CN111785028B - 一种车-港-船协同调度方法及*** - Google Patents

一种车-港-船协同调度方法及*** Download PDF

Info

Publication number
CN111785028B
CN111785028B CN202010758586.3A CN202010758586A CN111785028B CN 111785028 B CN111785028 B CN 111785028B CN 202010758586 A CN202010758586 A CN 202010758586A CN 111785028 B CN111785028 B CN 111785028B
Authority
CN
China
Prior art keywords
vehicle
ship
time
port
berth
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.)
Active
Application number
CN202010758586.3A
Other languages
English (en)
Other versions
CN111785028A (zh
Inventor
余芳
杨勇生
吴恩
周亚民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202010758586.3A priority Critical patent/CN111785028B/zh
Publication of CN111785028A publication Critical patent/CN111785028A/zh
Application granted granted Critical
Publication of CN111785028B publication Critical patent/CN111785028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G7/00—Traffic control systems for simultaneous control of two or more different kinds of craft

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical & Material Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Analytical Chemistry (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车‑港‑船协同调度方法及***，所述方法包括：分别获取船舶和车辆的关键信息；根据所述船舶和所述车辆的关键信息分别构建船舶到港预测模型和车辆到港预测模型；根据所述船舶到港预测模型获取船舶预计到港时间，以及根据所述车辆到港预测模型获取车辆预计到港时间；根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划。同时本发明以链式结构为基础，将港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节进行串联，从而实现对船舶、泊位、岸桥、自动引导车、场桥、堆场和车辆多资源的协同调度，提升港口的转运效率。

