CN107679764A - 一种集装箱港口集卡的动态调度方法 - Google Patents
一种集装箱港口集卡的动态调度方法 Download PDFInfo
- Publication number
- CN107679764A CN107679764A CN201710996383.6A CN201710996383A CN107679764A CN 107679764 A CN107679764 A CN 107679764A CN 201710996383 A CN201710996383 A CN 201710996383A CN 107679764 A CN107679764 A CN 107679764A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- module
- container
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本发明属于动态调度领域,公开了一种集装箱港口集卡的动态调度方法,利用集装箱港口集卡的智能控制端进行动态调度;智能控制端内置有数字化应用模块和数据处理模块;所述的数字化应用模块包括感知层和网络层;所述的感知层由各种传感模块以及传感模块网关构成,用于收集集装箱的地理位置信息和种类及数量信息;网络层包括数字宽带网络、网络接入以及与数字宽带网络相对应的数据库、网络应用平台和网络监督管理。本发明通过对集装箱港口装卸设备调度进行优化,缩短作业时间,一方面可以减少集装箱船舶的停港时间,提高码头的作业效率和竞争力,另一方面可以提高集卡的周转率,有助于降低运营成本。
Description
技术领域
本发明属于动态调度领域,尤其涉及一种集装箱港口集卡的动态调度方法。
背景技术
在集装箱港口中,设备的配置和调度对港口的运作效率有着较大影响。目前大部分集卡调度***普遍采用一定数量的集卡与某台岸桥绑定,形成一条作业路的传统调度规则,它根据码头实际业务量对每台岸桥配备5~6辆集卡,配备的集卡始终为该岸桥服务直至泊位工作终止。此种调度规则下集卡在作业循环中始终是半程为空,在装卸过程、作业路之间的生产节奏也不相同,在集卡的调度分配上会存在作业时间比较紧张的作业路得不到空闲的集卡而作业时间较充足的集卡不能有效地调度到最需要集卡的作业路上的现象。这种模式便于管理集卡但不利于进一步提高集装箱码头机械设备的利用率,因此难以适应多泊位现代化集装箱码头生产管理的发展需求。
综上所述,现有技术存在的问题是:传统模式不利于进一步提高集装箱码头机械设备的利用率,因此难以适应多泊位现代化集装箱码头生产管理的发展需求。
发明内容
针对现有技术存在的问题,本发明提供了一种集装箱港口集卡的动态调度方法。
本发明是这样实现的,一种集装箱港口集卡的动态调度方法,所述集装箱港口集卡的动态调度方法利用集装箱港口集卡的智能控制端进行动态调度;所述智能控制端内置有数字化应用模块和数据处理模块;所述的数字化应用模块包括感知层和网络层;
所述的感知层由各种传感模块以及传感模块网关构成,用于收集集装箱的地理位置信息和种类及数量信息;所述传感模块通过内置的信息处理模块对获得的集装箱的地理位置信息和种类及数量信息数据进行处理后,转换为网络层可识别的数据;所述信息处理模块的处理方法包括:
首先初始化传感模块的预定义参数;
以b1,c1为输入量,产生第一个规则;b1为第2个时刻与第1个时刻的功率差,c1为采样步长;
确定第一个规则的参数;
观测b(n),c(n)的到来,b(n)为第n个时刻与第n-1个时刻的功率差,c(n)为第n-1个时刻的采样步长;
计算马氏距离并找到mdkmin;
计算实际的输出误差确定对应的kd,并与马氏距离mdk进行比较;
如果mdk>kd,传感模块误差为ek,如果传感模块误差ek≤ck,则观测控制是否完成,算法结束;如果传感模块误差ek>ck,则产生新规则,确定新参数,计算所有规则误差减少率ERR;如果误差减少率ERR小于阈值,则就删去这条规则观测控制是否完成,算法结束;如果误差减少率ERR不小于阈值,则继续产生新的规则,直到满足误差减少率ERR小于阈值;
如果mdk≤kd,传感模块误差为ek,如果传感模块误差ek>ke,则计算输入变量的敏感性Bij并调整宽度,调整结论参数,观测控制是否完成,算法结束;如果***误差ek≥ke,则满足要求,观测控制是否完成,算法结束;
所述信息处理模块的处理方法还包括:
(1)误差定义:
||ek||=||tk-yk||;
其中第k个时刻期望输出是tk;yk为实时输出值;
如果ek>ke,则一条新的规则就增加;其中:
其中,emin指的是输出精度,emax指的是最大误差,k指的是学习的次数,β∈(0,1)指的是收敛常数,推导出:
(2)产生了u个模糊规则,当一个新的样本出现时,把输入的变量投影到一维的隶属函数空间,计算数据与边界集之间的欧式距离edi(j),并且找到它的最小值edi(jn),如果:
edi(jn)≤kmf;
不用分配新的高斯函数,否则就需要产生一个新的高斯函数,它的宽度由下式决定,其中心的设置如下:
模型为:D=Hθ+E;其中,D=TT为期望的输出,θ为它的实参数,E是误差向量;H通过QR分解成正交基向量集:H=PN,其中P=(p1,p2,...,pv);
(3)定义pi的误差减少率为:
此外定义:
其中误差减少率的矩阵为ρjΔ=(ρ1,ρ2,...,ρu),如果ηi<kerr,则就删去第j条规则;
马氏距离定义:
令:
如果:
则表明增加一条新规则因为现有的***不足以满足ε-完备性,其中kd这样变化:
上式中,r指的是衰减常数,由上式推导:
高斯宽度修正;修正隶属函数的宽度σij如下:
σij new=ξ×σij old;
其中,衰减因子是ζ,由下式决定:
其中输入变量敏感性是Bij;
所述的网络层包括数字宽带网络、网络接入以及与数字宽带网络相对应的数据库、网络应用平台和网络监督管理;
所述的数据处理模块用于将感知层和网络层的数据处理后上传至云端进行数据共享;
所述的智能控制端还包括决策控制模块、信息采集模块、物流监控模块;
所述信息采集模块集成有多个RFID扫描模块;所述RFID扫描模块获取信息的方法包括:
将RFID扫描的图像转换成灰度图像,对图像{grayv(i,j)}像素灰度值求和,再获取平均值:
利用总的纹理特征去除背景,计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和,求其平均值:
