港口集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型研究

鄧翰京

摘要：文章設(shè)計(jì)一種基于鐵路、公路、遠(yuǎn)洋海運(yùn)區(qū)域樞紐港口的港口集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型，并基于該模型開(kāi)發(fā)一種港口綜合調(diào)度專(zhuān)家系統(tǒng)。通過(guò)對(duì)該模型進(jìn)行仿真分析，發(fā)現(xiàn)在該模型驅(qū)動(dòng)的港口綜合調(diào)度專(zhuān)家系統(tǒng)指導(dǎo)下，港口的離港堆場(chǎng)、到港堆場(chǎng)利用率顯著下降，港內(nèi)港外半掛車(chē)調(diào)用率顯著提升，港口實(shí)際吞吐量顯著提升并接近設(shè)計(jì)吞吐能力。因此，該模型及其驅(qū)動(dòng)的調(diào)度專(zhuān)家系統(tǒng)對(duì)港口調(diào)度有積極意義。

關(guān)鍵詞：港口集疏運(yùn)系統(tǒng);協(xié)調(diào)發(fā)展飽和度;調(diào)度專(zhuān)家系統(tǒng);吞吐能力;堆場(chǎng)利用率

中國(guó)分類(lèi)號(hào)：U691+.32文章標(biāo)識(shí)碼：A481804

0 引言

對(duì)一般港口系統(tǒng)來(lái)說(shuō)，裝卸船舶與裝卸路上運(yùn)輸系統(tǒng)屬于相輔相成的關(guān)系，所以，當(dāng)前港口常規(guī)模式下，在干散貨港口，陸上運(yùn)輸一般采用鐵運(yùn)實(shí)現(xiàn);在集裝箱港口，陸上運(yùn)輸一般采用汽運(yùn)實(shí)現(xiàn);在石油天然氣港口，陸上運(yùn)輸會(huì)通過(guò)管道系統(tǒng)或者鐵運(yùn)系統(tǒng)聯(lián)合實(shí)現(xiàn)[1]。因?yàn)榇斑\(yùn)力一般較大，當(dāng)前近海船舶已經(jīng)普遍超過(guò)萬(wàn)噸載重噸的級(jí)別，普遍在2～5萬(wàn)t載重噸，遠(yuǎn)洋船舶一般在8萬(wàn)t以上，好望角型貨輪已經(jīng)可以達(dá)到30萬(wàn)t載重噸級(jí)別。船舶靠港后，一般需要短時(shí)間內(nèi)完成大宗運(yùn)力的裝卸，而陸上運(yùn)輸，不論是鐵運(yùn)還是汽運(yùn)，都具有一定的持續(xù)性。所以碼頭一般設(shè)計(jì)一定儲(chǔ)運(yùn)能力的貨場(chǎng)，用作兩種運(yùn)輸模式的緩沖。研究持續(xù)性的陸上運(yùn)輸和集中性的海運(yùn)運(yùn)輸之間的配合程度，就用到港口協(xié)調(diào)發(fā)展飽和度模型。

本文以某集裝箱運(yùn)輸碼頭為例，在港口集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型思路下進(jìn)行建模分析，研究該模型的應(yīng)用結(jié)果，并對(duì)該模型相關(guān)因子進(jìn)行優(yōu)化研究。

1 個(gè)案一般情況

某碼頭擁有8萬(wàn)t（2 000標(biāo)箱）遠(yuǎn)洋集裝箱泊位6個(gè)，常規(guī)模式下確保其中4泊位處于裝卸過(guò)程中。日卸貨量和裝貨量均達(dá)到5 000標(biāo)箱，設(shè)計(jì)1個(gè)到港儲(chǔ)運(yùn)堆場(chǎng)和1個(gè)離港儲(chǔ)運(yùn)堆場(chǎng)，碼頭內(nèi)采用半掛式車(chē)輛擺渡法配合龍門(mén)吊進(jìn)行船舶裝卸，陸上運(yùn)輸采用鐵運(yùn)為主、汽車(chē)為輔的運(yùn)輸模式。見(jiàn)圖1。

