一种岸桥作业队列智能调度数据处理方法与流程

本发明涉及智能调度的，尤其涉及一种岸桥作业队列智能调度数据处理方法。

背景技术：

1、港口码头的智能调度是将借助物联网技术、人工智能等成果，结合实时的生产现场机械设备状态、泊位、车辆运输等相关数据，并与船舶行驶状态实时交互，通过预测，制定最优决策方案，实现信息系统指令与码头机械设备控制功能的无缝衔接，提高作业效率和准确率，保证生产过程的连续、协调、均衡和经济运行，以求实现生产效益的最大化，是未来发展的趋势。

2、针对上述的相关技术，申请人发现在当前的码头智能调度算法中，普遍采用的是基于距离最短原则的调度策略。然而，随着实际应用中不断出现的复杂因素和对高效运作的需求的日益增长，传统调度算法逐渐暴露出其固有的缺陷，就是调度的方式单一，主要依靠距离优化，忽视了码头实际作业进度、不同作业线的紧急程度等因素，这些算法可能在一定程度上平衡了距离和时间等因素，但可能存在局部最优而非全局最优的问题。

技术实现思路

1、本发明针对现有技术存在的不足，提供一种岸桥作业队列智能调度数据处理方法，解决了传统调度算法的缺陷，实现调度的方式多样化，实现智能调度的全局最优化，提供了一个更加灵活、高效、智能的作业调度解决方法。

2、本发明解决上述技术问题的技术方案如下：

3、一种岸桥作业队列智能调度数据处理方法，包括如下步骤：

4、步骤一：准备数据，处理包括船舶信息、设备信息、队列信息和规则配置的数据，然后设置约束条件，包括预设限制条件和目标约束条件；

5、步骤二：搭建cwp算法框架，将数据输入到cwp算法框架中去，cwp算法框架的通用流程为数据预处理，为每个作业队列根据贝位、装卸类型、舱内位置信息划分不同优先级的分组，遍历每一分组的作业队列进行分配，队列的分配策略由神经网络决策，分配中每当有岸桥完成当前的队列，即处于空闲状态，则需要为它分配新的任务，分配后当前时刻的岸桥信息和周围可作业的队列状态随之变化，把更新后的新的岸桥和队列状态输入到神经网络求解最佳可分配队列，直至所有分组的队列均被分配完；

6、步骤三：初始化参数，进行数据预处理，初始化算法所需的参数和变量，并执行调度；

7、步骤四：构建神经网络，建立强化学习的神经网络模型，实现输入层、处理层、特征融合层、决策层到输出层的数据递进提取；

8、步骤五：训练网络，参数更新，采取先分配再训练的方法，每次训练中首先调用未更新的神经网络执行cwp算法为岸桥和队列提供分配调度方案，待到获取到当前神经网络在不同输入下的输出结果后，计算各个时刻下不同岸桥队列状态对应的各项奖励值、评估值，作为策略更新的依据。

9、进一步的，在步骤一中，

10、船舶信息为tos给出的需要装卸作业的船舶信息，包括船舶名称、船身长度、舷靠方式、总贝数、船艏船艉位置、船艏船艉距、预计开工结束时间；

11、设备信息为每个作业线以及隶属的岸桥信息，包括顺序号、当前位置、作业范围、移动速度、装卸船的单双钩效率、极限安全距离；

12、队列信息包括队列主键、队列名称、船舶艘次、在船舶上的编号、舱上舱下标志、作业类型、move钩数；

13、规则配置为其他需要统一特殊限制的规则条件，包括平均装卸一块舱盖板的作业时间、岸桥经过驾驶台的时间。

14、进一步的，在步骤一中，预设限制条件为：

15、条件a，任意岸桥之间保持安全距离，不允许岸桥跨越其他岸桥到达某个贝位以防止跨越：

16、

17、

18、条件b，每个岸桥在装卸过程中移动的距离之和尽可能最小；

19、条件c，所有岸桥每小时作业的平均效率尽可能相同；

20、目标约束条件为：

21、条件d，最小化船舶的完工时间：

22、

23、条件e，最小化每个岸桥的完工时间之间的差异：

24、

25、其中n是岸桥的数量。

26、进一步的，在步骤二中，

27、如果找到解决方案：

28、执行分配结果，为所属岸桥分配队列，更新岸桥的信息，更新队列信息；

29、如果未找到解决方案：

30、将当前的空闲岸桥置于等待状态，直至有下一个完成队列的空闲岸桥与之一起执行调度分配，更新所有岸桥的完成队列时间；

31、如果当前分组中队列分配完毕，等到所有岸桥空闲，处理下一分组中队列的调度。

32、进一步的，在步骤三中，

33、初始化算法所需的参数和变量为：

34、船舶：根据舷靠方式和船艏船艉的相关信息计算作业队列所属的贝位的信息；

35、作业线：根据作业线的作业范围的起始位置，确定岸桥可作业船舶的贝位范围，同时随机分配初始贝位，将装卸船的单双钩效率统一换算为做一个move需要的时间，将岸桥的移动速度换算为经过一贝位所需要的时间；