利用局部纹理特征去除背景,用3×3大小的滑动窗口,遍历图像,求取中心像素灰度值与周边像素灰度值之差,在每一个窗口图像内求取平均值:
拟合计算自适应阈值的方法:
所述的决策控制模块通过信息采集模块的RFID技术扫描获得集装箱装配货物信息后,根据数字化应用模块的感知层和网络层提分享的数据选取运输路径及运输起始点;
所述的物流监控模块包括本地车载终端、邻近车载终端及远程管理客户端:所述本地车载终端是安装在当前运输集装箱车辆上的终端设备,该本地车载终端包括RFID读写模块、红外传感模块模块、红外摄像头模块、报警联动模块、3G/ZigBee无线通信模块、监听模块及中央处理器;用于监控本地车辆及货物的动态,并与邻近车载终端及远程管理客户端进行通信交互;所述邻近车载终端是与本地车载终端完全相同的终端设备,被安装在邻近的运输集装箱车辆上;
所述远程管理客户端是一种安装在指定计算机上的软件***,并由港口的管理员监管;包括客户管理模块、车辆信息模块、货物信息模块、运输路线管理模块、通信管理模块;用于管理集装箱信息及出货信息,并监管相关运输车辆的动态。
进一步,所述集装箱港口集卡的动态调度方法,具体包括:
步骤一、通过数据处理模块共享的数据,统计所有的运输起始点、交通运输网络以及运输车辆信息;
步骤二、应用RFID技术统计各个运输起始点当前时刻待发送的货物信息;
步骤三、扫描所有运输起始点中的空车车辆,并为每一辆车辆分配货物的装配信息;
步骤四、对于选定的一辆空车计算从该车所处的运输起始点到其它所有运输终点之间的最短运输路径;
步骤五、选取一条运输路径作为当前车辆的运输路径,将该运输路径的数据传送给感知层;
步骤六、根据给定运输路径的装配任务分配流程,计算当前运输起始点发送的货物运输方案;
步骤七、根据数字化应用模块统计的集装箱种类及数量信息,统计从该运输起始点发往到最远目的地的运输终点的集装箱量;如果这些集装箱量能够将车辆装满,则该车辆只装这一批货运输;如果不能够将车辆装满,则继续计算新增加的集装箱;
步骤八、到达下一运输起始点的时候,计算在当前运输起始点需要重新装配的方案,直到车辆运输至目的运输终点。
进一步,数据处理模块共享数据前,需进行:
根据总平面地块布置、道路布置,确定所有道路交叉点、拐弯点、作业点。
按照地块布置,确定待选集卡调度场场址。由于港区办公楼、宿舍需要避开嘈杂环境且接近疏港主干道,集装箱堆场需要根据地质勘查报告选择承载力条件较好的地块以便地基处理,所以在确定待选调度场场址时,应避开港区办公楼、宿舍和集装箱堆场等已确定用途的地块。
确定某一待选场址内集卡至全部作业点的最短行驶路径,进而根据作业点规模确定集卡作业运行成本。
所述确定最短行驶路径的方法是dijkstra算法,包括具体以下步骤:
首先,引入一个辅助向量D,它的每个分量D[i]表示从起始点(即待选场)到其它全部作业点的长度。
D的初始状态为:若从v到v[i]有弧(即从v到v[i]存在连接边),则D[i]为弧上的权值(即为从v到v[i]的边的权值);否则置D[i]为∞。显然,长度为D[j]=Min{D|v[i]∈V}的路径就是从v出发到顶点v[j]的长度最短的一条路径,此路径为(v,v[j])。
下一条长度次短的就是找到从源点v到下一个顶点的最短路径长度所对应的顶点,且这条最短路径长度仅次于从源点v到顶点v[j]的最短路径长度。假设该次短路径的终点是v[k],则可想而知,这条路径要么是(v,v[k]),或者是(v,v[j],v[k])。它的长度或者是从v到v[k]的弧上的权值,或者是D[j]加上从v[j]到v[k]的弧上的权值。
一般情况下,假设S为已求得的从源点v出发的最短路径长度的顶点的集合,则可证明:下一条次最短路径(设其终点为x)要么是弧(v,x),或者是从源点v出发的中间只经过S中的顶点而最后到达顶点的路径。因此,下一条长度次短的的最短路径长度必是D[j]=Min{D[i]|v[i]∈V-S},其中D要么是弧(v,v[i])上的权值,或者是D[i](v[k]∈S)和弧(v[k],v[i])上的权值之和。
遍历所有待选集卡调度场场址,最终确定集卡运行费用最少、行驶里程最短的最优调度场场址。
本发明的优点及积极效果为:本发明通过对集装箱港口装卸设备调度进行优化,缩短对船作业时间,一方面可以减少集装箱船舶的停港时间,提高码头的作业效率和竞争力,另一方面可以提高集卡的周转率,有助于降低运营成本。
本发明的集装箱港口集卡的动态调度方法基能够提高货物的依次投送能力,降低货物在中间节点的转发次数,也能够极大的提高货物的运输效率,同时使集装箱管理过程中的信息获取更高效、更低成本,有效克服了复杂事件管理不及时等困难,使得管理中心能够对影响集装箱运输的复杂事件进行追踪与定位,具有良好的应用价值。
本发明的信息处理模块的处理方法在模糊神经网络算法的基础之上,提出了一种既可以进行模糊规则提取的方法;提出了模糊完备性,作为在线分配机制,可以使初始化选择避免了随机性;与此同时,不仅可以对模糊规则重要性做出评价,而且也能对输入变量的重要性给出回应;这样就可以使每条规则的输入变量的宽度根据***性能的需求来实施在线的实时的自适应调整。从而获得准确的信息。
本发明的信息采集模块的获取方法可获得准确的图像数据,为后序的处理提供保证。本发明RFID扫描技术中拟合计算自适应阈值的方法能有效提高图像检测的鲁棒性和准确性,减少误检。
附图说明
图1是本发明实施提供的集装箱港口集卡的动态调度方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
本发明实施例提供的集装箱港口集卡的动态调度方法,所述集装箱港口集卡的动态调度方法利用集装箱港口集卡的智能控制端进行动态调度;所述智能控制端内置有数字化应用模块和数据处理模块;所述的数字化应用模块包括感知层和网络层;
所述的感知层由各种传感模块以及传感模块网关构成,用于收集集装箱的地理位置信息和种类及数量信息;所述传感模块通过内置的信息处理模块对获得的集装箱的地理位置信息和种类及数量信息数据进行处理后,转换为网络层可识别的数据;所述信息处理模块的处理方法包括:
首先初始化传感模块的预定义参数;
以b1,c1为输入量,产生第一个规则;b1为第2个时刻与第1个时刻的功率差,c1为采样步长;
确定第一个规则的参数;