Description

一种车-港-船协同调度方法及***
技术领域
本发明涉及港口设备调度领域，具体涉及一种车-港-船协同调度方法及***。
背景技术
港口作为“海上丝绸之路”的重要枢纽，在海上贸易及交通运输中发挥着重要的作用。然而由于受到信息通讯技术的限制，港口无法准确获取靠泊船舶及集港车辆实时信息，致使车辆、港口及船舶三者之间的协同调度缺失，进而导致港口船舶压港、车辆进出港道路拥堵等事件频繁发生，严重降低了港口的转运效率。因此，高速率、低延迟的通讯技术以及高效的车-港-船协同调度是解决港口拥堵问题、提升港口转运效率的关键。
发明内容
本发明的目的在于提供一种车-港-船协同调度方法及***，实现对靠泊船舶、港口内部各作业环节以及集港车辆的多资源协同调度，提升港口转运效率。
为了达到上述目的，本发明通过以下技术方案实现：
一种车-港-船协同调度方法，包括：
分别获取船舶和车辆的关键信息。
根据所述船舶和所述车辆的关键信息分别构建船舶到港预测模型和车辆到港预测模型。
根据所述船舶到港预测模型获取船舶预计到港时间，以及根据所述车辆到港预测模型获取车辆预计到港时间。
根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划。
优选地，所述船舶的关键信息包括：所述船舶的位置信息、所述船舶的行驶速度、所述船舶至所述港口的距离、水上交通天气状况以及风速；
所述车辆的关键信息包括：所述车辆的位置信息、所述车辆的行驶速度、所述车辆至所述港口的距离、陆地交通天气状况以及路况。
优选地，根据预设的间隔时间获取所述船舶和所述车辆的关键信息，以对所述船舶和所述车辆的关键信息进行定时更新。
优选地，所述船舶到港预测模型为：
Figure BDA0002612397830000021
其中Ti p(t)表示t时刻船舶i预计到港时间，Di(t)表示t时刻船舶i至港口的距离，Vi(t)为t时刻船舶i的行驶速度，
Figure BDA0002612397830000022
表示t时刻天气对船舶i行驶速度的影响，σ(v(t))表示t时刻风速对船舶i行驶速度的影响，W(t)及v(t)分别为t时刻的水上交通天气状况及风速；
所述车辆到港预测模型为：
Figure BDA0002612397830000023
其中
Figure BDA0002612397830000024
表示t时刻车辆j预计到港时间，Dj(t)表示t时刻车辆j至港口的距离，Vj(t)为t时刻车辆j的行驶速度，
Figure BDA0002612397830000025
表示t时刻天气对车辆j行驶速度的影响，μ(TS(t))表示t时刻路况对车辆j行驶速度的影响，
Figure BDA0002612397830000026
及TS(t)分别为t时刻的陆地交通天气状况及路况。
优选地，所述根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划的步骤包括：
根据所述船舶预计到港时间调整所述港口的泊位计划；
根据所述车辆预计到港时间调整所述港口的堆场计划；以及
根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划。
优选地，所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；
当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；
当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
另一方面，本发明还提供一种车-港-船协同调度***，包括：
第一设备终端，其设置于靠港的船舶上，用于获取所述船舶的关键信息。
第二设备终端，其设置于集港的车辆上，用于获取所述车辆的关键信息。
港口控制中心，其分别与所述第一设备终端和所述第二设备终端连接，用于接收所述船舶和所述车辆的关键信息，以调整港口的调度作业计划。
优选地，所述船舶的关键信息包括：所述船舶的位置信息、所述船舶的行驶速度、所述船舶至所述港口的距离、水上交通天气状况以及风速；
所述车辆的关键信息包括：所述车辆的位置信息、所述车辆的行驶速度、所述车辆至所述港口的距离、陆地交通天气状况以及路况。
优选地，所述第一设备终端和所述第二设备终端根据预设的间隔时间分别获取所述船舶和所述车辆的关键信息，以对所述船舶和所述车辆的关键信息进行定时更新。
优选地，所述港口控制中心根据所述船舶和所述车辆的关键信息，分别构建船舶到港预测模型和车辆到港预测模型，以获取船舶预计到港时间和车辆预计到港时间；
根据所述船舶预计到港时间调整所述港口的泊位计划，以及根据所述车辆预计到港时间调整所述港口的堆场计划；以及
根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划；
将所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；
