大數(shù)據(jù)背景下的集裝箱碼頭智能化管理

黃良豐 王男男 嚴(yán)種宇 梅海杰

近年來(lái)，隨著航運(yùn)業(yè)不斷發(fā)展以及傳統(tǒng)碼頭向智能化轉(zhuǎn)型的趨勢(shì)愈演愈烈，港口逐漸成為全球物流信息流轉(zhuǎn)的重要節(jié)點(diǎn)之一。與此同時(shí)，港口企業(yè)的服務(wù)范圍和功能逐步延伸，除深入內(nèi)陸興建無(wú)水港外，還涉足倉(cāng)儲(chǔ)、運(yùn)輸和金融等領(lǐng)域，從而使港口企業(yè)掌握的數(shù)據(jù)急劇膨脹。這些海量數(shù)據(jù)將成為企業(yè)的核心資產(chǎn)，助力企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中占據(jù)優(yōu)勢(shì)。[1]本文結(jié)合大數(shù)據(jù)背景，分析港口大數(shù)據(jù)的特點(diǎn)，介紹國(guó)內(nèi)外港口大數(shù)據(jù)應(yīng)用現(xiàn)狀，并以寧波大榭招商國(guó)際碼頭有限公司為例（以下簡(jiǎn)稱“寧波大榭碼頭”），探討大數(shù)據(jù)在集裝箱碼頭智能化管理中的應(yīng)用。

1 港口大數(shù)據(jù)的特點(diǎn)

大數(shù)據(jù)是計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的產(chǎn)物，其具有體量巨大、類型多樣、價(jià)值密度低和處理速度快等特點(diǎn)。[2]大數(shù)據(jù)時(shí)代下，人類社會(huì)產(chǎn)生的數(shù)據(jù)總量呈現(xiàn)指數(shù)級(jí)增長(zhǎng)趨勢(shì)，大約每2年翻一番，并將在2020年之前保持這一增長(zhǎng)速度。[3]

（1）體量巨大 隨著碼頭數(shù)量的增長(zhǎng)、既有碼頭運(yùn)營(yíng)時(shí)間的延續(xù)以及碼頭信息化水平的提升，港口數(shù)據(jù)體量已從太字節(jié)級(jí)躍升至拍字節(jié)級(jí)。

（2）類型多樣 除基本的生產(chǎn)運(yùn)營(yíng)數(shù)據(jù)外，港口還擁有視頻、圖片等富媒體數(shù)據(jù)，其中非結(jié)構(gòu)化數(shù)據(jù)所占比例呈上升趨勢(shì)。

（3）價(jià)值密度低 以碼頭監(jiān)控視頻為例，在不間斷的監(jiān)控過(guò)程中，有利用價(jià)值的視頻時(shí)長(zhǎng)也許只有1～。這就要求港口通過(guò)數(shù)據(jù)挖掘的方式獲取蘊(yùn)藏在海量數(shù)據(jù)中的有用信息，從而實(shí)現(xiàn)“沙里淘金”。

（4）處理速度快 大數(shù)據(jù)的秒級(jí)定律認(rèn)為，必須在內(nèi)高速完成各種數(shù)據(jù)處理。[4]碼頭各項(xiàng)業(yè)務(wù)對(duì)計(jì)算效率的要求較高，例如，進(jìn)口箱進(jìn)閘選位算法必須在內(nèi)完成計(jì)算。

2 國(guó)內(nèi)外港口大數(shù)據(jù)應(yīng)用現(xiàn)狀

2.1 國(guó)外港口大數(shù)據(jù)應(yīng)用現(xiàn)狀

新加坡港提出“大數(shù)據(jù)治港”的概念，憑借其信息化水平較高的優(yōu)勢(shì)，開(kāi)展基于大數(shù)據(jù)的基礎(chǔ)建設(shè)、生產(chǎn)管理、客戶服務(wù)、市場(chǎng)預(yù)測(cè)和應(yīng)用創(chuàng)新等。

鹿特丹港聯(lián)合港口物流企業(yè)共同開(kāi)發(fā)以港口為中心的國(guó)際運(yùn)輸信息系統(tǒng)，通過(guò)整合船舶運(yùn)輸、港口裝卸、報(bào)關(guān)報(bào)檢、陸路運(yùn)輸、金融服務(wù)等數(shù)據(jù)，協(xié)調(diào)物流參與方之間的業(yè)務(wù)關(guān)系，達(dá)到提高物流效率、降低物流成本的目的。