观测b(n),c(n)的到来,b(n)为第n个时刻与第n-1个时刻的功率差,c(n)为第n-1个时刻的采样步长;
计算马氏距离并找到mdkmin;
计算实际的输出误差确定对应的kd,并与马氏距离mdk进行比较;
如果mdk>kd,传感模块误差为ek,如果传感模块误差ek≤ck,则观测控制是否完成,算法结束;如果传感模块误差ek>ck,则产生新规则,确定新参数,计算所有规则误差减少率ERR;如果误差减少率ERR小于阈值,则就删去这条规则观测控制是否完成,算法结束;如果误差减少率ERR不小于阈值,则继续产生新的规则,直到满足误差减少率ERR小于阈值;
如果mdk≤kd,传感模块误差为ek,如果传感模块误差ek>ke,则计算输入变量的敏感性Bij并调整宽度,调整结论参数,观测控制是否完成,算法结束;如果***误差ek≥ke,则满足要求,观测控制是否完成,算法结束;
所述信息处理模块的处理方法还包括:
(1)误差定义:
||ek||=||tk-yk||;
其中第k个时刻期望输出是tk;yk为实时输出值;
如果ek>ke,则一条新的规则就增加;其中:
其中,emin指的是输出精度,emax指的是最大误差,k指的是学习的次数,β∈(0,1)指的是收敛常数,推导出:
(2)产生了u个模糊规则,当一个新的样本出现时,把输入的变量投影到一维的隶属函数空间,计算数据与边界集之间的欧式距离edi(j),并且找到它的最小值edi(jn),如果:
edi(jn)≤kmf;
不用分配新的高斯函数,否则就需要产生一个新的高斯函数,它的宽度由下式决定,其中心的设置如下:
模型为:D=Hθ+E;其中,D=TT为期望的输出,θ为它的实参数,E是误差向量;H通过QR分解成正交基向量集:H=PN,其中P=(p1,p2,...,pv);
(3)定义pi的误差减少率为:
此外定义:
其中误差减少率的矩阵为ρjΔ=(ρ1,ρ2,...,ρu),如果ηi<kerr,则就删去第j条规则;
马氏距离定义:
令:
如果:
则表明增加一条新规则因为现有的***不足以满足ε-完备性,其中kd这样变化:
上式中,r指的是衰减常数,由上式推导:
高斯宽度修正;修正隶属函数的宽度σij如下:
σij new=ξ×σij old;
其中,衰减因子是ζ,由下式决定:
其中输入变量敏感性是Bij;
所述的网络层包括数字宽带网络、网络接入以及与数字宽带网络相对应的数据库、网络应用平台和网络监督管理;
所述的数据处理模块用于将感知层和网络层的数据处理后上传至云端进行数据共享;
所述的智能控制端还包括决策控制模块、信息采集模块、物流监控模块;
所述信息采集模块集成有多个RFID扫描模块;所述RFID扫描模块获取信息的方法包括:
将RFID扫描的图像转换成灰度图像,对图像{grayv(i,j)}像素灰度值求和,再获取平均值:
利用总的纹理特征去除背景,计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和,求其平均值:
利用局部纹理特征去除背景,用3×3大小的滑动窗口,遍历图像,求取中心像素灰度值与周边像素灰度值之差,在每一个窗口图像内求取平均值:
拟合计算自适应阈值的方法:
所述的决策控制模块通过信息采集模块的RFID技术扫描获得集装箱装配货物信息后,根据数字化应用模块的感知层和网络层提分享的数据选取运输路径及运输起始点;
所述的物流监控模块包括本地车载终端、邻近车载终端及远程管理客户端:所述本地车载终端是安装在当前运输集装箱车辆上的终端设备,该本地车载终端包括RFID读写模块、红外传感模块模块、红外摄像头模块、报警联动模块、3G/ZigBee无线通信模块、监听模块及中央处理器;用于监控本地车辆及货物的动态,并与邻近车载终端及远程管理客户端进行通信交互;所述邻近车载终端是与本地车载终端完全相同的终端设备,被安装在邻近的运输集装箱车辆上;
所述远程管理客户端是一种安装在指定计算机上的软件***,并由港口的管理员监管;包括客户管理模块、车辆信息模块、货物信息模块、运输路线管理模块、通信管理模块;用于管理集装箱信息及出货信息,并监管相关运输车辆的动态。
如图1所示,本发明实施例提供的集装箱港口集卡的动态调度方法,具体包括:
S101:通过数据处理模块共享的数据,统计所有的运输起始点、交通运输网络以及运输车辆信息;
S102:应用RFID技术统计各个运输起始点当前时刻待发送的货物信息;
S103:扫描所有运输起始点中的空车车辆,并为每一辆车辆分配货物的装配信息;
S104:对于选定的一辆空车计算从该车所处的运输起始点到其它所有运输终点之间的最短运输路径;
S105:选取一条运输路径作为当前车辆的运输路径,将该运输路径的数据传送给感知层;
S106:根据给定运输路径的装配任务分配流程,计算当前运输起始点发送的货物运输方案;
S107:根据数字化应用模块统计的集装箱种类及数量信息,统计从该运输起始点发往到最远目的地的运输终点的集装箱量;如果这些集装箱量能够将车辆装满,则该车辆只装这一批货运输;如果不能够将车辆装满,则继续计算新增加的集装箱;
S108:到达下一运输起始点的时候,计算在当前运输起始点需要重新装配的方案,直到车辆运输至目的运输终点。
数据处理模块共享数据前,需进行:
根据总平面地块布置、道路布置,确定所有道路交叉点、拐弯点、作业点。
按照地块布置,确定待选集卡调度场场址。由于港区办公楼、宿舍需要避开嘈杂环境且接近疏港主干道,集装箱堆场需要根据地质勘查报告选择承载力条件较好的地块以便地基处理,所以在确定待选调度场场址时,应避开港区办公楼、宿舍和集装箱堆场等已确定用途的地块。
确定某一待选场址内集卡至全部作业点的最短行驶路径,进而根据作业点规模确定集卡作业运行成本。
所述确定最短行驶路径的方法是dijkstra算法,包括具体以下步骤:
①首先,引入一个辅助向量D,它的每个分量D[i]表示从起始点(即待选场)到其它每个全部作业点的长度。
②D的初始状态为:若从v到v[i]有弧(即从v到v[i]存在连接边),则D[i]为弧上的权值(即为从v到v[i]的边的权值);否则置D[i]为∞。显然,长度为D[j]=Min{D|v[i]∈V}的路径就是从v出发到顶点v[j]的长度最短的一条路径,此路径为(v,v[j])。
③下一条长度次短的就是找到从源点v到下一个顶点的最短路径长度所对应的顶点,且这条最短路径长度仅次于从源点v到顶点v[j]的最短路径长度。假设该次短路径的终点是v[k],则可想而知,这条路径要么是(v,v[k]),或者是(v,v[j],v[k])。它的长度或者是从v到v[k]的弧上的权值,或者是D[j]加上从v[j]到v[k]的弧上的权值。
