[发明专利]集装箱码头船舶配载深度学习混合训练系统

说明书

本发明公开了集装箱码头船舶配载深度学习混合训练系统，该系统核心架构分为三大部分，CPU集群模块、GPU集群模块和数据存储模块。CPU集群模块负责数据判别、特征编码、辅助训练和决策评价，GPU集群模块负责对数据进行深度学习训练，数据存储模块负责将训练完的特征数据存储起来。CPU集群模块和GPU集群模块相互通信，CPU集群模块将训练结果反馈给数据存储模块。本发明对集装箱码头船舶配载决策分析，实现最小化场内翻箱量、场桥移机数和船箱位吨差的多目标组合，提高装船作业效率，有利于码头优化资源配置，实现精益化管理。

技术领域：

本发明涉及一种集装箱码头船舶配载的控制系统，具体涉及一种集装箱码头船舶配载深度学习混合训练系统。

背景技术：

集装箱码头是指专门提供集装箱船舶停靠和集装箱装卸、运输的港口作业场所，是整个集装箱运输链的核心环节，在很大程度上决定着国际运输、多式联运的速度和效率。集装箱码头的运营管理主要包括堆场管理、设施设备管理、船舶装卸作业管理、船期的管理等。其中船舶装卸作业管理直接影响码头生产运营效率，而集装箱船舶配载作业是船舶装卸作业的重要环节之一，是将出口箱以合理的顺序对应装载到船舶合适的船箱位上。因此，实现集装箱船舶配载作业的精益化管理是成为码头降低成本和能耗、提高效率的重要途径。

集装箱码头船舶配载业务流程如下(如图1所示)：

码头收箱报关：出口集装箱订舱后，通常要在码头堆场集港并办理报关手续。码头依据船舶航线特点为收箱的集装箱安排合理的收箱场位。

船公司订舱预配：各个港口的船舶航次订舱基本完成后，船公司根据订舱情况、船舶装载要求等条件制定集装箱预配船图。预配图是依次绘制船头到船尾的各贝位内船箱位的积载情况剖面图，主要有配载集装箱的箱属性、卸货港等基本信息。

码头制定实配计划：在船舶到港后，船公司为码头提供预配图(Prewired StowagePicture,PSP)。配载计划人员根据船公司提供的出口箱装船预配信息，结合相关集装箱在堆场内的堆存情况，制定实配计划。

取箱点计算：取箱点的计算是将堆场内的待配集装箱划分箱组，然后根据已知箱组贝信息计算所有取箱点，并综合考虑箱区内的各种组合情况以缩小取箱点范围，以在宏观上实现箱组与船舶预配贝的匹配。

配箱决策：配箱决策主要包含两方面内容，一是在计算好的箱组贝基础上，综合考虑船贝限重、层高、特种箱等因素，初步决策船槽内需要配载哪些集装箱；二是根据码头堆场内取箱工艺、岸边装卸作业原则来寻求一种最优的发箱顺序，以避免发箱过程中可能造成的场内翻箱、移机等情况的发生。

实际配载装船作业：集装箱船靠泊后，码头方将制定好的实配图交于大副审核，审核通过后，反馈装船指令给码头控制中心，控制中心调度场桥、集卡、岸桥、正面吊等相关设备进行装船作业，作业完成后将实际装船情况反馈给船公司，由船公司整合信息制定整船积载图。

综上所述，集装箱实配是码头装船作业的关键环节，集装箱实配工作的已知量为在场箱信息和预配船图。在船舶即将靠泊前，码头需要根据预配船图上的信息，首先制定岸桥分路计划，确定岸桥的作业贝位、作业顺序、作业量，然后制定实际配载计划。码头堆场实际配载计划要求保证船方的预配要求，同时综合考虑堆场工艺、岸边与水平运输机械调度等堆场资源，寻求最优的配载决策，最后将所有场内待配集装箱有序合理地装载到船舶中。

发明内容：

本发明针对现有集装箱码头作业任务繁多复杂的特点，提供了一种集装箱码头船舶配载深度学习混合训练系统，该系统能够合理决策堆场待配载集装箱的船舶配载位置和配载顺序，提高装船作业效率，优化码头资源配置，实现码头精益化管理。

为了达到上述目的，本发明采用如下的技术方案：