2.2 國(guó)內(nèi)港口大數(shù)據(jù)應(yīng)用現(xiàn)狀

寧波舟山港通過(guò)整合內(nèi)外部碼頭、無(wú)水港、集裝箱運(yùn)輸網(wǎng)絡(luò)、物流增值服務(wù)等相關(guān)資源，構(gòu)建港口物流一體化平臺(tái)。此外，寧波舟山港還推出相關(guān)大數(shù)據(jù)管理服務(wù)平臺(tái)，通過(guò)信息交互融合和商業(yè)智能大數(shù)據(jù)應(yīng)用，為政府和企業(yè)提供數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)分析和數(shù)據(jù)挖掘等高端服務(wù)。

上海港積極推進(jìn)數(shù)據(jù)中心建設(shè)，加大信息化、精益化、系統(tǒng)化建設(shè)力度，搭建跨平臺(tái)的大數(shù)據(jù)云分析平臺(tái)，并強(qiáng)化平臺(tái)的分析決策功能，實(shí)現(xiàn)數(shù)據(jù)處理模式從線下收集和分析向線上自動(dòng)流轉(zhuǎn)和共享的轉(zhuǎn)變，從而為企業(yè)決策提供有效支持。

天津港建設(shè)無(wú)水港集疏運(yùn)一體化信息平臺(tái)。該平臺(tái)在大數(shù)據(jù)的支撐下，通過(guò)云計(jì)算、多源異構(gòu)信息融合、工作流引擎等技術(shù)實(shí)現(xiàn)業(yè)務(wù)流程標(biāo)準(zhǔn)化，突破差異化需求下的復(fù)雜業(yè)務(wù)融合這一技術(shù)瓶頸，并為無(wú)水港的現(xiàn)場(chǎng)作業(yè)提供強(qiáng)大的控制邏輯層，對(duì)復(fù)雜、多變、實(shí)時(shí)性強(qiáng)的堆場(chǎng)作業(yè)具有快速反應(yīng)、動(dòng)態(tài)調(diào)度的能力，從而有效解決傳統(tǒng)無(wú)水港管理模式下信息系統(tǒng)和生產(chǎn)數(shù)據(jù)均處于托管狀態(tài)及設(shè)備投入成本高且維護(hù)困難等問(wèn)題。

3 大數(shù)據(jù)背景下的集裝箱碼頭智能化管理

3.1 數(shù)據(jù)驅(qū)動(dòng)的智能系統(tǒng)

集裝箱碼頭傳統(tǒng)管理模式向智能化管理模式轉(zhuǎn)變的趨勢(shì)不可阻擋，而智能化管理的實(shí)現(xiàn)離不開(kāi)海量數(shù)據(jù)的支撐。與傳統(tǒng)的人工經(jīng)驗(yàn)智能系統(tǒng)相比，數(shù)據(jù)驅(qū)動(dòng)的智能系統(tǒng)通過(guò)提煉海量數(shù)據(jù)中所隱藏的高階特征，使隱性知識(shí)顯性化、顯性知識(shí)結(jié)構(gòu)化，從而能夠更快速、更準(zhǔn)確地作出決策。這些結(jié)構(gòu)化的知識(shí)數(shù)據(jù)易于存儲(chǔ)，并且經(jīng)過(guò)不斷積累，最終形成知識(shí)庫(kù)，從而幫助優(yōu)化智能系統(tǒng)，使數(shù)據(jù)與智能系統(tǒng)之間形成閉環(huán)（見(jiàn)圖1）。以寧波大榭碼頭的智能收箱系統(tǒng)為例：該系統(tǒng)從海量歷史收箱數(shù)據(jù)中提煉收箱作業(yè)規(guī)律，并將其存儲(chǔ)為高階先驗(yàn)知識(shí)，為智能收箱的選位決策提供可靠的參考依據(jù);隨著系統(tǒng)的長(zhǎng)期運(yùn)行，其收集并提煉的數(shù)據(jù)持續(xù)增長(zhǎng)，從而使系統(tǒng)計(jì)算的合理性和準(zhǔn)確性不斷提高，達(dá)到有效利用作業(yè)資源、減少裝船取箱沖突的目的。

3.2 基于數(shù)據(jù)快照技術(shù)的仿真生產(chǎn)系統(tǒng)

