基于仿真的U型集装箱码头堆场位分配优化

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：Simulation-based optimization of yard slot allocation in U-shaped container terminals

港口U型布局下集装箱堆位分配优化研究，提出动态权重演化的神经网络决策模型与改进遗传算法，通过仿真验证有效降低内外部卡车总延迟时间。

　　

Junkai Zhang|Kap Hwan Kim|Ningning Song|Xuehao Feng

中国浙江大学海洋学院，舟山316021

摘要

堆场槽位分配问题（SAP）涉及在存储堆场中定位集装箱，这可能对港口的运营效率产生重大影响。由于实际操作条件的复杂性和实时决策要求，这个问题的优化具有挑战性。U形布局作为一种新型布局，为外部卡车（ETs）和内部卡车（ITs）提供了新的行驶路线和集装箱交接点组合，从而可能为SAP带来独特的特性。本研究针对U形布局下的SAP问题，旨在最小化ITs和ETs的延迟时间。我们提出了一种基于模拟的新评估方法，该方法考虑了多个评估标准来分配到达集装箱的槽位。在此方法中，我们开发了一个进化神经决策网络（ENDN），以探索实时信息对这些标准权重的影响。我们还开发了一种高效的遗传算法来优化ENDN的参数。通过建立仿真模型，在真实的操作不确定性条件下评估了该算法的性能，这有助于ENDN的实际应用。实验结果表明，与现有方法相比，我们的方法能够确定更短的车辆总延迟时间的槽位分配。

引言

随着近几十年来全球航运业的发展，港口处理的集装箱数量和集装箱船舶的规模显著增加（Song等人，2024年；Ranjan等人，2025年）。例如，2024年上海港的集装箱吞吐量超过了5000万个二十英尺当量单位（TEU）。作为港口的临时存储区域，堆场在取货操作之前接收并存储大部分集装箱。随着集装箱数量的增加，堆场内集装箱的存储位置规划变得更为重要和具有挑战性（Yan等人，2024年）。在现实中，低质量的堆场空间分配计划可能导致处理效率低下和更多的操作延误（Park等人，2011年）。

在实际操作中，堆场空间分配计划可以分为三个决策阶段。第一阶段是块级分配，根据一定时间内到达的船舶信息，为每艘船舶预留一些块/子块。第二阶段是将预留的空间（通常是几个连续的泊位）分配给具有相同属性的集装箱组（例如，相关船舶、尺寸、卸货港（POD）、重量），这些属性是在第一阶段块级分配时确定的。第三阶段是根据第二阶段的结果，为每个集装箱在预留空间内确定具体的槽位。由于集装箱信息的可用性，这三个阶段可能在不同的时间段内完成。根据我们在许多集装箱港口的经验，将堆场空间规划分为三个决策阶段是一种常见的实际策略。在几个东亚集装箱港口，前两个阶段可以在船舶到达前3到7天完成，而第三阶段则是每个集装箱到达堆场区域时的实时决策。许多现有研究（例如Zhang等人，2014a；Zhang等人，2014b；Zhou等人，2020年）也采用了这种三阶段决策框架。

本文重点关注第三阶段的决策问题，即U形布局下的槽位分配问题（SAP）。SAP需要考虑多种因素，而布局对计划有显著影响。中国广西的钦州港于2022年完成了首个U形布局的集装箱码头。2024年，该港口的集装箱吞吐量达到了696万个TEU。钦州港的U形布局码头使用了双悬臂轨道安装的门式起重机（DRMGCs），其小车可以移动到悬臂的两端，使得DRMGCs能够服务两侧的外部卡车（ETs）和内部卡车（ITs）。这扩展了YC（堆场起重机）与车辆之间的交互能力。根据DRMGC系统，U形布局为内部卡车（ITs）和外部卡车（ETs）提供了不同的行驶路线。如图1所示，ETs沿U形路线行驶，围绕块状区域；而ITs则沿与块平行的直线车道行驶。U形布局结合了水平和垂直布局的特点，包括：（i）多交接点的侧面处理；（ii）ETs和ITs的独立运输路线；（iii）块内陆侧堆场起重机（LYC）与海侧堆场起重机（SYC）之间无需中转操作。

在U形布局下的SAP中，目标是尽量减少ITs和ETs在堆场中的延迟时间，这是实践者最关心的问题之一。车辆的延迟时间可能由以下三种情况造成：首先，如果YC需要长距离移动到目标槽位，那么到达泊位的车辆必须等待YC；其次，由于安全距离的原因，两个YC在处理相邻泊位的集装箱时可能会发生干扰，此时车辆必须等待另一个YC离开该区域；此外，当另一辆车在同一泊位与YC进行集装箱交接时，车辆也需要等待。另外，当一个泊位内混合了不同类型的集装箱时，可能会增加重新处理操作的数量，从而导致YC服务列表中的后续车辆等待时间延长。U形布局与传统的垂直和水平布局在槽位分配方面有共同之处，例如避免占用空泊位，并尽量将相同类型的集装箱存储在同一泊位（例如Wang等人，2024年；Tan等人，2024年）。然而，ETs和ITs的行驶路线与这两种传统布局有所不同。在U形布局下，ETs在堆场内的行驶距离是固定的，且与目标集装箱的存储槽位无关。同时，靠近海侧的存储槽位可以减少ITs的行驶距离。这意味着U形布局下同一个槽位的评估因素对两种传统布局下的延迟时间可能有不同的影响。