④一般情况下,假设S为已求得的从源点v出发的最短路径长度的顶点的集合,则可证明:下一条次最短路径(设其终点为x)要么是弧(v,x),或者是从源点v出发的中间只经过S中的顶点而最后到达顶点的路径。因此,下一条长度次短的的最短路径长度必是D[j]=Min{D[i]|v[i]∈V-S},其中D要么是弧(v,v[i])上的权值,或者是D[i](v[k]∈S)和弧(v[k],v[i])上的权值之和。
遍历所有待选集卡调度场场址,最终确定集卡运行费用最少、行驶里程最短的最优调度场场址。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种集装箱港口集卡的动态调度方法,其特征在于,所述集装箱港口集卡的动态调度方法利用集装箱港口集卡的智能控制端进行动态调度;所述智能控制端内置有数字化应用模块和数据处理模块;所述的数字化应用模块包括感知层和网络层;
所述的感知层由各种传感模块以及传感模块网关构成,用于收集集装箱的地理位置信息和种类及数量信息;
所述传感模块通过内置的信息处理模块对获得的集装箱的地理位置信息和种类及数量信息数据进行处理后,转换为网络层可识别的数据;所述信息处理模块的处理方法包括:
首先初始化传感模块的预定义参数;
以b1,c1为输入量,产生第一个规则;b1为第2个时刻与第1个时刻的功率差,c1为采样步长;
确定第一个规则的参数;
观测b(n),c(n)的到来,b(n)为第n个时刻与第n-1个时刻的功率差,c(n)为第n-1个时刻的采样步长;
计算马氏距离并找到mdkmin;
计算实际的输出误差确定对应的kd,并与马氏距离mdk进行比较;
如果mdk>kd,传感模块误差为ek,如果传感模块误差ek≤ck,则观测控制是否完成,算法结束;如果传感模块误差ek>ck,则产生新规则,确定新参数,计算所有规则误差减少率ERR;如果误差减少率ERR小于阈值,则就删去这条规则观测控制是否完成,算法结束;如果误差减少率ERR不小于阈值,则继续产生新的规则,直到满足误差减少率ERR小于阈值;
如果mdk≤kd,传感模块误差为ek,如果传感模块误差ek>ke,则计算输入变量的敏感性Bij并调整宽度,调整结论参数,观测控制是否完成,算法结束;如果***误差ek≥ke,则满足要求,观测控制是否完成,算法结束;
所述的网络层包括数字宽带网络、网络接入以及与数字宽带网络相对应的数据库、网络应用平台和网络监督管理;
所述的数据处理模块用于将感知层和网络层的数据处理后上传至云端进行数据共享;
所述的智能控制端还包括决策控制模块、信息采集模块、物流监控模块;
所述信息采集模块集成有多个RFID扫描模块;所述RFID扫描模块获取信息的方法包括:
将RFID扫描的图像转换成灰度图像,对图像{grayv(i,j)}像素灰度值求和,再获取平均值:
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
利用总的纹理特征去除背景,计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和,求其平均值:
<mrow>
<mi>D</mi>
<mi>i</mi>
<mi>f</mi>
<mi>f</mi>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<mi>g</mi>
<mi>r</mi>
<mi>a</mi>
<mi>y</mi>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
<mo>|</mo>
</mrow>
<mrow>
<mi>D</mi>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>f</mi>
<mi>f</mi>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>m</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</mfrac>
</mrow>
利用局部纹理特征去除背景,用3×3大小的滑动窗口,遍历图像,求取中心像素灰度值与周边像素灰度值之差,在每一个窗口图像内求取平均值:
<mrow>
<mi>A</mi>
<mi>r</mi>
<mi>e</mi>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>7</mn>
</munderover>
<mo>|</mo>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>g</mi>
<mi>c</mi>
</msub>
<mo>|</mo>
</mrow>
<mn>8</mn>
</mfrac>
</mrow>
拟合计算自适应阈值的方法:
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mn>4</mn>
<mo>&times;</mo>
<msqrt>
<mrow>
<mi>D</mi>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msqrt>
<mo>+</mo>
<mi>A</mi>
<mi>r</mi>
<mi>e</mi>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
<mo>;</mo>
</mrow>
所述的决策控制模块通过信息采集模块的RFID技术扫描获得集装箱装配货物信息后,根据数字化应用模块的感知层和网络层提供分享的数据选取运输路径及运输起始点;
所述的物流监控模块包括本地车载终端、邻近车载终端及远程管理客户端:所述本地车载终端是安装在当前运输集装箱车辆上的终端设备,该本地车载终端包括RFID读写模块、红外传感模块模块、红外摄像头模块、报警联动模块、3G/ZigBee无线通信模块、监听模块及中央处理器;用于监控本地车辆及货物的动态,并与邻近车载终端及远程管理客户端进行通信交互;所述邻近车载终端是与本地车载终端完全相同的终端设备,被安装在邻近的运输集装箱车辆上;