仿真指利用模型復(fù)現(xiàn)實(shí)際系統(tǒng)中發(fā)生的本質(zhì)過(guò)程，并通過(guò)對(duì)系統(tǒng)模型的實(shí)驗(yàn)來(lái)研究或評(píng)估已存在或設(shè)計(jì)中的復(fù)雜系統(tǒng)。碼頭物流仿真的主要作用是為新建碼頭可行性分析及宏觀效率評(píng)估等提供基本數(shù)據(jù)。傳統(tǒng)仿真生產(chǎn)系統(tǒng)的數(shù)據(jù)來(lái)源于概率分布模擬，因此，其無(wú)法精細(xì)模擬實(shí)際的碼頭生產(chǎn)系統(tǒng)。目前寧波大榭碼頭已投入使用和尚在研發(fā)中的智能系統(tǒng)（包括智能配載系統(tǒng)、智能收箱系統(tǒng)和智能船控系統(tǒng)等）均采用數(shù)據(jù)快照技術(shù)，以快照形式存儲(chǔ)智能系統(tǒng)的基礎(chǔ)輸入數(shù)據(jù)、高階特征數(shù)據(jù)和計(jì)算結(jié)果等。這些關(guān)鍵生產(chǎn)環(huán)節(jié)的海量數(shù)據(jù)能夠幫助驅(qū)動(dòng)仿真生產(chǎn)系統(tǒng)，使仿真生產(chǎn)系統(tǒng)中的虛擬碼頭與實(shí)際碼頭在時(shí)間、空間和運(yùn)動(dòng)上具有極高的相似性，進(jìn)而使仿真生產(chǎn)系統(tǒng)能夠精細(xì)模擬復(fù)雜的碼頭生產(chǎn)系統(tǒng)，預(yù)先評(píng)估智能系統(tǒng)制訂的生產(chǎn)作業(yè)計(jì)劃，及時(shí)發(fā)現(xiàn)生產(chǎn)作業(yè)中可能存在的瓶頸，并通知智能系統(tǒng)調(diào)整生產(chǎn)作業(yè)計(jì)劃。

3.3 多智能系統(tǒng)的數(shù)據(jù)共享和遷移學(xué)習(xí)

多智能系統(tǒng)的數(shù)據(jù)共享和遷移學(xué)習(xí)（見(jiàn)圖2）有助于優(yōu)化智能系統(tǒng)的計(jì)算性能，并提升其智能化程度。以寧波大榭碼頭的智能配載系統(tǒng)為例：該系統(tǒng)基于智能收箱系統(tǒng)所共享的關(guān)于各航線收箱需求的高階特征數(shù)據(jù)實(shí)現(xiàn)遷移學(xué)習(xí)，制訂符合收箱作業(yè)規(guī)律的配載策略，從而使不同航線的配載策略更有針對(duì)性。與遷移學(xué)習(xí)前的智能配載系統(tǒng)相比，遷移學(xué)習(xí)后的智能配載系統(tǒng)在降本提效方面的表現(xiàn)優(yōu)異：船舶單機(jī)平均作業(yè)效率提高3.8%，取箱點(diǎn)作業(yè)沖突發(fā)生率下降30.0%，平均作業(yè)路數(shù)減少1.8%，個(gè)自然箱的配載計(jì)算可在5～10 min內(nèi)完成。

參考文獻(xiàn)：

[1] MANYIKA J， CHUI M， BROWN B， et al. Big data： the next frontier for innovation，competition and productivity[R/OL]. （2011-05-01）[2018-04-12]. https：//www.mckinsey.com/business- functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation.

[2] MAYER-SCH諲BERGER V， CUKIER K.Big data： a revo-lution that will transform how we live， work and think[M]. Boston： Houghton Mifflin Harcourt， 2013： 26.

[3] SAGIROGLU S， SINANC D. Big data： a review[C]//2013 International Conference on Collaboration Technologies and Systems， May 20-24， 2013， San Diego， California. Piscataway： IEEE， 2013：42-47.

[4] LABRINIDIS A， JAGADISH H V. Challenges and opportu-nities with big data[J/OL]. The proceedings of the VLDB Endowment， 2012， 5： 2032-2033[2018-04-12]. http：//vldb. org/pvldb/vol5/p2032_alexandroslabrinidis_vldb2012.pdf.

（編輯：張敏 收稿日期：2018-05-18）