圖1中，其海運(yùn)核心運(yùn)力保障為6個(gè)8萬(wàn)噸級(jí)泊位，提供每天5 000標(biāo)箱的裝卸量，堆場(chǎng)、鐵路站臺(tái)（B循環(huán)）、公路輔助（C循環(huán)）均為了輔助該泊位運(yùn)力進(jìn)行相關(guān)布置。因?yàn)榇翱扛酆螅灰欢〞?huì)將船上所有集裝箱均進(jìn)行裝卸，且船舶也需要進(jìn)行淡水、油料及其他物資的補(bǔ)充以及生活污水的排出，所以離港堆場(chǎng)和到港堆場(chǎng)的緩沖能力是港口飽和度的重要控制手段。

可以看到，該碼頭的動(dòng)力循環(huán)模式為4個(gè)循環(huán)并聯(lián)的循環(huán)模式，但A循環(huán)中各子循環(huán)之間存在相互制約關(guān)系，B循環(huán)中各子循環(huán)之間存在相互制約關(guān)系，所有4個(gè)循環(huán)之間，因?yàn)樨浳锝永m(xù)梯度也存在條件制約關(guān)系。如何讓每個(gè)循環(huán)均達(dá)到最大的正規(guī)循環(huán)周期，利用2個(gè)堆場(chǎng)的緩沖作用，讓火車(chē)、汽車(chē)和船舶之間產(chǎn)生最大的裝卸效率[2]，需要設(shè)計(jì)一個(gè)集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型進(jìn)行流程控制，即本研究的重點(diǎn)。

2 時(shí)間飽和度下的模型搭建

2.1 泊位循環(huán)時(shí)間飽和度計(jì)算

因?yàn)槊總€(gè)泊位最多停泊1艘貨船，所以，貨船?？坎次缓?，對(duì)其他貨船在該泊位的?？繒r(shí)間產(chǎn)生互斥作用。為充分利用該貨船在該泊位的?？繒r(shí)間資源，以及充分利用泊位的總可用時(shí)間資源，該模型中應(yīng)包含泊位循環(huán)時(shí)間的飽和度，即泊位與堆場(chǎng)之間的半掛車(chē)運(yùn)作循環(huán)的運(yùn)行節(jié)拍時(shí)間[3]。

泊位循環(huán)的港口內(nèi)運(yùn)力靠港內(nèi)半掛車(chē)實(shí)現(xiàn)[4]，設(shè)計(jì)車(chē)速為v，在單行循環(huán)條件下，6個(gè)泊位共有6個(gè)循環(huán)路徑，長(zhǎng)度分別為L(zhǎng)A1、LA2、LA3、LA4、LA5、LA6，那么每輛港內(nèi)半掛車(chē)通過(guò)上述循環(huán)路徑的時(shí)間受到其行駛時(shí)間Tr、卸車(chē)時(shí)間Td、裝車(chē)時(shí)間Tu的影響，如式（1）所示：

式中：卸車(chē)時(shí)間Td，裝車(chē)時(shí)間Tu，在特定裝卸條件下基本保持不變，設(shè)計(jì)車(chē)速為v基本保持不變，循環(huán)時(shí)間受到循環(huán)路線(xiàn)長(zhǎng)度的影響。

此時(shí)考察設(shè)計(jì)車(chē)距，為防止產(chǎn)生裝卸等待隊(duì)列，則最小車(chē)距Lmin可按照式（2）計(jì)算得出：

所以，假定當(dāng)天裝卸時(shí)間為T(mén)n，其實(shí)際在泊位循環(huán)（A循環(huán)）中的裝卸能力，僅與當(dāng)天裝卸時(shí)間和裝卸工作耗時(shí)Td+Tu有關(guān)。設(shè)t=Td+Tu，則實(shí)際裝卸能力為f（t）。