所述远程管理客户端为安装在指定计算机上的软件***,并由港口的管理员监管;包括客户管理模块、车辆信息模块、货物信息模块、运输路线管理模块、通信管理模块;用于管理集装箱信息及出货信息,并监管相关运输车辆的动态。
2.如权利要求1所述的集装箱港口集卡的动态调度方法,其特征在于,所述集装箱港口集卡的动态调度方法,具体包括:
步骤一、通过数据处理模块共享的数据,统计所有的运输起始点、交通运输网络以及运输车辆信息;
步骤二、应用RFID技术统计各个运输起始点当前时刻待发送的货物信息;
步骤三、扫描所有运输起始点中的空车车辆,并为每一辆车辆分配货物的装配信息;
步骤四、对于选定的一辆空车计算从该车所处的运输起始点到其它所有运输终点之间的最短运输路径;
步骤五、选取一条运输路径作为当前车辆的运输路径,将该运输路径的数据传送给感知层;
步骤六、根据给定运输路径的装配任务分配流程,计算当前运输起始点发送的货物运输方案;
步骤七、根据数字化应用模块统计的集装箱种类及数量信息,统计从该运输起始点发往到最远目的地的运输终点的集装箱量;如果这些集装箱量能够将车辆装满,则该车辆只装这一批货运输;如果不能够将车辆装满,则继续计算新增加的集装箱;
步骤八、到达下一运输起始点的时候,计算在当前运输起始点需要重新装配的方案,直到车辆运输至目的运输终点。
3.如权利要求2所述的集装箱港口集卡的动态调度方法,其特征在于,数据处理模块共享数据前,需进行:
根据总平面地块布置、道路布置,确定所有道路交叉点、拐弯点、作业点;
按照地块布置,确定待选集卡调度场场址;由于港区办公楼、宿舍需要避开嘈杂环境且接近疏港主干道,集装箱堆场需要根据地质勘查报告选择承载力条件较好的地块以便地基处理,所以在确定待选调度场场址时,应避开港区办公楼、宿舍和集装箱堆场等已确定用途的地块;
确定某一待选场址内集卡至全部作业点的最短行驶路径,进而根据作业点规模确定集卡作业运行成本;
遍历所有待选集卡调度场场址,最终确定集卡运行费用最少、行驶里程最短的最优调度场场址。
4.如权利要求3所述集装箱港口集卡的动态调度方法,其特征在于,所述确定最短行驶路径的方法是dijkstra算法,包括具体以下步骤:
首先,引入一个辅助向量D,它的每个分量D[i]表示从起始点到其它全部作业点的长度。
D的初始状态为:若从v到v[i]有弧(即从v到v[i]存在连接边),则D[i]为弧上的权值(即为从v到v[i]的边的权值);否则置D[i]为∞。显然,长度为D[j]=Min{D|v[i]∈V}的路径就是从v出发到顶点v[j]的长度最短的一条路径,此路径为(v,v[j]);
下一条长度次短的就是找到从源点v到下一个顶点的最短路径长度所对应的顶点,且这条最短路径长度仅次于从源点v到顶点v[j]的最短路径长度。假设该次短路径的终点是v[k],则可想而知,这条路径要么是(v,v[k]),或者是(v,v[j],v[k])。它的长度或者是从v到v[k]的弧上的权值,或者是D[j]加上从v[j]到v[k]的弧上的权值;
假设S为已求得的从源点v出发的最短路径长度的顶点的集合,则证明:下一条次终点为x得最短路径为弧(v,x),或者是从源点v出发的中间只经过S中的顶点而最后到达顶点的路径;下一条长度次短的的最短路径长度为D[j]=Min{D[i]|v[i]∈V-S};其中D为弧(v,v[i])上的权值,或者是D[i](v[k]∈S)和弧(v[k],v[i])上的权值之和。
5.如权利要求3所述集装箱港口集卡的动态调度方法,其特征在于,所述信息处理模块的处理方法还包括:
(1)误差定义:
||ek||=||tk-yk||;
其中第k个时刻期望输出是tk;yk为实时输出值;
如果ek>ke,则一条新的规则就增加;其中:
<mrow>
<msub>
<mi>k</mi>
<mi>e</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>e</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mn>1</mn>
<mo><</mo>
<mi>k</mi>
<mo><</mo>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>&lsqb;</mo>
<msub>
<mi>e</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msup>
<mi>&beta;</mi>
<mi>k</mi>
</msup>
<mo>,</mo>
<msub>
<mi>e</mi>
<mi>min</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
<mo>&le;</mo>
<mi>k</mi>
<mo>&le;</mo>
<mn>2</mn>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>e</mi>
<mi>min</mi>
</msub>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
<mo><</mo>
<mi>k</mi>
<mo>&le;</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,emin指的是输出精度,emax指的是最大误差,k指的是学习的次数,β∈(0,1)指的是收敛常数,推导出:
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>e</mi>
<mi>min</mi>
</msub>
<msub>
<mi>e</mi>
<mi>max</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mn>3</mn>
<mo>/</mo>
<mi>n</mi>
</mrow>
</msup>
<mo>;</mo>
</mrow>
(2)产生了u个模糊规则,当一个新的样本出现时,把输入的变量投影到一维的隶属函数空间,计算数据与边界集之间的欧式(氏)距离edi(j),并且找到它的最小值edi(jn),如果:
edi(jn)≤kmf;
不用分配新的高斯函数,否则就需要产生一个新的高斯函数,它的宽度由下式决定,其中心的设置如下:
ci(u+1)=xi k;
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>|</mo>
<mo>,</mo>
<mo>|</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>|</mo>
<mo>}</mo>
</mrow>
<msqrt>
<mrow>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<mi>&epsiv;</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mfrac>
<mo>;</mo>
</mrow>
模型为:D=Hθ+E;其中,D=TT为期望的输出,θ为它的实参数,E是误差向量;H通过QR分解成正交基向量集:H=PN,其中
P=(p1,p2,...,pv);
(3)定义pi的误差减少率为:
<mrow>
<msub>
<mi>err</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mi>T</mi>
</msup>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<msup>
<mi>D</mi>
<mi>T</mi>
</msup>
<mi>D</mi>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>v</mi>
<mo>;</mo>
</mrow>
此外定义:
<mrow>
<msub>
<mi>&eta;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msup>
<msub>
<mi>&rho;</mi>
<mi>j</mi>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>&rho;</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<mi>&gamma;</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
</msqrt>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>u</mi>
<mo>;</mo>
</mrow>
其中误差减少率的矩阵为ρj Δ=(ρ1,ρ2,...,ρu),如果ηi<kerr,则就删去第j条规则;
马氏距离定义:
<mrow>
<mi>m</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>r</mi>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msub>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
令:
<mrow>
<mi>J</mi>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>r</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>md</mi>
<mi>k</mi>
</msub>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
如果:
mdk,min=mdk(J)>kd;
则表明增加一条新规则因为现有的***不足以满足ε-完备性,其中kd这样变化:
<mrow>
<msub>
<mi>k</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&epsiv;</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>1</mn>
<mo><</mo>
<mi>k</mi>
<mo><</mo>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>&lsqb;</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msup>
<mi>r</mi>
<mi>k</mi>
</msup>
<mo>,</mo>
<msub>
<mi>d</mi>
<mi>min</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
<mo>&le;</mo>
<mi>k</mi>
<mo>&le;</mo>
<mn>2</mn>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mi>min</mi>
</msub>
<msqrt>
<mrow>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&epsiv;</mi>
<mi>max</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mi>n</mi>
<mo>/</mo>
<mn>3</mn>
<mo><</mo>
<mi>k</mi>
<mo>&le;</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
上式中,r指的是衰减常数,由上式推导:
<mrow>
<mi>&gamma;</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mi>min</mi>
</msub>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mn>3</mn>
<mo>/</mo>
<mi>n</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msqrt>
<mfrac>
<mrow>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msub>