当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由所述堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；
当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
本发明与现有技术相比至少具有以下优点之一：
本发明提供一种车-港-船协同调度方法及***，可以获取船舶和车辆的关键信息，并通过船舶到港预测模型和车辆到港预测模型，对船舶到港时间和车辆到港时间进行准确的预测。
本发明可以根据船舶预计到港时间和车辆预计到港时间对港口的泊位、岸桥、自动引导车、场桥及堆场资源进行合理的调度分配，提高港口设备利用率以及港口转运效率。
本发明以链式结构为基础，将港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节进行串联，从而实现对船舶、泊位、岸桥、自动引导车、场桥、堆场和车辆多资源的协同调度，避免出现港口拥堵和港口设备浪费的情况，从而提升港口的转运效率。
附图说明
图1是本发明一实施例提供的一种车-港-船协同调度方法的流程图；
图2是本发明一实施例提供的一种车-港-船协同调度方法的链式结构示意图；
图3是本发明一实施例提供的一种车-港-船协同调度***的示意图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的一种车-港-船协同调度方法及***作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合附图1～2所示，本实施例提供的一种车-港-船协同调度方法，包括：步骤S1、分别获取船舶和车辆的关键信息；步骤S2、根据所述船舶和所述车辆的关键信息分别构建船舶到港预测模型和车辆到港预测模型；步骤S3、根据所述船舶到港预测模型获取船舶预计到港时间，以及根据所述车辆到港预测模型获取车辆预计到港时间；步骤S4、根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划。
请继续参考图1，所述船舶的关键信息包括：所述船舶的位置信息、所述船舶的行驶速度、所述船舶至所述港口的距离、水上交通天气状况以及风速；所述车辆的关键信息包括：所述车辆的位置信息、所述车辆的行驶速度、所述车辆至所述港口的距离、陆地交通天气状况以及路况。
可以理解的是，在一些其他的实施例中，根据预设的间隔时间获取所述船舶和所述车辆的关键信息，以对所述船舶和所述车辆的关键信息进行定时更新。
具体的，在本实施例中，根据对所述船舶和所述车辆关键信息的精准度的要求，可以预先设置间隔时间T(例如15分钟)，并根据预设的间隔时间T分别对所述船舶和所述车辆的位置信息、行驶速度及至所述港口的距离等信息进行定时更新，从而获取所述船舶和所述车辆最新的关键信息，但本发明不以此为限。
请继续参考图1，所述船舶到港预测模型为：
Figure BDA0002612397830000061
其中Ti p(t)表示t时刻船舶i预计到港时间，Di(t)表示t时刻船舶i至港口的距离，Vi(t)为t时刻船舶i的行驶速度，
Figure BDA0002612397830000062
表示t时刻天气对船舶i行驶速度的影响，σ(v(t))表示t时刻风速对船舶i行驶速度的影响，W(t)及v(t)分别为t时刻的水上交通天气状况及风速；
所述车辆到港预测模型为：
Figure BDA0002612397830000063
其中
Figure BDA0002612397830000064
表示t时刻车辆j预计到港时间，Dj(t)表示t时刻车辆j至港口的距离，Vj(t)为t时刻车辆j的行驶速度，
Figure BDA0002612397830000065
表示t时刻天气对车辆j行驶速度的影响，μ(TS(t))表示t时刻路况对车辆j行驶速度的影响，
Figure BDA0002612397830000066
及TS(t)分别为t时刻的陆地交通天气状况及路况。
具体的，在本实施例中，根据每间隔时间T(例如15分钟)更新一次的所述船舶和所述车辆的关键信息，并通过所述船舶到港预测模型和所述车辆到港预测模型分别计算所述船舶预计到港时间和所述车辆预计到港时间；可以对所述船舶预计到港时间和所述车辆预计到港时间每间隔时间T进行一次更新，以使预测的所述船舶和所述车辆的到港时间更加准确。若所述船舶和所述车辆的预计到港时间较之前发生了变化，则能够对所述港口的调度作业计划进行及时的调整，从而避免出现港口船舶压港、车辆进出港道路拥堵等状况，以及因船舶、车辆延误而造成港口设备资源浪费的情况。
请同时参考图1和图2，所述根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划的步骤S4包括：根据所述船舶预计到港时间调整所述港口的泊位计划；根据所述车辆预计到港时间调整所述港口的堆场计划；以及根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划。