2.2 鐵路循環(huán)時(shí)間飽和度計(jì)算

與泊位與貨船的時(shí)間關(guān)系一致，火車(chē)與站臺(tái)的關(guān)系，也在不同火車(chē)之間產(chǎn)生互斥性，該模型需要每列火車(chē)對(duì)站臺(tái)的占用時(shí)間足夠短，且在保障安全的前提下完成貨物裝卸操作，所以需要計(jì)算鐵路循環(huán)時(shí)間飽和度。該飽和度同樣為半掛車(chē)往返堆場(chǎng)的循環(huán)節(jié)拍時(shí)間[5]。

假定港口共有n個(gè)站臺(tái)，則其港內(nèi)半掛車(chē)的運(yùn)輸循環(huán)路徑B1～Bn的時(shí)間飽和度計(jì)算方法同式（1）至式（3），該循環(huán)在此不再贅述，但制約鐵路循環(huán)的重要變量，來(lái)自D循環(huán)的運(yùn)力飽和度[6]。

D循環(huán)為集裝箱列車(chē)進(jìn)出港循環(huán)，當(dāng)前鐵路集裝箱貨運(yùn)編組規(guī)則（26B規(guī)則），一般為每列17節(jié)，每節(jié)可裝載2個(gè)標(biāo)箱，即每列可裝載集裝箱34標(biāo)箱，同樣設(shè)裝卸工作耗時(shí)t=Td+Tu，則每列集裝箱列車(chē)靠港時(shí)間如式（4）所示：

2.3 公路循環(huán)時(shí)間飽和度計(jì)算

如果不使用火車(chē)進(jìn)行陸上進(jìn)出港作業(yè)，直接使用半掛車(chē)對(duì)外進(jìn)行集裝箱貨物進(jìn)出港操作，該過(guò)程并不受制于港口內(nèi)的火車(chē)站臺(tái)和貨車(chē)泊位，直接考察半掛車(chē)的工作循環(huán)節(jié)拍時(shí)間[7]。

公路循環(huán)作為輔助陸上運(yùn)輸循環(huán)[8]，在上頁(yè)圖1中屬于C循環(huán)，此時(shí)其運(yùn)力為fC（t），那么在該港口運(yùn)力時(shí)間飽和度方面，存在式（6）關(guān)系：

由此可得，港口運(yùn)力受到船舶裝卸需求的直接驅(qū)動(dòng)，且與裝卸效率t有關(guān)，與鐵路運(yùn)輸站臺(tái)數(shù)量n有關(guān)。

3 空間飽和度下的模型搭建

前文分析中，到港堆場(chǎng)和離港堆場(chǎng)屬于該港口的重要緩沖資源。而堆場(chǎng)對(duì)港口運(yùn)力的資源支持模式是堆場(chǎng)的空間。有足夠的空間堆放足夠多的集裝箱，是堆場(chǎng)空間飽和度的核心控制目標(biāo)[9]。

40′GP的內(nèi)尺寸：12 032 mm（長(zhǎng)）×2 352 mm（寬）×2 393 mm（高），載重28 t[10]，采用8層堆疊方式，每公頃堆場(chǎng)最大可堆放2 826.86個(gè)標(biāo)準(zhǔn)集裝箱，受制于不同集裝箱的陸上發(fā)貨方向或海上發(fā)貨方向影響其堆疊規(guī)則[11]，假定堆場(chǎng)利用效率為τ，則在堆場(chǎng)空間飽和度方面存在式（7）：

設(shè)定碼頭離港堆場(chǎng)緩沖能力為H1，到港堆場(chǎng)緩沖能力為H2，泊位裝載能力為L(zhǎng)1，泊位卸載能力為L(zhǎng)2，鐵路卸載能力為D1，鐵路卸載能力為D2，汽車(chē)卸載能力為C1，汽車(chē)卸載能力為C2，則其空間利用過(guò)程[12]如圖2所示。