<mi>&epsiv;</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msqrt>
<mo>)</mo>
</mrow>
<mrow>
<mn>3</mn>
<mo>/</mo>
<mi>n</mi>
</mrow>
</msup>
<mo>;</mo>
</mrow>
高斯宽度修正;修正隶属函数的宽度σij如下:
σij new=ξ×σij old;
其中,衰减因子是ζ,由下式决定:
<mrow>
<mi>&xi;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>k</mi>
<mi>w</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo><</mo>
<mn>1</mn>
<mo>/</mo>
<mi>r</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>1</mn>
<mo>/</mo>
<mi>r</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中输入变量敏感性是Bij。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710996383.6A CN107679764A (zh) | 2017-10-23 | 2017-10-23 | 一种集装箱港口集卡的动态调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710996383.6A CN107679764A (zh) | 2017-10-23 | 2017-10-23 | 一种集装箱港口集卡的动态调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679764A true CN107679764A (zh) | 2018-02-09 |
Family
ID=61140468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710996383.6A Pending CN107679764A (zh) | 2017-10-23 | 2017-10-23 | 一种集装箱港口集卡的动态调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679764A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932563A (zh) * | 2018-07-03 | 2018-12-04 | 江苏海事职业技术学院 | 一种互联互通式港口信息平台智能化调度*** |
CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
CN109117979A (zh) * | 2018-07-03 | 2019-01-01 | 江苏海事职业技术学院 | 一种基于Dijkstra算法的港口物流调度方法 |
CN110363477A (zh) * | 2019-07-10 | 2019-10-22 | 宁夏仲检检测有限公司 | 一种样品采集运输方法 |
CN112070296A (zh) * | 2020-09-03 | 2020-12-11 | 广州南沙联合集装箱码头有限公司 | 一种基于模糊推理的集卡调度方法 |
CN115690061A (zh) * | 2022-11-08 | 2023-02-03 | 北京国泰星云科技有限公司 | 一种基于视觉的集装箱码头集卡车检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400372A (zh) * | 2013-07-10 | 2013-11-20 | 中国科学技术大学 | 一种基于Reeb图描述的三维拓扑信息提取方法 |
CN103440524A (zh) * | 2013-04-03 | 2013-12-11 | 天津大学 | 一种基于电子地图的物流路径优化方法 |
CN103745329A (zh) * | 2013-12-19 | 2014-04-23 | 柳州职业技术学院 | 一种面向物联网的经济型物流运输配送方法 |
CN103810474A (zh) * | 2014-02-14 | 2014-05-21 | 西安电子科技大学 | 一种基于多特征低秩矩阵表示的车牌检测方法 |
CN105634967A (zh) * | 2016-03-16 | 2016-06-01 | 宁波市江东精诚自动化设备有限公司 | 一种物联网路由器 |
CN106096783A (zh) * | 2016-06-13 | 2016-11-09 | Tcl集团股份有限公司 | 一种基于Dijkstra的路径优化方法及其*** |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN106527568A (zh) * | 2016-12-15 | 2017-03-22 | 中国人民解放军后勤工程学院 | 基于广义动态模糊神经网络的最大功率***控制方法 |
-
2017
- 2017-10-23 CN CN201710996383.6A patent/CN107679764A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440524A (zh) * | 2013-04-03 | 2013-12-11 | 天津大学 | 一种基于电子地图的物流路径优化方法 |
CN103400372A (zh) * | 2013-07-10 | 2013-11-20 | 中国科学技术大学 | 一种基于Reeb图描述的三维拓扑信息提取方法 |
CN103745329A (zh) * | 2013-12-19 | 2014-04-23 | 柳州职业技术学院 | 一种面向物联网的经济型物流运输配送方法 |
CN103810474A (zh) * | 2014-02-14 | 2014-05-21 | 西安电子科技大学 | 一种基于多特征低秩矩阵表示的车牌检测方法 |