可以理解的是，在一些其他实施例中，所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
具体的，根据每间隔时间T(例如15分钟)更新一次的所述船舶预计到港时间和所述车辆预计到港时间可以动态调整所述港口的所述泊位计划(包括船舶停靠泊位的位置和时间)和所述堆场计划(包括车辆停靠堆场的位置和时间)，以使泊位和堆场的等待时间最短；并根据所述泊位计划、所述堆场计划以及所述港口岸桥信息、自动引导车(AutomatedGuided Vehicle，AGV)信息和场桥信息，可以构建所述泊位-岸桥协同调度模型、所述岸桥-AGV协同调度模型、所述AGV-场桥协同调度模型和所述场桥-堆场协同调度模型，从而能够对所述港口的所述岸桥作业计划、所述AGV作业计划以及所述场桥作业计划进行动态调整，但本发明不以此为限。
在本实施例中，泊位的最短等待时间为：
Figure BDA0002612397830000071
Figure BDA0002612397830000072
其中Fb表示泊位b的最短等待时间，T′ib表示泊位b计划为船舶i预留的时间，
Figure BDA0002612397830000081
表示船舶i实际到达泊位b的时间，
Figure BDA0002612397830000082
表示船舶i预计到达泊位b的时间，abi(t)表示0-1决策变量，C表示船舶集合，B表示泊位集合。
堆场的最短等待时间为：
Figure BDA0002612397830000083
Figure BDA0002612397830000084
其中Fn表示堆场n的最短等待时间，T′jn表示堆场n计划为车辆j预留的时间，
Figure BDA0002612397830000085
表示车辆j实际到达堆场n的时间，
Figure BDA0002612397830000086
表示车辆j预计到达堆场n的时间，anj(t)表示0-1决策变量，M表示车辆集合，N表示堆场集合。
具体的，如图2所示，在一些实施例中，所述港口的泊位、岸桥、AGV、场桥及堆场五个作业环节可以分别等效成泊位链单元、岸桥链单元、AGV链单元、场桥链单元及堆场链单元。每一所述链单元均包含一个链上界面、一个链环节和一个链下界面，其中所述链环节对应所述链单元的任务空间(即泊位、岸桥、AGV、场桥或堆场的作业任务)，所述链上界面对应任务前向约束(包括时间约束和空间约束)，所述链下界面对应任务后向约束(包括时间约束和空间约束)。每一所述链单元可以通过其链上界面或其链下界面与其他所述链单元进行衔接，从而使所述港口内部的泊位、岸桥、AGV、场桥及堆场五个所述链单元通过链式结构进行串联，但本发明不以此为限。
在本实施例中，根据泊位、岸桥、AGV、场桥及堆场五个链单元之间的衔接关系，将所述泊位-岸桥协同调度模型、所述岸桥-AGV协同调度模型、所述AGV-场桥协同调度模型和所述场桥-堆场协同调度模型对应进行串联，形成车-港-船协同调度模型，实现对船舶、泊位、岸桥、AGV、场桥、堆场及车辆多资源的协同调度。
具体的，在本实施例中，在对进口货物进行转运时，即将货物由所述港口的泊位处转运至堆场处，所述泊位计划作为所述泊位-岸桥协同调度模型的输入数据，且所述泊位-岸桥协同调度模型中岸桥的输出数据作为所述岸桥-AGV协同调度模型中岸桥的输入数据；所述岸桥-AGV协同调度模型中AGV的输出数据作为所述AGV-场桥协同调度模型中AGV的输入数据；所述AGV-场桥协同调度模型中场桥的输出数据作为所述场桥-堆场协同调度模型中场桥的输入数据，最后得到所述场桥-堆场协同调度模型中堆场的输出数据；根据堆场的输出数据和所述车辆预计到港时间动态调整所述堆场计划，实现对“船舶-泊位-岸桥-AGV-场桥-堆场-车辆”多资源的协同调度，从而提高所述港口的转运效率。
在对出口货物进行转运时，即将货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述场桥-堆场协同调度模型的输入数据，且所述场桥-堆场协同调度模型中场桥的输出数据作为所述AGV-场桥协同调度模型中场桥的输入数据；所述AGV-场桥协同调度模型中AGV的输出数据作为所述岸桥-AGV协同调度模型中AGV的输入数据；所述岸桥-AGV协同调度模型中岸桥的输出数据作为所述泊位-岸桥协同调度模型中岸桥的输入数据，最后得到所述泊位-岸桥协同调度模型中泊位的输出数据；根据泊位的输出数据和所述船舶预计到港时间动态调整所述泊位计划，实现对“车辆-堆场-场桥-AGV-岸桥-泊位-船舶”多资源的协同调度，从而提高所述港口的转运效率。
结合附图3所示，基于同一发明构思，本实施例还提供一种车-港-船协同调度***，包括：第一设备终端101，其设置于靠港的船舶100上，用于获取所述船舶100的关键信息；第二设备终端161，其设置于集港的车辆160上，用于获取所述车辆160的关键信息；港口控制中心180，其分别与所述第一设备终端101和所述第二设备终端161连接，用于接收所述船舶100和所述车辆160的关键信息，以调整港口的调度作业计划。
请继续参考图3，所述船舶100的关键信息包括：所述船舶100的位置信息、所述船舶100的行驶速度、所述船舶100至所述港口的距离、水上交通天气状况以及风速；所述车辆160的关键信息包括：所述车辆160的位置信息、所述车辆160的行驶速度、所述车辆160至所述港口的距离、陆地交通天气状况以及路况。
可以理解的是，在一些其他实施例中，所述第一设备终端101和所述第二设备终端161根据预设的间隔时间分别获取所述船舶100和所述车辆160的关键信息，以对所述船舶100和所述车辆160的关键信息进行定时更新。
具体的，在本实施例中，所述第一设备终端101和所述第二设备终端161可以根据预设的间隔时间T(例如15分钟)分别对所述船舶100和所述车辆160的位置信息、行驶速度及至所述港口的距离等信息进行定时更新并上传至所述港口控制中心180，从而使所述港口控制中心180可以获取所述船舶100和所述车辆160最新的关键信息，但本发明不以此为限。
请继续参考图3，所述港口控制中心180根据所述船舶100和所述车辆160的关键信息，分别构建船舶到港预测模型和车辆到港预测模型，以获取船舶预计到港时间和车辆预计到港时间；根据所述船舶预计到港时间调整所述港口的泊位计划，以及根据所述车辆预计到港时间调整所述港口的堆场计划；以及根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划。
将所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由所述堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
具体的，在本实施例中，所述港口控制中心180根据每间隔时间T(例如15分钟)更新一次的所述船舶100的关键信息构建如公式(1)所示的所述船舶到港预测模型，以及根据每间隔时间T(例如15分钟)更新一次的所述车辆160的关键信息构建如公式(2)所示的所述车辆到港预测模型，从而获取所述船舶预计到港时间和所述车辆预计到港时间。
所述港口控制中心180可以根据每间隔时间T(例如15分钟)更新一次的所述船舶预计到港时间和所述车辆预计到港时间动态调整所述港口的所述泊位计划和所述堆场计划，再根据所述泊位计划、所述堆场计划以及所述港口的岸桥信息、AGV信息和场桥信息，构建所述泊位-岸桥协同调度模型、所述岸桥-AGV协同调度模型、所述AGV-场桥协同调度模型和所述场桥-堆场协同调度模型，以对所述港口的所述岸桥作业计划、所述AGV作业计划以及所述场桥作业计划进行动态调整。
在本实施例中，所述港口控制中心180还可以根据泊位、岸桥、AGV、场桥及堆场五个链单元之间的衔接关系，将所述泊位-岸桥协同调度模型、所述岸桥-AGV协同调度模型、所述AGV-场桥协同调度模型和所述场桥-堆场协同调度模型对应进行串联，从而形成车-港-船协同调度模型，实现对船舶100、泊位110、岸桥120、AGV130、场桥140、堆场150、车辆160多资源的协同调度。若所述船舶预计到港时间或所述车辆预计到港时间较之前发生了变化，所述港口控制中心180可以对所述泊位计划和所述堆场计划进行及时的调整，并通过由多个协同调度模型构成的车-港-船协同调度模型对所述岸桥作业计划、所述AGV作业计划以及所述场桥作业计划进行调整，实现对船舶100、泊位110、岸桥120、AGV130、场桥140、堆场150、车辆160多资源的重新调度分配，从而提高港口设备的利用率及港口的转运效率。
请继续参考图3，所述车-港-船协同调度***，还包括：云端服务器170；所述云端服务器170分别与所述第一设备终端101、所述第二设备终端161及所述港口控制中心180连接，用于接收由所述第一设备终端101和所述第二设备终端161上传的所述船舶100和所述车辆160的关键信息并发送至所述港口控制中心180。
具体的，在本实施例中，所述第一设备终端101和所述第二设备终端161分别通过第一通讯模块和第二通讯模块将所述船舶100和所述车辆160的关键信息上传至所述云端服务器170；所述港口控制中心180可以通过第三通讯模块从所述云端服务器170读取所述船舶100和所述车辆160的关键信息，但本发明不以此为限。
另外，在本实施例中，根据货物装卸作业任务的需要，所述船舶100和所述车辆160的数量可以为若干辆，所述港口内部的泊位110、岸桥120、AGV130、场桥140和堆场150的数量均不少于一个，但本发明不以此为限。
综上所述，本实施例提供的一种车-港-船协同调度方法及***，可以获取船舶和车辆的关键信息并根据预设的间隔时间对关键信息进行定时更新；通过由船舶和车辆的关键信息分别构建的船舶到港预测模型和车辆到港预测模型，可以获取船舶和车辆的预计到港时间；根据船舶和车辆的预计到港时间能够对港口的泊位计划、堆场计划、岸桥作业计划、自动引导车作业计划及场桥作业计划进行动态的调整，并实现对船舶、泊位、岸桥、AGV、场桥、堆场和车辆多资源的协同调度，以及对各资源的合理分配，从而提高所述港口的转运效率。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (4)