36、作业队列：依据舱下待作业的集装箱所在的贝位，在队列列表中添加需要打开和关闭舱盖板的作业队列，根据先舱上后舱下、先卸后装的大原则为每个队列分配优先级，以优先级为主要关键字以及贝位数据为次要关键字将不同队列分组。

37、进一步的，在步骤三中，提前预估每个队列的执行时间，调度空间可以被拟合为一个分别以贝位位置和时间轴为维度的二维空间中。

38、进一步的，在步骤三中，

39、构建cwp算法框架，包括如下步骤：

40、步骤a，首先遍历每个分组中的作业队列直到当前分组为空；

41、步骤b，然后查找所有完成队列时间最早即空闲状态的岸桥，并计算其基于当前贝位可作业的贝位范围；

42、步骤c，根据空闲岸桥的贝位范围查找可用于分配的作业队列；

43、步骤d，把作业线信息和当前的环境队列信息表示为张量，调用神经网络模型，生成调度计划；

44、步骤e，若神经网络找到解决方案，则遍历方案中的每个队列，分配给相应的岸桥；

45、步骤f，若涉及移动岸桥到新的贝位，则同时生成移动队列，并更新岸桥的状态，包括当前贝位与完工时间，然后将任务分配给岸桥，生成作业队列，并更新岸桥的状态，最后删除分组中已被分配的作业队列；

46、步骤g，若神经网络未找到解决方案，等待直到有新的岸桥空闲，重复步骤d-g；

47、步骤h，更新所有岸桥的完工时间；

48、步骤i，重复以上步骤直至所有分组的作业队列分配完毕。

49、进一步的，在步骤四中，输入层包括岸桥信息和环境与队列信息；

50、处理层包括全连接特征编码器和循环神经网络编码器；

51、信息融合层包括拼接及注意力机制加上特征提取层。

52、进一步的，在步骤五中，在评估策略方面，针对分配结果的短期回报，在每次的模型调用分配队列的过程中，算法的输入为岸桥的状态以及当前环境队列状态信息，输出是被选择的队列信息，综合考虑模型当前贝位、目标队列的贝位和move数来评估，针对模型分配的未来回报，可以在每次计算得到所有队列的分配计划之后，以船舶的预计完工时间和所有岸桥结束时间之间的差距、所有岸桥的移动距离总和、等待时间总和方面为标准综合评估分配计划的未来回报。

53、综上所述，与现有技术相比，上述技术方案的有益效果是：

54、（1）通过结合实时位置信息、可作业范围、作业线的需求以及繁忙程度等多种因素，实现将码头操作系统（terminal operating system，以下简称tos）发出的作业队列指令和岸桥设备进行合理高效的智能调度，该算法不仅能提供一种合理高效的队列调度计划，有效减少设备拥堵和空闲等待的情况，还能够在遵守一系列约束条件的前提下动态调整作业队列，即使在执行过程中加入新的集卡或发生位置变动时，也能迅速做出响应，实现更加合理的资源调配；

55、（2）本发明实现了作业岸桥间的互相独立，互不干扰，确保了即使在复杂的作业环境下，每个岸桥也能安全且高效地执行队列，大大提升了系统的稳定性和可靠性；

56、（3）本发明提供了一个通用的cwp算法框架，将队列的时间维度量化为二维空间中的高度，在该框架中亦可以应用其他算法计算高效可行的调度计划；

57、（4）本发明不仅能够预先提供岸桥的作业调度计划，即使在作业过程中加入新的岸桥或发生时间空间维度上的资源变动时，也能迅速做出响应，实现更加合理的资源调配；

58、（5）通过引入深度强化学习算法设计了作业队列智能调度算法，算法提供的调度计划优化了岸桥资源利用率低的问题，减少了某一作业区域的交通拥堵，使调度过程更加合理高效，同时算法快速响应空闲岸桥资源，平衡各作业队列进度，不仅提升了作业效率，还减轻了操作员的工作负担，节约了码头成本，此外，分配队列的过程还减少了岸桥的无效等待时间和最小化了岸桥之间的最晚结束时间，从而显著提升了整体作业效率。