圖2中，泊位裝載能力為L(zhǎng)1，泊位卸載能力為L(zhǎng)2，此兩者變化幅度較大，變化區(qū)間在每天0～5 000標(biāo)準(zhǔn)箱;鐵路卸載能力為D1，鐵路卸載能力為D2，此兩者變化幅度較小，變化區(qū)間在每天3 500～4 500標(biāo)準(zhǔn)箱;汽車(chē)卸載能力為C1，汽車(chē)卸載能力為C2，此兩者受控能力較強(qiáng)，調(diào)度較為自由，作為上述兩者的有效緩沖，其控制目標(biāo)為將離港堆場(chǎng)緩沖能力H1、到港堆場(chǎng)緩沖能力H2，兩者的飽和度控制在40%～60%區(qū)間，基本實(shí)現(xiàn)港口的有序運(yùn)行。

4 港口飽和度模型的軟件實(shí)現(xiàn)設(shè)計(jì)

根據(jù)前文分析，在時(shí)間飽和度模型中，t=Td+Tu屬于硬性技術(shù)指標(biāo)，受到龍門(mén)吊性能和港區(qū)道路指標(biāo)的影響，其發(fā)揮一般較為穩(wěn)定，且提升難度較大。所以，港口的時(shí)間飽和度基本受到投入的港內(nèi)半掛車(chē)數(shù)量N影響，該部分半掛車(chē)主要運(yùn)行的船舶在裝卸循環(huán)A循環(huán)和鐵路轉(zhuǎn)運(yùn)循環(huán)B循環(huán)中，港外半掛車(chē)數(shù)量為N′，影響C循環(huán)效率[13]。

所以，在調(diào)度過(guò)程中，控制實(shí)現(xiàn)飽和度，需要調(diào)度港內(nèi)半掛車(chē)NA、NB的數(shù)量，以及港外半掛車(chē)的數(shù)量N′，以實(shí)現(xiàn)對(duì)時(shí)間飽和度的有效控制。

而對(duì)空間飽和度的控制過(guò)程中泊位裝載能力L1、泊位卸載能力L2、鐵路卸載能力D1、鐵路卸載能力D2，此四者在實(shí)際調(diào)度中屬于被動(dòng)變量，受到較多的外部制約，所以該四者數(shù)據(jù)作為輸入數(shù)據(jù)進(jìn)行調(diào)度，而制約空間飽和度的可調(diào)度指標(biāo)主要有兩個(gè)，包括汽車(chē)卸載能力C1和汽車(chē)卸載能力C2，該兩者也受到港外半掛車(chē)數(shù)量N′的限制[14]。

綜上，對(duì)港口的時(shí)間飽和度和空間飽和度進(jìn)行控制，均需要對(duì)三個(gè)變量做出決策，分別為港內(nèi)半掛車(chē)NA、NB的數(shù)量，以及港外半掛車(chē)數(shù)量N′。

所以，如果使用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建該軟件，則其輸入量為4個(gè)，分別為泊位裝載能力L1、泊位卸載能力L2、鐵路卸載能力D1、鐵路卸載能力D2，輸出量為3個(gè)，分別為港內(nèi)半掛車(chē)NA、NB的數(shù)量，以及港外半掛車(chē)數(shù)量N′。其神經(jīng)網(wǎng)絡(luò)架構(gòu)如圖3所示。

圖3中，使用3列多列卷積神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)該功能，每列神經(jīng)網(wǎng)絡(luò)有4個(gè)輸入項(xiàng)、1個(gè)輸出項(xiàng)，輸入為整型變量（Integer格式），輸出為整型變量（Integer格式），中間變量為雙精度浮點(diǎn)型變量（Double格式）。神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出變量也為雙精度浮點(diǎn)型變量（Double格式），但通過(guò)Cint函數(shù)可以將雙精度浮點(diǎn)型變量（Double格式）直接取整為整型變量（Integer格式），而數(shù)據(jù)輸入過(guò)程直接認(rèn)定輸入的整型變量（Integer格式）為等效雙精度浮點(diǎn)型變量（Double格式）。所以該神經(jīng)網(wǎng)絡(luò)不存在模糊與解模糊過(guò)程，不屬于傳統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)架構(gòu)，而是單純的多列卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)。

根據(jù)常規(guī)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，每個(gè)神經(jīng)網(wǎng)絡(luò)模塊的隱藏層設(shè)計(jì)4層，分別為5節(jié)點(diǎn)、7節(jié)點(diǎn)、13節(jié)點(diǎn)、3節(jié)點(diǎn)，節(jié)點(diǎn)函數(shù)采用對(duì)數(shù)回歸函數(shù)設(shè)計(jì)，其基函數(shù)如式（8）所示：

即該神經(jīng)網(wǎng)絡(luò)的實(shí)際意義在于根據(jù)4個(gè)輸入變量直接輸出3個(gè)半掛車(chē)的調(diào)用建議，該建議作為港口實(shí)際調(diào)用半掛車(chē)資源的專(zhuān)家系統(tǒng)建議。

5 模型效能仿真測(cè)試

使用港口管理CAE系統(tǒng)加載SimuWorks組件運(yùn)行該仿真調(diào)度系統(tǒng)，以該港口2020-01-01至2020-12-31的實(shí)際運(yùn)行數(shù)據(jù)作為仿真參照數(shù)據(jù)，對(duì)照組采用實(shí)際堆場(chǎng)利用率數(shù)據(jù)和港口吞吐量數(shù)據(jù)，觀察組采用仿真系統(tǒng)測(cè)試結(jié)果中的堆場(chǎng)利用率數(shù)據(jù)和港口吞吐量數(shù)據(jù)。得到其仿真比較結(jié)果如表1所示。

表1中，對(duì)比參數(shù)來(lái)自基于SPSS軟件平臺(tái)的雙變量t校驗(yàn)，當(dāng)t<10.000時(shí)認(rèn)為存在統(tǒng)計(jì)學(xué)差異，同時(shí)讀取雙變量t校驗(yàn)的log值作為信度參照P值，當(dāng)P<0.05時(shí)認(rèn)為比較結(jié)果處于置信空間內(nèi)，當(dāng)P<0.01時(shí)認(rèn)為存在顯著的統(tǒng)計(jì)學(xué)意義。實(shí)際比較參數(shù)中，采用該飽和度模型驅(qū)動(dòng)神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的調(diào)度結(jié)果的觀察組較之前調(diào)度能力體現(xiàn)出的參照組，離港堆場(chǎng)利用率下降28.0%，到港堆場(chǎng)利用率下降32.1%，港內(nèi)半掛車(chē)?yán)寐侍嵘?6.7%，港外半掛車(chē)?yán)寐侍嵘?3.4%，港口吞吐能力提升7.5%。

與此同時(shí)，根據(jù)前文分析堆場(chǎng)利用率應(yīng)控制在40%～60%，應(yīng)用該系統(tǒng)前該港口不論在離港堆場(chǎng)利用率方面還是到港堆場(chǎng)利用率方面，其堆場(chǎng)利用率均超出了該控制范圍，而使用該系統(tǒng)后，到港堆場(chǎng)利用率和離港堆場(chǎng)利用率，均控制在調(diào)度目標(biāo)內(nèi)。

該系統(tǒng)的實(shí)際意義在于提升了可控的半掛車(chē)?yán)寐剩瑢⒍褕?chǎng)利用率控制在理想范圍內(nèi)，同時(shí)使港口在不改變硬件配置的條件下，實(shí)現(xiàn)每年增加吞吐量12.29萬(wàn)標(biāo)準(zhǔn)箱，使港口的實(shí)際運(yùn)營(yíng)利潤(rùn)得到顯著提升。

6 結(jié)語(yǔ)

該港口屬于鐵路運(yùn)輸與遠(yuǎn)洋海運(yùn)相互過(guò)駁的區(qū)域樞紐型港口，設(shè)計(jì)日吞吐能力在5 000標(biāo)準(zhǔn)箱。應(yīng)用該模型驅(qū)動(dòng)的調(diào)度專(zhuān)家系統(tǒng)前，2020年的實(shí)際日吞吐能力為4 491.78標(biāo)準(zhǔn)箱，而在仿真條件下，如果應(yīng)用該調(diào)度專(zhuān)家系統(tǒng)，其日吞吐能力可以提升到4 828.49標(biāo)準(zhǔn)箱，使其實(shí)際運(yùn)行能力更接近設(shè)計(jì)吞吐能力。其他類(lèi)型港口，如果采用基于港口集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型驅(qū)動(dòng)的調(diào)度專(zhuān)家系統(tǒng)，也會(huì)使其港口內(nèi)可用資源得到有效利用，從而在不改變港口硬件配置的條件下，通過(guò)提升其調(diào)度能力，提升港口的實(shí)際運(yùn)力。所以，該模型及該模型驅(qū)動(dòng)的調(diào)度專(zhuān)家系統(tǒng)，對(duì)港口調(diào)度有積極意義。

參考文獻(xiàn)：

[1]NaNa.W，Wei L.Mathematical Model of Port Scheduling Problem Based On Multi-objective Particle Swarm Optimization[J].Journal of Coastal Research，2020，115（sp1）：561.

[2]俞曉帆，尹 梟，傅晨娟，等.港口智能調(diào)度系統(tǒng)的建設(shè)和應(yīng)用[J].中國(guó)水運(yùn)，2020（6）：55-58.

[3]葉 敬，張立鋼，鄭選斌.京唐港港口運(yùn)營(yíng)與施工運(yùn)輸交叉管理[J].水運(yùn)工程，2019（S2）：83-87.

[4]王 彤.天津港新調(diào)度系統(tǒng)設(shè)計(jì)與實(shí)施[J].集裝箱化，2019，30（6）：14-16.

[5]王寧寧，施燦濤，索偉嵐.基于啟發(fā)式規(guī)則的散雜貨港口泊位調(diào)度研究[J].北京信息科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，34（3）：16-22.

[6]楊 莎，劉桂云，王智靈.港口集疏運(yùn)系統(tǒng)協(xié)調(diào)發(fā)展飽和度模型研究[J].寧波大學(xué)學(xué)報(bào)（理工版），2018，31（1）：76-81.

[7]曾 琪，馬華靈，劉 柏，等.蘇碼頭構(gòu)造須二段儲(chǔ)層物性下限研究[J].天然氣技術(shù)與經(jīng)濟(jì)，2016，10（6）：6-8，81.

[8]黎法明.基于貝葉斯準(zhǔn)則的廣州港風(fēng)險(xiǎn)評(píng)估方法[J].廣州航海學(xué)院學(xué)報(bào)，2014，22（4）：4-7.

[9]王亞南，龐明寶，白子建，等.基于WPCA的港口用地調(diào)整交通影響評(píng)價(jià)[J].交通科學(xué)與工程，2014，30（3）：87-92.

[10]軒少永，黎法明，胡甚平，等.廣州港水域船舶航行風(fēng)險(xiǎn)評(píng)估[J].中國(guó)航海，2013，36（4）：96-99.

[11]蔡 軍，唐 偉，黃本俊.基于回歸分析的海港道路集疏運(yùn)設(shè)施評(píng)估研究[J].中國(guó)港口，2013（1）：56-59.

[12]趙智幫，李 鑫.航道通過(guò)能力的計(jì)算方法[J].港工技術(shù)，2011，48（6）：15-18.

[13]秦天保.集裝箱碼頭堆場(chǎng)的道路規(guī)劃仿真研究[J].計(jì)算機(jī)工程，2011，37（2）：13-15，19.

[14]劉敬賢，韓曉寶，易湘平.基于排隊(duì)論的受限航道通過(guò)能力計(jì)算[J].中國(guó)航海，2008（3）：261-264，268.

3382501908222