集装箱码头拖车全场智能化调度方法 【技术领域】
本发明涉及利用计算机进行集装箱码头拖车全场智能化作业调度。
背景技术
在我国，对于港口内部车辆运输的研究少，仅有个别院校曾经做过类似的研究。总结目前国内外研究的成果，存在三个主要问题：
1、大多对港口运输问题进行了各种假设以使问题得到简化。诸如：岸吊等待时间为0，岸吊装卸操作时间为常数，忽略交通网络堵塞的因素等等。但是，在实际中，这些因素对问题结果的影响并不小。因此上述研究的成果很难应用到实际中。
2、缺乏对全场调度的研究。现在对车辆运输的研究所建立的模型，大多是单一岸吊作业的情形。少数文献考虑了多岸吊的模型的求解，但是这些问题都被证明为NP-hard问题很难在多项式问题中求解，只能使用一些启发式算法进行求较优的求解。全场调度问题由于其规模太大，很难找到一个高效的算法得到问题的最优解。现在面临全场调度问题时，只能依赖员工的经验和策略。
3、所建模型和算法较为复杂，计算量太大，实用性较差。
【发明内容】
本发明的目的是提供一种集装箱码头拖车全场智能化调度方法，该方法能够自我调整和优化，计算量小，适用性强。
为达上述目的，本发明集装箱码头拖车全场智能化调度方法，包括以下步骤：
1)运行调度方案制定模块，制定优化的拖车调度方案，包括：
1.1)根据装卸船任务、港口地理信息、岸吊基本操作时间的移动速度、场吊基本操作时间和移动速度、拖车基本移动速度、使用的拖车数量及位置用模糊匹配算法制定多种拖车调度方案；
1.2)以所述多种拖车调度方案为初始群体，以在最短时间内完成任务为主要目标、车辆总行驶距离最短为次要目标，用遗传算法得到一个优化的拖车调度方案；
2)判断所述优化的拖车调度方案是否能在客户要求时间内完成装卸，若不能，则调整用于执行装卸任务的拖车数，转去执行步骤1)；若能，则将该优化的拖车调度方案传输给港口管理系统的拖车调度模块，控制相应的拖车执行装卸任务；
3)运行动态调整模块，根据反馈的装卸信息调整调度方案，包括：
3.1)采集模块实时采集装卸信息；
3.2)比较实际装卸进度与调度方案的理想进度之间的差距是否大于设定值，若大于设定值，则以装卸任务未完成的部分作为新的装卸任务，转去执行步骤1)；若不大于设定值则执行步骤3.3)；
3.3)判断整个调度方案是否执行完，若是则结束，否则转去执行步骤3.1)。
本发明采用动态与静态结合的方法来实现集装箱码头拖车全场智能化调度。与只用静态算法进行调度的方法相比，本发明具有自我调整的特性，能够使调度计划变得更优；与只用动态算法进行调度的方法相比，本发明的基础更“牢固”，更容易寻觅到较优的算法。
本发明在研究中比较真实的考虑了港口各种复杂情况，使模型与实际更为接近。而且其模型的运算量小，保证了较强的实用性。
【附图说明】
图1为本发明中用模糊匹配算法制定拖车调度方案的流程图；
图2为本发明中用遗传算法制定优化的拖车调度方案的流程图。
【具体实施方式】
本集装箱码头拖车全场智能化调度方法采用动态与静态结合的方法，具体包括以下步骤：
1)运行调度方案制定模块，制定优化的拖车调度方案，包括：
1.1)根据装卸船任务、港口地理信息、岸吊基本操作时间和移动速度、场吊基本操作时间和移动速度、拖车的基本移动速度、使用的拖车数量及位置用模糊匹配算法制定多种拖车调度方案；
1.2)以所述多种拖车调度方案为初始群体，以在最短时间内完成任务为主要目标、车辆总行驶距离最短为次要目标，用遗传算法得到一个优化的拖车调度方案；
2)判断所述优化的拖车调度方案是否能在客户要求时间内完成装卸，若不能，则调整用于执行装卸任务的拖车数，转去执行步骤1)；若能，则将该优化的拖车调度方案传输给港口管理系统的拖车调度模块，控制相应的拖车执行装卸任务；
3)运行动态调整模块，根据反馈的装卸信息调整调度方案，包括：
3.1)采集模块实时采集装卸信息；
3.2)比较实际装卸进度与调度方案的理想进度之间的差距是否大于设定值，大于设定值，则以装卸任务未完成的部分作为新的装卸任务，转去执行步骤1)；若不大于设定值则执行步骤3.3)；
3.3)判断整个调度方案是否执行完，若是则结束，否则转去执行步骤3.1)。
参照图1，本发明根据装卸船任务、港口地理信息、岸吊基本操作时间、场吊基本操作时间、使用的拖车数量及位置用模糊匹配算法来制定拖车调度方案，具体方法包括以下步骤：
1.1.1)搜索拖车任务时间表，找出空闲的拖车；
1.1.2)搜索岸吊和场吊任务时间表，找出当前各任务序列最靠前的尚未分配的任务，此时可以把任意一个最靠前地任务分派给拖车，所以就需要利用模糊综合评价模块找到一个与拖车匹配度较高的任务分派给它，并根据相关岸吊、场吊的作业情况以及拖车需要行驶的距离，计算拖车、岸吊和场吊完成任务的时间，更新它们的任务时间表；
1.1.3)继续搜索拖车、岸吊和场吊任务时间表，找到最早完成任务的机械(这时所说的机械是指拖车、场吊或岸吊)，把时间推进到那个机械完成任务的时间；
1.1.4)重复步骤1.1.2)和1.1.3)直到将岸吊和场吊任务时间表中的任务全部分配完。
上面所述的任务与拖车的匹配度高是指，如果拖车执行此任务可以有效的减少空驶率和减少完成任务的总时间。
图2为本发明中用遗传算法制定优化的拖车调度方案的流程图。参照图2，其具体方法是：读入由模糊匹配算法制定的多种拖车调度方案，将这些拖车调度方案“基因化”，作为初始群体，然后对初始群体进行选择、交叉、变异操作，利用评价流程对变异和交叉操作得到的新方案评价，根据对各个方案评价的高低，有概率的选择出一些方案作为新一代的“种群”(轮盘法)，判断评价最好的方案是否满足既定要求或者算法已经收敛，若满足或者算法已经收敛则将该方案作为优化的拖车调度方案，若不满足则将新一代的“种群”进行交叉和变异操作，进行下一代“进化”。
在用调度方案制定模块制定优化的拖车调度方案前，需要从港口管理系统读入下列数据：
1)装卸船指令表的内容，包括集装箱装卸机械和地点的具体信息。
2)港口详细布局地理信息图，它是把港口内作业的关键点提取出来，算出每两点之间的最短路径长度。
3)拖车的数量以及其初始状态，其中拖车初始状态主要包括其初始位置，如果正在执行任务则需要得到其执行情况。
4)岸吊与场吊的数量以及初始状态，其初始状态同样包括主要的位置信息以及正在执行任务的详细信息。
5)船舶停靠港口泊位的信息，由于在指令列表中，对于船舶停靠何泊位并没有相关信息。
6)调度需要达到的目标，对于某批调度任务可能由于vip船的存在，需要调用更多的资源为其服务，那么需要输入一些参数使得模型在进行拖车任务调配时倾向于服务vip船。
在本发明调度方法中，还可以人工干预拖车分配，如图1中所示，在搜索到空闲的拖车后，首先询问是否人工干预分配，若需要则按照人工规则分配任务给拖车，若不需要则按正常方式自动分配任务给拖车。