因此，我们可以看出，关于两种传统布局下车辆延迟时间的现有模型和政策可能不适用于U形布局，原因如下：（i）在垂直布局下，将集装箱运送到堆场的车辆的延迟时间与目标槽位和YC位置之间的距离无关；而在U形布局下，车辆可能需要在交接区域等待YC。因此，在U形布局下应考虑这一距离。（ii）在水平布局下，目标槽位与块末端之间的距离不会影响延迟时间；而在U形布局下，当目标槽位靠近海侧时，ITs的预期行驶时间可能会更短（见图1）。因此，ITs的延迟时间可能与水平布局不同。根据上述讨论，我们可以看出，为了最小化SAP中的车辆延迟时间，可能需要为U形布局制定额外的定制策略。

我们提出了一种基于评分的评估方法来解决U形布局下的SAP问题，这种方法在现实港口的不同布局中已被广泛使用。当一个集装箱到达港口时，规划者会根据当前条件评估多个标准来确定可行的槽位。权重用于强调关键标准的重要性。然后，每个槽位会根据上述评估获得一个分数，分数最高的槽位将被分配给该集装箱。由于码头条件（例如空间利用率、等待中的ITs和ETs数量）是动态变化的，因此有必要探索实时信息对这些标准权重的影响。

在实际决策中，堆场规划者通常使用基于特征和权重的简化评分函数，这些特征和权重是静态的，并根据人类经验手动确定。这种方法可能导致ETs和ITs的延迟时间较长。此外，现有的基于评分的评估方法可能无法在U形布局下获得高质量的解决方案。据我们所知，Kim和Ryu（2022年）提出了一种方法，通过考虑垂直布局下的工作负载影响来动态计算权重。然而，对真实港口的观察表明，仅工作负载可能无法完全解释权重值的变化。本研究的贡献可以总结如下：

(i) 我们开发了一种新的基于评分的评估机制，用于为到达的集装箱分配槽位。评分函数直接采用了来自U形布局码头实践的标准。

(ii) 我们开发了一个具有特征选择模块的进化神经决策网络（ENDN），以探索实时信息（称为“特征”）对标准权重值的影响。ENDN采用了集成架构，结合了嵌入式特征选择和动态权重优化。

(iii) 为了解决调整ENDN权重和偏差的挑战，我们采用了一种基于模拟的进化优化策略来搜索有效的网络参数。这种训练方法允许根据长期运营性能对提出的决策框架进行评估和优化。

本文的其余部分安排如下：第2节总结了相关领域的现有研究；第3节描述了问题和我们的方法；第4节通过数值实验评估了该方法；第5节总结了结论并指出了进一步的研究方向。

文献综述

关于空间分配问题有大量的文献。虽然实际操作中这个问题分为三个决策阶段，但许多学者将其分解为以下两个子问题：堆场模板问题（YTP）和SAP。一些研究尝试对这两个问题进行联合优化。

问题描述

考虑一个配备有两个YC的U形布局的单一块。港口需要在未来的天内为每个到达的集装箱（出口、进口和转运）分配一个槽位。确定槽位的目标是尽量减少ITs和ETs在集装箱存储和取货操作中的总延迟时间。对于进口和转运集装箱，堆场规划者需要确定集装箱从船舶卸下时的槽位。

数值实验

本节展示了基于亚洲一个U形布局港口实际数据的上述算法性能。该算法是在Python 3.9环境中编写的，所有实验都在配备32 GB RAM的Intel(R) Core (TM) i7-14700 K @ 3.40 GHz计算机上进行的。

结论

本研究针对U形布局下的SAP问题，旨在最小化ITs和ETs的延迟时间。首先，我们提出了一种新的评分函数，考虑了多种标准来评估所有候选槽位并选择最优方案；其次，我们开发了一个新的ENDN来探索实时信息对不同场景下标准权重值的影响；第三，为了进一步提高方法的性能，我们使用了一种定制的遗传算法来优化参数。

CRediT作者贡献声明

Junkai Zhang：撰写——审稿与编辑、撰写——初稿、验证、软件、方法论、形式分析。Kap Hwan Kim：方法论、调查、概念化。Ningning Song：撰写——审稿与编辑、撰写——初稿、软件。Xuehao Feng：撰写——初稿、软件、方法论、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本工作得到了中国国家重点研发计划（项目编号2022YFD2001202）的支持。作者感谢副主编和四位匿名审稿人的宝贵意见。