[发明专利]一种集装箱提箱序列的预测方法、系统和存储介质

说明书

本发明公开了一种集装箱提箱序列的预测方法、系统和存储介质，所述方法包括以下步骤：S1：采集集装箱历史数据；所述历史数据包括集装箱的历史堆存天数和集装箱对应的属性参数信息；S2：对所述集装箱历史数据进行数据清洗，获得模型输入数据；S3：将所述模型输入数据输入到训练模型进行训练，得到训练完成的模型；S4：获取待预测的集装箱的属性参数信息并将其输入到训练完成的模型中，以输出该待预测的集装箱对应的预测堆存天数。上述方案通过采集集装箱作业的历史数据，基于机器学习的回归预测算法实现堆存天数的预测，进而确定集装箱的提箱序列，有效提升了集装箱的预约提取效率。

技术领域

本发明涉及港口码头堆场管理技术领域，具体涉及一种集装箱提箱序列的预测方法、系统和存储介质。

背景技术

随着经济全球化、经济一体化的不断发展，国际贸易呈现蓬勃发展的态势，而集装箱运输作为航海运输最为常见的运输方式，依赖于港口码头、场站和仓库等基建设施的高效作业。近些年来，港口码头的吞吐量呈现爆发式增长，面对越来越大堆场管理压力，粗犷的装卸计划，缺乏数据支撑的调度决策带来的如作业效率低、作业成本高等问题愈发凸显，而如果集装箱的提箱序列能够预测，即代表集装箱在港口码头的堆存天数能够提前预测(堆存天数越大证明提柜时间越晚)，那么码头堆场管理人员在制定装卸计划或在翻箱落位选择上，可以根据提箱序列来确定集装箱的堆垛方案，从而尽可能减少翻箱、频繁大车移动等作业，实现降本增效的目的。

目前，集装箱提箱序列主要通过集装箱卡车(简称集卡)到港作业前的预约机制来确定，部分小规模的集装箱码头甚至没有预约机制，而即使港口具备预约机制，也存在以下缺点：(1)集装箱的预约提箱操作在集装箱已经从货运船卸入堆场之后，因此无法在卸船时间点依据预测的提箱顺序确定集装箱堆存计划；(2)预约提箱一般以时间段为单位进行预约，加之如道路拥堵、天气等不可控因素，预约时间是否具备参考意义有待考证。

发明内容

为此，需要提供一种集装箱提箱序列的预测的解决方案，用以解决现有的集装箱预约机制停留在货运船卸入堆场之后，导致集装箱提取流程滞后，影响货物提取效率的问题。

为实现上述目的，在第一方面，本发明提供了一种集装箱提箱序列预测方法，包括以下步骤：

S1：采集集装箱历史数据；所述历史数据包括集装箱的历史堆存天数和集装箱对应的属性参数信息；

S2：对所述集装箱历史数据进行数据清洗，获得模型输入数据；

S3：将所述模型输入数据输入到训练模型进行训练，得到训练完成的模型；

S4：获取待预测的集装箱的属性参数信息并将其输入到训练完成的模型中，以输出该待预测的集装箱对应的预测堆存天数。

作为一种可选的实施例，所述属性参数信息包括集装箱标识信息、集装箱货物信息、集装箱作业单信息、监管部门的监管信息中的任一项或多项。

作为一种可选的实施例，所述模型输入数据包括训练集和验证集，所述训练集用于对所述训练模型进行训练，所述验证集用于对所述训练完成的模型的训练结果进行验证。

作为一种可选的实施例，所述属性参数信息包括非数值型数据或缺失值，所述对所述集装箱历史数据进行数据清洗包括：

对所述属性参数信息中的非数值型数据或缺失值进行处理，以使其满足所述训练模型的输入要求。

作为一种可选的实施例，所述属性参数信息包括集装箱标识信息或集装箱货物信息；

对所述属性参数信息中的非数值型数据或缺失值进行处理包括：

对所述集装箱标识信息中的非数值型数据采用数值型数据进行替代，或者对所述集装箱货物信息中的缺失值采用其他历史数据中与该集装箱装有相同货物和相同集装箱中的数据的均值进行替代。