1.一种车-港-船协同调度方法，其特征在于，包括：
分别获取船舶和车辆的关键信息；所述船舶的关键信息包括：所述船舶的位置信息、所述船舶的行驶速度、所述船舶至港口的距离、水上交通天气状况以及风速；所述车辆的关键信息包括：所述车辆的位置信息、所述车辆的行驶速度、所述车辆至所述港口的距离、陆地交通天气状况以及路况；
根据所述船舶和所述车辆的关键信息分别构建船舶到港预测模型和车辆到港预测模型；
所述船舶到港预测模型为：
Figure FDA0003443619830000011
其中Ti p(t)表示t时刻船舶i预计到港时间，Di(t)表示t时刻船舶i至港口的距离，Vi(t)为t时刻船舶i的行驶速度，
Figure FDA0003443619830000012
表示t时刻天气对船舶i行驶速度的影响，σ(v(t))表示t时刻风速对船舶i行驶速度的影响，W(t)及v(t)分别为t时刻的水上交通天气状况及风速；
所述车辆到港预测模型为：
Figure FDA0003443619830000013
其中
Figure FDA0003443619830000014
表示t时刻车辆j预计到港时间，Dj(t)表示t时刻车辆j至港口的距离，Vj(t)为t时刻车辆j的行驶速度，
Figure FDA0003443619830000015
表示t时刻天气对车辆j行驶速度的影响，μ(TS(t))表示t时刻路况对车辆j行驶速度的影响，
Figure FDA0003443619830000016
及TS(t)分别为t时刻的陆地交通天气状况及路况；
根据所述船舶到港预测模型获取船舶预计到港时间，以及根据所述车辆到港预测模型获取车辆预计到港时间；
根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划；
所述根据所述船舶预计到港时间和所述车辆预计到港时间调整港口的调度作业计划的步骤包括：
根据所述船舶预计到港时间调整所述港口的泊位计划，以使泊位的等待时间最短；
根据所述车辆预计到港时间调整所述港口的堆场计划，以使堆场的等待时间最短；以及
根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划；
泊位的最短等待时间为：
Figure FDA0003443619830000021
Figure FDA0003443619830000022
其中Fb表示泊位b的最短等待时间，T′ib表示泊位b计划为船舶i预留的时间，
Figure FDA0003443619830000023
表示船舶i实际到达泊位b的时间，
Figure FDA0003443619830000024
表示船舶i预计到达泊位b的时间，abi(t)表示0-1决策变量，C表示船舶集合，B表示泊位集合；
堆场的最短等待时间为：
Figure FDA0003443619830000025
Figure FDA0003443619830000026
其中Fn表示堆场n的最短等待时间，T′jn表示堆场n计划为车辆j预留的时间，
Figure FDA0003443619830000027
表示车辆j实际到达堆场n的时间，
Figure FDA0003443619830000028
表示车辆j预计到达堆场n的时间，anj(t)表示0-1决策变量，M表示车辆集合，N表示堆场集合；
所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；
当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；
当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
2.如权利要求1所述的车-港-船协同调度方法，其特征在于，根据预设的间隔时间获取所述船舶和所述车辆的关键信息，以对所述船舶和所述车辆的关键信息进行定时更新。
3.一种车-港-船协同调度***，其特征在于，包括：
第一设备终端(101)，其设置于靠港的船舶(100)上，用于获取所述船舶(100)的关键信息；所述船舶(100)的关键信息包括：所述船舶(100)的位置信息、所述船舶(100)的行驶速度、所述船舶(100)至港口的距离、水上交通天气状况以及风速；
第二设备终端(161)，其设置于集港的车辆(160)上，用于获取所述车辆(160)的关键信息；所述车辆(160)的关键信息包括：所述车辆(160)的位置信息、所述车辆(160)的行驶速度、所述车辆(160)至所述港口的距离、陆地交通天气状况以及路况；
港口控制中心(180)，其分别与所述第一设备终端(101)和所述第二设备终端(161)连接，用于接收所述船舶(100)和所述车辆(160)的关键信息，以调整港口的调度作业计划；
所述港口控制中心(180)根据所述船舶(100)和所述车辆(160)的关键信息，分别构建船舶到港预测模型和车辆到港预测模型，以获取船舶预计到港时间和车辆预计到港时间；
根据所述船舶预计到港时间调整所述港口的泊位计划，以使泊位的等待时间最短；以及根据所述车辆预计到港时间调整所述港口的堆场计划，以使堆场的等待时间最短；以及
根据所述泊位计划和所述堆场计划构建泊位-岸桥协同调度模型、岸桥-自动引导车协同调度模型、自动引导车-场桥协同调度模型和场桥-堆场协同调度模型，以调整所述港口的岸桥作业计划、自动引导车作业计划及场桥作业计划；
所述船舶到港预测模型为：
Figure FDA0003443619830000031
其中Ti p(t)表示t时刻船舶i预计到港时间，Di(t)表示t时刻船舶i至港口的距离，Vi(t)为t时刻船舶i的行驶速度，
Figure FDA0003443619830000041
表示t时刻天气对船舶i行驶速度的影响，σ(v(t))表示t时刻风速对船舶i行驶速度的影响，W(t)及v(t)分别为t时刻的水上交通天气状况及风速；
所述车辆到港预测模型为：
Figure FDA0003443619830000042
其中
Figure FDA0003443619830000043
表示t时刻车辆j预计到港时间，Dj(t)表示t时刻车辆j至港口的距离，Vj(t)为t时刻车辆j的行驶速度，
Figure FDA0003443619830000044
表示t时刻天气对车辆j行驶速度的影响，μ(TS(t))表示t时刻路况对车辆j行驶速度的影响，
Figure FDA0003443619830000045
及TS(t)分别为t时刻的陆地交通天气状况及路况；
泊位的最短等待时间为：
Figure FDA0003443619830000046
Figure FDA0003443619830000047
其中Fb表示泊位b的最短等待时间，T′ib表示泊位b计划为船舶i预留的时间，
Figure FDA0003443619830000048
表示船舶i实际到达泊位b的时间，
Figure FDA0003443619830000049
表示船舶i预计到达泊位b的时间，abi(t)表示0-1决策变量，C表示船舶集合，B表示泊位集合；
堆场的最短等待时间为：
Figure FDA00034436198300000410
Figure FDA00034436198300000411
其中Fn表示堆场n的最短等待时间，T′jn表示堆场n计划为车辆j预留的时间，
Figure FDA00034436198300000412
表示车辆j实际到达堆场n的时间，
Figure FDA00034436198300000413
表示车辆j预计到达堆场n的时间，anj(t)表示0-1决策变量，M表示车辆集合，N表示堆场集合；
将所述港口的泊位、岸桥、自动引导车、场桥及堆场五个作业环节等效成五个不同的链单元，且每一所述链单元通过链式结构与其他所述链单元进行串联，从而使所述泊位-岸桥协同调度模型与所述岸桥-自动引导车协同调度模型、所述岸桥-自动引导车协同调度模型与所述自动引导车-场桥协同调度模型、所述自动引导车-场桥协同调度模型与所述场桥-堆场协同调度模型分别进行串联，形成车-港-船协同调度模型；
当货物由所述港口的泊位处转运至堆场处时，所述泊位计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述场桥-堆场协同调度模型中堆场的输出数据，并由所述堆场的输出数据和所述车辆预计到港时间调整所述堆场计划；
当货物由所述港口的堆场处转运至泊位处时，所述堆场计划作为所述车-港-船协同调度模型的输入数据，所述车-港-船协同调度模型输出所述泊位-岸桥协同调度模型中泊位的输出数据，并由泊位的输出数据和所述船舶预计到港时间调整所述泊位计划。
4.如权利要求3所述的车-港-船协同调度***，其特征在于，
所述第一设备终端(101)和所述第二设备终端(161)根据预设的间隔时间分别获取所述船舶(100)和所述车辆(160)的关键信息，以对所述船舶(100)和所述车辆(160)的关键信息进行定时更新。
CN202010758586.3A 2020-07-31 2020-07-31 一种车-港-船协同调度方法及*** Active CN111785028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010758586.3A CN111785028B (zh) 2020-07-31 2020-07-31 一种车-港-船协同调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010758586.3A CN111785028B (zh) 2020-07-31 2020-07-31 一种车-港-船协同调度方法及***

Publications (2)

Publication Number Publication Date
CN111785028A CN111785028A (zh) 2020-10-16
CN111785028B true CN111785028B (zh) 2022-02-11

Family

ID=72765190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010758586.3A Active CN111785028B (zh) 2020-07-31 2020-07-31 一种车-港-船协同调度方法及***

Country Status (1)

Country Link
CN (1) CN111785028B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456474B (zh) * 2022-10-13 2023-11-10 深圳中科天巡信息技术有限公司 一种基于人工智能的港口运营调度方法及***
CN115577859B (zh) * 2022-11-21 2023-05-02 南京联云智能***有限公司 一种锚地泊位分配方法、***及设备
CN117035371B (zh) * 2023-10-09 2024-06-14 山东科技大学 基于大数据的港口调度方法及***

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458788A (zh) * 2008-12-19 2009-06-17 天津市市政工程设计研究院 集装箱码头物流仿真优化***
CN103426330A (zh) * 2012-05-22 2013-12-04 上海港引航站 引航综合服务***
CN103606021A (zh) * 2013-12-05 2014-02-26 中国海洋石油总公司 一种lng接收站动态现货预测调度方法
CN105427075A (zh) * 2015-11-24 2016-03-23 山东科技大学 一种用于港口集装箱卡车的混合式动态调度方法
EP3180753A4 (en) * 2014-08-11 2017-06-21 Genscape Intangible Holding, Inc. Systems and methods for providing logistics data
CN107705547A (zh) * 2017-11-06 2018-02-16 中交第二航务工程勘察设计院有限公司 一种基于bim技术的客货滚装港口待渡场智能作业方式
CN108376313A (zh) * 2018-02-08 2018-08-07 上海虹谷信息科技有限公司 船舶备件供应的协调管理方法、***、存储介质及协调终端
CN109685435A (zh) * 2018-11-07 2019-04-26 上海图森未来人工智能科技有限公司 船舶卸船、装船控制***及相关***和装置
JP6533904B2 (ja) * 2018-03-27 2019-06-26 株式会社ユピテル システム及びプログラム
CN110033216A (zh) * 2019-03-19 2019-07-19 广西卡西亚科技有限公司 一种基于北斗的多式联运运单追踪和决策的方法
CN110178150A (zh) * 2017-01-31 2019-08-27 株式会社电通 船坞管理***、预约管理服务器、船舶管理者终端以及船坞管理者用终端
CN110516976A (zh) * 2019-08-30 2019-11-29 大连海事大学 一种可选择装卸完工时间的自动化集装箱码头agv调度方法
CN111191986A (zh) * 2019-12-25 2020-05-22 唐山哈船科技有限公司 一种港口货物管理***及其使用方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008091574A1 (en) * 2007-01-22 2008-07-31 Truenorth Global Inc. Integrated weather display and travel and navigation decision system
US9308851B2 (en) * 2013-08-30 2016-04-12 Aqualane, Llc Systems and methods of providing visual guidance to assist in positioning a boat and trailer in low light conditions
CN103606267B (zh) * 2013-11-20 2016-02-10 天津市市政工程设计研究院 基于产生点-吸引点的港口道路网络交通量智能预判方法
CN105913208A (zh) * 2016-04-13 2016-08-31 北京优弈数据科技有限公司 集装箱码头全场自动化联合调度方法
CN107330561B (zh) * 2017-07-05 2020-12-04 青岛大学附属医院 一种基于蚁群算法的多目标岸桥-泊位调度优化方法
JP7148960B2 (ja) * 2018-08-08 2022-10-06 学校法人日本大学 車両割当装置、車両割り当て方法、およびプログラム
CN109160295B (zh) * 2018-08-09 2020-10-23 中铁武汉勘察设计研究院有限公司 一种基于轨道集卡车的集装箱江海联运中转***及方法
KR20200066429A (ko) * 2018-11-30 2020-06-10 주식회사 모베이스 블록체인 기술을 이용한 물품 운송 서비스를 위한 통합관리 시스템
CN109784547B (zh) * 2018-12-27 2020-10-02 浙江工业大学 一种码头岸桥与场桥协同优化调度方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458788A (zh) * 2008-12-19 2009-06-17 天津市市政工程设计研究院 集装箱码头物流仿真优化***
CN103426330A (zh) * 2012-05-22 2013-12-04 上海港引航站 引航综合服务***
CN103606021A (zh) * 2013-12-05 2014-02-26 中国海洋石油总公司 一种lng接收站动态现货预测调度方法
EP3180753A4 (en) * 2014-08-11 2017-06-21 Genscape Intangible Holding, Inc. Systems and methods for providing logistics data
CN105427075A (zh) * 2015-11-24 2016-03-23 山东科技大学 一种用于港口集装箱卡车的混合式动态调度方法
CN110178150A (zh) * 2017-01-31 2019-08-27 株式会社电通 船坞管理***、预约管理服务器、船舶管理者终端以及船坞管理者用终端
CN107705547A (zh) * 2017-11-06 2018-02-16 中交第二航务工程勘察设计院有限公司 一种基于bim技术的客货滚装港口待渡场智能作业方式
CN108376313A (zh) * 2018-02-08 2018-08-07 上海虹谷信息科技有限公司 船舶备件供应的协调管理方法、***、存储介质及协调终端
JP6533904B2 (ja) * 2018-03-27 2019-06-26 株式会社ユピテル システム及びプログラム
CN109685435A (zh) * 2018-11-07 2019-04-26 上海图森未来人工智能科技有限公司 船舶卸船、装船控制***及相关***和装置
CN110033216A (zh) * 2019-03-19 2019-07-19 广西卡西亚科技有限公司 一种基于北斗的多式联运运单追踪和决策的方法
CN110516976A (zh) * 2019-08-30 2019-11-29 大连海事大学 一种可选择装卸完工时间的自动化集装箱码头agv调度方法
CN111191986A (zh) * 2019-12-25 2020-05-22 唐山哈船科技有限公司 一种港口货物管理***及其使用方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
考虑AGV避碰的自动化码头多资源协同调度;杨雅洁等;《计算机工程与应用》;20200315;第56卷(第6期);第246-247页 *

Also Published As

Publication number Publication date
CN111785028A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111785028B (zh) 一种车-港-船协同调度方法及***
CN113361804B (zh) 缓冲堆场作业与码头间集卡运输协同调度***及其方法
Duinkerken et al. Comparing transportation systems for inter-terminal transport at the maasvlakte container terminals
CN102026841B (zh) 用于管理在机动***中的储能量的***和方法
US5794172A (en) Scheduling system and method
Li et al. Berth and quay crane coordinated scheduling using multi-objective chaos cloud particle swarm optimization algorithm
CN103902778A (zh) 码头堆存容量与靠泊能力匹配的微观仿真方法
CN111639790B (zh) 保证货运可靠性和安全性的多式联运调度方法和***
CN110570656B (zh) 定制公共交通线路方法及装置
Zeng et al. The transportation mode distribution of multimodal transportation in automotive logistics
Azab et al. A dynamic and collaborative truck appointment management system in container terminals
CN110490443A (zh) 航运动态运力监测和调配方法
CN107105413A (zh) 一种基于可靠消息广播机制自组织网络的港口车辆智能网联***
CN115640873A (zh) 一种基于船舶ais大数据的港口拥堵程度量化方法
CN114254962A (zh) 一种顺岸式边装卸自动化码头动态同步泊位计划方法
CN113613176A (zh) 一种公交车辆的定位方法和设备
CN113138554A (zh) 一种混合交通场景下的多船分布式协同控制方法
CN116935616A (zh) 面向港区车辆调度-规控耦合的智能集卡协同调度方法
Ottjes et al. Robotised inter terminal transport of containers
CN118103675A (zh) 货运车队的管理和优化
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
CN102700567B (zh) 用于机动***的优化的燃料效率、排放量和任务性能的方法
RU2745549C1 (ru) Способ формирования рекомендуемых маршрутов следования железнодорожных вагонов
Kravchenko et al. MATHEMATICAL MODEL OF A RAILROAD GRAIN CARGO RIDESHARING SERVICE IN THE FORM OF COALITIONS IN CONGESTION GAMES.
CN114999163B (zh) 一种封闭区域无人驾驶车辆集群优化控制方法

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