[发明专利]一种基于决策树的物联网港口船舶调度方法

说明书

本发明公开了一种基于决策树的物联网港口船舶调度方法，包括以下步骤：S1、获取船舶属性集、港口属性集，根据所述船舶属性集和所述港口属性集得到港口作业计划数据集；S2、根据所述港口作业计划数据集获取数据集样本，根据所述数据集样本生成港口调度决策树模型；S3、获取待调度的港口船舶状态信息，将所述港口船舶状态信息输入到所述港口调度决策树模型中，得到决策结果。本发明通过获取港口作业计划数据集并生成决策树模型，能够实现对港口船舶调度的有效作业计划安排，通过利用决策树对港口船舶作业计划进行规划，相比于传统人工调度，能够达到实时性优、决策公平、资源利用率高、管理成本和安全风险低等优点。

技术领域

本发明属于港口船舶调度管理系统领域，具体涉及一种基于决策树的物联网港口船舶调度方法。

背景技术

当前大多数大型港口仍使用人力来做货运船舶的进出港调度、泊位安排、机械和工人分配，使用文本的方式来保存每天的作业计划，使用对讲机等询问当前泊位、机械、工人等信息。这种缺乏信息化的粗放的作业计划调度方法，存在极度依靠人工经验、泊位有效利用率低、不能有效兼顾公平、即时性差等问题，极大地影响港口的船舶进出速度和货物吞吐量，降低工作效率，增加港口的管理成本和安全风险。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于决策树的物联网港口船舶调度方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种基于决策树的物联网港口船舶调度方法，包括以下步骤：

S1、获取船舶属性集、港口属性集，根据所述船舶属性集和所述港口属性集得到港口作业计划数据集；

S2、根据所述港口作业计划数据集获取数据集样本，根据所述数据集样本生成港口调度决策树模型；

S3、获取待调度的港口船舶状态信息，将所述港口船舶状态信息输入到所述港口调度决策树模型中，得到决策结果。

在一个具体实施例中，所述船舶属性集包括船舶名称、装卸状态、货物名称、货仓类别、荷载、靠泊时间、离港时间、船身长度、船舶代理属性中的一种或多种。

在一个具体实施例中，所述港口属性集包括当前泊位状态、可用机械数量、空闲工人数中的一种或多种。

在一个具体实施例中，所述步骤S2包括：

S21、根据所述港口作业计划数据集获取数据集样本，将所述数据集样本划分为训练集、验证集和测试集；

S22、利用所述训练集产生初始决策树模型；

S23、利用所述验证集对所述初始决策树模型进行修正，得到修正的决策树模型；

S24、利用所述测试集对所述修正的决策树模型测试后，得到所述港口调度决策树模型。

在一个具体实施例中，所述步骤S22包括：

S221、生成根节点；

S222、分别计算所述港口作业计划数据集中每个属性的信息熵增益，所述信息熵增益的计算公式为：

其中，y为样本中港口作业计划数据集的每个属性可取值的项数，P_k为某个属性的某项在该属性可取项数中的权重，D^v为某项的取值，D为港口作业计划数据集样本总数,y^v为在D中D^v的个数，p_v为D^v中不同的取值占总数的比重；

S223、选取信息熵增益最大值对应的属性作为所述根节点的子节点；

S224、选取所述步骤S223中得到的属性的可取值作为所述子节点的分支；