場所が付加される。また、外来トレーラ３２には、適宜、通過ゲートや、蔵置場所１４等の作業指示情報が出力される。外来トレーラ３２は、この指示に従う事で、ゲート通過時の待ち時間や、荷役作業時の待ち時間を最小に抑える事が可能となる。さらに、本実施形態におけるＡＩ活用システム１０Ａでは、日単位でのコンテナターミナル１２に投入する人員（構内作業者数の他、構内トレーラ２０やヤードクレーン２２を含む）の数や、ゲートレイアウト（ＩＮ側とＯＵＴ側の数の割合等）の算出、および出力も行われる。

［効果］
上記のようなＡＩ活用システム１０Ａによれば、ＧＣ１８と構内トレーラ２０、及びヤードクレーン２２における作業待機時間の最小化を図る事ができることに加え、外来トレーラ３２がコンテナ４０を搬出入する際の待ち時間も低減することができる。このため、コンテナターミナル１２における総合的な荷役作業の効率化を図る事が可能となる。よって、本船１６の荷役時間の短縮と共に、コンテナ物流のコスト低減を図ることが可能となる。

［応用例］
上記実施形態では、ＡＩ２８が解析に利用する入力データとして、作業者等の判断による影響が無い事項のみを選定要素として挙げている。しかしながら、作業者等の操作や判断、すなわちコンテナターミナル１２内に人が居る事による影響（波動的な変化）を入力データに含ませる事で、ＡＩ２８による解析が、人による影響を踏まえたものとなり、より実状に最適な結果を得る事が可能となると考えられる。

このため、ＡＩ２８が解析に利用する入力データには、作業者認知情報を含むようにすると良い。具体的には、ＧＣ１８やヤードクレーン２２などの荷役機械のオペレータ、ターミナルオペレータ、構内トレーラ２０や外来トレーラ３２のドライバー等における判断や対応を含むようにすれば良い。

作業者認知情報の入力については、専用の入力機器の他、携帯端末等におけるタッチパネルや、カメラ、音声入力手段等を介してなされるようにすれば良い。

１０………ＡＩ活用システム、１２………コンテナターミナル、１４………蔵置場所、１６………本船、１８………ＧＣ、２０………構内トレーラ、２２………ヤードクレーン、２４………管理塔、２６………ＴＯＳ、２８………ＡＩ、３０………ゲート、３２………外来トレーラ、４０………コンテナ。

Claims (4)

1. コンテナターミナルの管理システムにおいて、
   ニューラルネットワークを構築した人工知能を備え、
   前記人工知能には少なくとも、ガントリークレーンに関する処理関連情報と、構内トレーラにおける処理関連情報、およびヤードクレーンにおける処理関連情報を入力データとして入力し、
   ディープラーニングの手法を用いて前記ガントリークレーンと前記構内トレーラ、および前記ヤードクレーンそれぞれの待ち時間が最少となる作業タイミングを出力データとして求め、
   前記ガントリークレーン、前記構内トレーラ、および前記ヤードクレーンに対して前記出力データに基づく作業指示情報を送信することを特徴とする人工知能を活用したコンテナターミナルシステム。
2. 前記入力データには、前記コンテナターミナルへの外来トレーラにおける処理関連情報を含み、
   前記出力データには、前記外来トレーラの到着予測時間と前記外来トレーラの行先情報が含まれ、
   前記作業指示情報は、前記外来トレーラにも送信されることを特徴とする請求項１に記載の人工知能を活用したコンテナターミナルシステム。
3. 前記ガントリークレーンに関する処理関連情報には、前記ガントリークレーンのオペレータの処理能力や、本船におけるハッチカバーの取り扱いに関するデータ、前記ガントリークレーンの現在の作業状況、前記ガントリークレーンの荷役速度、及び前記本船のコンテナ位置が含まれ、
   前記構内トレーラにおける処理関連情報には、前記構内トレーラの位置情報や、前記構内トレーラのステータス情報、ドライバー情報、気象情報、ヤードマップ、およびコンテナ搬出入情報が含まれ、
   前記ヤードクレーンにおける処理関連情報としては、前記ヤードクレーンの処理能力や、前記ヤードクレーンの位置、前記ヤードクレーンのステータス情報、オペレータ情報、前記ヤードクレーンの荷役速度、本船荷役計画、およびヤードプランが含まれていることを特徴とする請求項１または２に記載の人工知能を活用したコンテナターミナルシステム。
4. 前記外来トレーラにおける処理関連情報には、前記外来トレーラの位置情報や、前記外来トレーラがゲートを通過する時間、前記外来トレーラに対する前記ゲートの割り当て状況、前記ゲートにいる車両情報、およびゲート前における前記外来トレーラの並び状況が含まれることを特徴とする請求項２を含む請求項３に記載の人工知能を活用したコンテナターミナルシステム。

Images