CN105634967A (zh) * | 2016-03-16 | 2016-06-01 | 宁波市江东精诚自动化设备有限公司 | 一种物联网路由器 |
CN106096783A (zh) * | 2016-06-13 | 2016-11-09 | Tcl集团股份有限公司 | 一种基于Dijkstra的路径优化方法及其*** |
CN106156898A (zh) * | 2016-08-23 | 2016-11-23 | 吕建正 | 一种基于MoCD算法的商品配送路径规划方法 |
CN106527568A (zh) * | 2016-12-15 | 2017-03-22 | 中国人民解放军后勤工程学院 | 基于广义动态模糊神经网络的最大功率***控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932563A (zh) * | 2018-07-03 | 2018-12-04 | 江苏海事职业技术学院 | 一种互联互通式港口信息平台智能化调度*** |
CN109117979A (zh) * | 2018-07-03 | 2019-01-01 | 江苏海事职业技术学院 | 一种基于Dijkstra算法的港口物流调度方法 |
CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
CN110363477A (zh) * | 2019-07-10 | 2019-10-22 | 宁夏仲检检测有限公司 | 一种样品采集运输方法 |
CN112070296A (zh) * | 2020-09-03 | 2020-12-11 | 广州南沙联合集装箱码头有限公司 | 一种基于模糊推理的集卡调度方法 |
CN112070296B (zh) * | 2020-09-03 | 2022-03-22 | 广州南沙联合集装箱码头有限公司 | 一种基于模糊推理的集卡调度方法 |
CN115690061A (zh) * | 2022-11-08 | 2023-02-03 | 北京国泰星云科技有限公司 | 一种基于视觉的集装箱码头集卡车检测方法 |
CN115690061B (zh) * | 2022-11-08 | 2024-01-05 | 北京国泰星云科技有限公司 | 一种基于视觉的集装箱码头集卡车检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679764A (zh) | 一种集装箱港口集卡的动态调度方法 | |
WO2022021119A1 (zh) | 一种集装箱码头间全自主水上运输调度方法及*** | |
CN101436345B (zh) | 基于TransCAD宏观仿真平台的港区道路交通需求预测*** | |
CN107862864A (zh) | 基于驾驶习惯和交通路况的行驶工况智能预测估计方法 | |
CN112001064B (zh) | 一种集装箱码头间全自主水上运输调度方法及*** | |
CN110494902A (zh) | 用于管理地理位置中的交通的***、设备和方法 | |
CN108038651A (zh) | 一种物流运输监控追溯管理*** | |
CN108428084A (zh) | 一种基于服务链的多式联运***及方法 | |
CN106503868A (zh) | 一种车队线路规划方法及相关设备 | |
US20230213347A1 (en) | Methods for determining garbage sweeping points in smart cities and internet of things systems thereof | |
Du et al. | Research on multi-load AGV path planning of weaving workshop based on time priority | |
CN109920250A (zh) | 动态预测城市道路智能交通管理方法 | |
CN107424416A (zh) | 基于无人机的路段交通流量监测*** | |
CN113516319B (zh) | 基于人工智能和大数据的垃圾车路线优化方法及*** | |
CN110110903A (zh) | 一种基于神经进化的配送车辆路径规划方法 | |
Hoff et al. | A tabu search approach for milk collection in western Norway using trucks and trailers | |
CN116579699A (zh) | 一种基于车货协同的智慧物流配送*** | |
US20230004903A1 (en) | Methods of greening management in smart cities, system, and storage mediums thereof | |
CN114743401A (zh) | 一种基于公交数字化转型的数据可视化公交调度管理平台 | |
CN115601971A (zh) | 基于神经网络的园区自适应车辆调度及停车智能管控方法 | |
Tadić et al. | Defining the typical structures of the intermodal terminals | |
Cheng et al. | Design of a support system for complicated logistics location integrating big data | |
Ruta et al. | Diversified gradient boosting ensembles for prediction of the cost of forwarding contracts | |
Li et al. | Short-term traffic demand prediction using graph convolutional neural networks | |
CN116205559A (zh) | 基于最优前沿的多式联运货运设施布点优化方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |