本文是一篇物流论文，本文以送箱外集卡为研究对象，以送箱外集卡通过闸口、堆场完成送箱作业任务为研究过程，构建了协同优化预约模型，旨在缓解集卡在港的堵塞问题，提高闸口及场桥资源的利用效率。
第1章 绪论
1.2 研究背景及意义
1.2.1研究背景
在世界经济和贸易全球化的背景下，全球各个国家和地区的贸易往来愈发频繁，各个国家的贸易大部分是通过海上运输，其中海上货物运输的方式主要是集装箱运输，所以集装箱港口物流在全球经济贸易中有着举足轻重的地位。随着国际经济与贸易的合作发展，中国港口物流行业也快速发展起来，2016-2019年我国集装箱年吞吐量都在逐年递增，2019年我国集装箱吞吐量高达26107万TEU，位居世界第一，近三年全球集装箱吞吐量排名前十的港口中，中国占据了七个，足以说明中国集装箱港口发展水平已经达到国际港口的前列水平[1]。
集装箱运输具有规模大、高效、低成本的运输特点，国际贸易中90%的货物运输选择的都是集装箱运输，国内也是如此[2]。港口集装箱运输和装卸量快速增加的同时也会给集装箱码头带来很多的问题，负责运送集装箱的外集卡抵达港口的时间具有随机性，若在某些时间段外集卡集中运送集装箱至码头，会导致外集卡在码头闸口和堆场排队堵塞，影响码头的运营效率，增加外集卡的等待成本；当某些时间段外集卡抵港量较小时，码头闸口及场桥资源利用效率低下，会出现资源的空闲浪费。
集装箱码头系统由码头前沿、堆场和后方闸口大门组成，各个部分相互衔接配合才能使码头作业系统正常运转，如图1-1所示。集装箱的集疏港主要由码头前方的装卸船作业和码头后方的外集卡送取箱作业完成。对于进口箱的集疏港作业，装有进口集装箱的船舶到达码头泊位后，由相应的岸桥对船舶进行卸箱作业，岸桥将进口集装箱卸至内部集装箱卡车（简称内集卡）上，由内集卡将进口集装箱运至堆场，由场桥卸载到相应的箱区中等待外集卡提箱出港；对于出口箱的集疏港作业，装有出口箱的外集卡经过码头闸口至堆场，相应的场桥将出口箱卸载至箱区中等待装船，当船舶到港后，内集卡将出口箱运至对应的位置，由岸桥装载至船上离港。
1.2国内外发展动态
集装箱码头作业系统是一个非常复杂、作业连续、组织协作性较强的系统，码头从前到后的设施设备、工作人员等需要高度配合、互相协助，才能保障集装箱码头的高效率运作。外集卡入港送箱主要会接受闸口、堆场场桥的服务，外集卡的集港效率与码头闸口、堆场的运作效率密切相关，本文主要涉及三方面的研究内容：集装箱码头闸口的研究、集装箱码头场桥的配置研究、码头外集卡预约研究。
1.2.1集装箱码头闸口相关研究
闸口是外集卡进出港口码头的交接口，外集卡在进出码头时都要经过闸口系统的信息核对和检查交接后才允许放行，闸口对进出码头的外集卡和集装箱严格把关以更精准高效的方式控制货物的进出，保证港口各个环节的作业井然有序的进行，所以它是集装箱码头不可或缺的命脉。
外集卡送箱作业都会经过集卡抵达闸口，在闸口排队随后接受闸口检查后进入港区，这一系列的送箱流程都是随机发生的，外集卡抵港时间的随机性和闸门服务外集卡的不确定性导致集卡在闸口经常需要排队，降低了码头后方集疏运的效率。
近年来，国内外学者一直致力于提高闸口效率、减少集卡堵塞等方向做了大量研究，主要集中在提高闸口智能信息化建设、在港区设置缓存区以及闸口通道分配等方面。崔金茹[3]以天津港为例，引入RFID对集卡和集装箱进行识别与检查，在闸口设计和信息技术的应用上有了显著突破，加快智能闸口建设，同时设计了缓存区以保证集卡的有序进港。舒帆[4]等对进出场闸口功能进行分析，对智能化闸口进行配置设计，主要包括：闸口职能的划分、信息交互的方式、外集卡的运行路径，从而科学化、规范化的管理码头闸口系统。
第2章 集装箱码头作业及外集卡预约进港作业分析
2.1集装箱码头概述
2.1.1集装箱码头组成
集装箱码头作为连接水运和陆运的桥梁，在港口物流中发挥着重要的作用，它不仅是船舶停靠的港湾，也是进出口集装箱的中转站。集装箱码头由码头前沿、堆场和后方闸口大门组成，其中运输集装箱的主要设备有内外集卡，外集卡属于港外资源，装卸集装箱的主要设备有场桥和岸桥，如图2-1为集装箱码头三个部分的布局。集装箱码头系统是一个非常复杂、作业连续、组织协作性较强的系统，码头从前到后的设施设备、工作人员等需要高度配合、互相协助，才能保障集装箱码头的高效率运作。
（1）码头前沿
码头岸线和堆场中间的位置部分构成了码头前沿，主要用于集装箱的装卸船作业和内集卡的水平运输作业，它的长宽主要由岸桥的运行距离、水平运输道路的数量、宽度等决定。随着集装箱码头进出口箱量的不断增大，码头前沿的占地面积和自动化水平程度都有了明显加大。
（2）集装箱堆场
集装箱在离开码头之前一直存放在堆场中，它是集装箱在码头存放的重要场所。堆场由许多箱区单元构成，箱区中配有装卸集装箱的设备，主要有集装箱叉车、正面吊和集装箱门式起重机（简称场桥或龙门吊），用于完成集装箱的存和取作业任务。堆场的布局可以是垂直于岸线也可以是平行于岸线，不同的堆场布局下，堆场的场桥类型和数量有所不同。场桥的类型主要分轮胎式和轨道式两种，如图2-2所示，轮胎式可以灵活转场于不同箱区，轨道式则有固定的场桥运行轨道，好的码头布局不仅能够加快堆场装卸效率，也能减少翻箱作业量。
2.2.1集装箱码头集疏港作业流程
集装箱码头的集疏港作业是因为船舶的到港引起的，主要发生在集装箱码头闸口和堆场处。集港作业发生在船舶到港之前，外集卡将集装箱从港外经过闸口送到堆场，疏港作业发生在船舶离港后，外集卡将存在堆场中的集装箱通过闸口检验送出码头。
（1）集装箱集港作业流程
为了不耽误集装箱的装船作业效率，集装箱码头一般会通知外集卡公司将集装箱提前运到码头堆场中等待船舶的到达，集装箱集港的作业过程如图2-5所示。
送箱外集卡集港时，外集卡司机首先从港外堆场运送集装箱到达码头闸口，若此时各个闸口处作业都繁忙，外集卡司机需要在通道处排队，直到闸口作业空闲，闸口处对外集卡车牌编号、集装箱箱号、箱型、箱体损坏及船名班次情况进行识别确认，将识别的信息与集装箱码头系统预录的信息进行比对，如果比对的信息不正确，外集卡需要将集装箱运往人工闸口通道处办理业务；如果比对信息正确，码头系统将对此时的码头堆场的箱位和场桥数量进行分配，准备卸载集装箱，并且打印入场凭证，外集卡根据码头提供的单证信息将集装箱运到相应的箱区，若此时堆场箱区处场桥作业繁忙，则外集卡需要排队等待；若此时箱区中场桥刚好空闲，则场桥进行卸箱操作，作业完成后外集卡驶向出港闸口，若此时闸口繁忙，外集卡仍需等待，直至空闲后，外集卡通过闸口完成识别、核对外集卡信息后方可离港。
第3章 闸口分配-场桥配置与外集卡预约模式分析 .......................... 23
3.1基于外集卡集港量的闸口资源分配 .................................. 23
3.2基于各箱区送箱量的场桥资源配置 ............................. 25
3.3协同优化预约模式架构设计 ......................... 26
第4章 闸口分配-场桥配置与外集卡预约进港协同优化模型...................... 30
4.1 问题描述 .......................................... 30
4.2 协同优化预约模型假设及参数定义 ........................ 30
第5章 协同优化预约模型求解 ............................... 36
5.1 模型复杂度分析 .................................. 36
5.2求解算法的比选 ................................... 36
5.3 自适应遗传算法设计 ..................... 39
第6章 算例实验与分析
6.1实验数据
本文以上海某集装箱码头公司生产运作的实际数据为例分析。码头闸口共有5个送箱通道，堆场共有12个出口箱区，8台场桥为送箱外集卡服务。集装箱码头作业系统是一个作业连续、组织协作性较强的系统，码头一天24小时不间断对外开放。以一天24小时为一个决策周期，将码头决策期分为24个预约时段，设定每个预约时间段长度为1小时，闸口处每个通道服从M/M/1的排队模型，闸口通道服务每辆外集卡的平均值为1.5分钟，箱区中场桥服务每辆外集卡的平均值为3分钟。表6-1为模型中码头作业的重要参数及其取值，表6-2为各个堆场箱区的送箱集卡总量。
第7章 总结与展望
7.1 本文总结
送箱外集卡运送出口箱集港过程中，外集卡将集装箱从港外堆场运至码头闸口，经闸口识别检查后送到堆场各箱区接受场桥的服务，卸箱作业完成后外集卡离开集装箱码头，外集卡的集港效率与码头闸口和堆场的运作效率密切相关。由于外集卡抵达港口的时间存在不确定性，造成了港内资源的供给与需求难以平衡，因此，本文在分析码头资源分配和集卡预约模式的基础上，提出闸口分配-场桥配置与外集卡预约进港协同优化的模式，建立协同优化预约模型，设计自适应遗传算法，同时进行算例实验与分析，研究的主要内容如下：
（1）通过分析外集卡集港作业流程和影响集卡集港效率的因素，明确了外集卡抵港时间的随机性导致了码头堵塞的现象。为了解决堵塞问题，本文提出了闸口分配-场桥配置与外集卡预约进港协同优化的模式，在考虑码头方和外集卡公司共同利益的条件下，以外集卡等待成本、闸口运营成本和场桥空耗成本最小为目标，构建了闸口分配-场桥配置与外集卡协同优化预约模型。
（2）考虑到协同优化预约模型的复杂度，又通过将各种算法的特点进行比选，最后，针对本文协同优化预约模型的特征，选取遗传算法对模型进行求解。由于传统遗传算法种群中所有个体的交叉概率和变异概率是相同的且不随进化代数的增加而变化，这样会影响算法的收敛性，模型求解结果很难跳出局部最优值。因此，按个体适应度值大小设计自动调整的交叉概率，按进化代数大小设计自动调整的变异概率，经过运行迭代，对协同优化模型进行求解。
参考文献（略）