一种基于大数据优化技术的港口集疏运规划方法与流程

本发明涉及集疏运规划，具体涉及一种基于大数据优化技术的港口集疏运规划方法。

背景技术：

1、港口内陆集疏运系统作为港口集中与疏散货物的交通运输系统，是连结港口、货物生产地和货物需求地的纽带，是控制港口物流服务效率与效益的关键，对提高整个集装箱运输系统的效率、减少运输成本方面发挥着重要作用。全球集装箱运输业的持续发展，我国的集装箱运输业也拥有新的发展机遇，各港口集装箱吞吐量増长幅度大，内陆集装箱集疏运系统也面临着更高的挑战，必然要让集装箱集疏运网络按照现代综合物流业的需要进行规划建设，一方面増强其运输能力，另一方面扩大其服务网络。因此，研究如何科学地规划内陆集疏运网络，并对其进行有效地投资具有重要意义。

2、现有技术对港口集疏运规划，在规划过程中以运输成本、运输效率进行货流分配规划多目标优化，但是由于集装箱港口的内陆城市产生的货运需求因受行业市场、腹地经济、港口设施水平等多因素的影响，而在不同时间段上具有明显的不确定性。因而，多目标优化并未研究内陆集疏运系统在需求不确定状况下的货流分配，导致港口集疏运规划的系统准确性和系统稳定性均不足。

技术实现思路

1、本发明的目的在于提供一种基于大数据优化技术的港口集疏运规划方法，以解决现有技术中多目标优化并未研究内陆集疏运系统在需求不确定状况下的货流分配，导致港口集疏运规划的系统准确性和系统稳定性均不足的技术问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种基于大数据优化技术的港口集疏运规划方法，包括以下步骤：

4、步骤s1、获取规划区域处集疏运货流量的历史数据，基于规划区域处集疏运货流量的历史数据进行长期确定性预测训练和短期稳定性预测训练，得到集疏运货流量长期预测模型和集疏运货流量短期预测模型；

5、步骤s2、利用集疏运货流量长期预测模型和集疏运货流量短期预测模型确定出货流量的可取值区间；

6、步骤s3、基于货流量的可取值区间利用规划区域处集疏运成本最小化原则构建出规划区域处集疏运优化模型；

7、步骤s4、构建规划区域处集疏运优化模型的约束条件，基于约束条件求解出规划区域处集疏运优化模型得到规划区域处集疏运货流分配的规划结果。

8、作为本发明的一种优选方案，所述集疏运货流量长期预测模型的构建包括：

9、选取集疏运货流量的决定性因素，提取规划区域处集疏运货流量的历史数据对应的历史时序；

10、在历史时序出获取决定性因素的历史数据，并将决定性因素的历史数据与规划区域处集疏运货流量的历史数据依据历史时序进行一一对应；

11、将同一历史时序的决定性因素的历史数据作为bp神经网络的输入项，将同一历史时序的规划区域处集疏运货流量的历史数据作为bp神经网络的输出项，利用bp神经网络对所述bp神经网络的输入项和所述bp神经网络的输出项进行学习训练得到所述集疏运货流量长期预测模型，以实现对规划区域处集疏运货流量的长期确定性预测；

12、所述集疏运货流量长期预测模型的函数表达式为：

13、ot＝bp([sl,t|1≤l≤m])；

14、式中，ot为第t个时序的集运疏货流量，sl,t为第l个决定性因素在第t个时序的数据值，m为决定性因素的总数量，bp为bp神经网络。

15、作为本发明的一种优选方案，所述集疏运货流量短期预测模型的构建包括：

16、将前置历史时序的规划区域处集疏运货流量的历史数据作为lstm神经网络的输入项，将后置历史时序的规划区域处集疏运货流量的历史数据作为lstm神经网络的输出项，利用lstm神经网络对所述lstm神经网络的输入项和所述lstm神经网络的输出项进行学习训练得到所述集疏运货流量短期预测模型，以实现对规划区域处集疏运货流量的短期稳定性预测；

17、所述集疏运货流量短期预测模型的函数表达式为：

18、onew＝lstm(oold)；

19、式中，onew为后置历史时序的集运疏货流量，oold为前置历史时序的集运疏货流量，lstm为lstm神经网络。

20、作为本发明的一种优选方案，所述货流量的可取值区间的确定包括：

21、在待规划时序处统计决定性因素的数据值，将待规划时序处决定性因素的数据值输入至集疏运货流量长期预测模型，由集疏运货流量长期预测模型得到待规划时序处的货流量确定性预测值；

22、获取待规划时序的前置时序处集疏运货流量的数据值，将待规划时序的前置时序处集疏运货流量的数据值输入至集疏运货流量短期预测模型，由集运疏流量短期预测模型得到待规划时序处的货流量稳定性预测值；

23、将所述货流量确定性预测值和货流量稳定性预测值分别作为区间的两个端值，并由两个端值构成连续区间作为货流量的可取值区间。

24、作为本发明的一种优选方案，所述规划区域处集疏运优化模型的构建包括：

25、量化规划区域处集疏运成本，所述规划区域处集疏运成本的量化函数为：

26、e＝e1+e2+e3+e4+e5；

27、

28、

29、

30、

31、

32、式中，cikw,t为第t个时序从规划区域处第i个城市到第k个内陆中转站选择第w种运输方式的单位运费，cijw,t为第t个时序从规划区域处第i个城市到第j个港口选择第w种运输方式的单位运费，ckjw,t为第t个时序从规划区域处第k个内陆中转站到第j个港口选择第w种运输方式的单位运费，cik为规划区域处第k个内陆中转站的单位操作费用，cpj为规划区域处第j个港口的单位操作费用，xikw,t为第t个时序从规划区域处第i个城市到第k个内陆中转站选择第w种运输方式的内陆中转量，xkjw,t为第t个时序内陆中转量从规划区域处第k内陆中转站到第j个港口选择第w种运输方式的运量，ykjw,t为第t个时序规划区域处第k个内陆中转站到第j个港口选择第w种运输方式的内陆中转量城市产生的货流量，zijw,t为第t个时序从规划区域处第i个城市到第j个港口选择第w种运输方式的直达运量，a为规划区域处城市总数量，b为规划区域处内陆中转站总数量，c为规划区域处港口总数量，n为规划区域处运输方式总数量，i，j，k和w分别为计数变量，e1为第t个时序规划区域处各个城市到各个内陆中转站选择各种运输方式的运输成本总和，e2为第t个时序规划区域处各个内陆中转站到各个港口选择各种运输方式的运输成本总和，e3为第t个时序规划区域处各个城市到各个港口选择各种运输方式的运输成本总和，e4为第t个时序各个内陆中转站的操作成本总和，e5为第t个时序各个港口的操作成本总和；

33、最小化规划区域处集疏运成本作为规划区域处集疏运优化模型，所述规划区域处集疏运优化模型的模型表达式为：

34、ft＝min(e)；

35、其中，ft为第t个时序规划区域处集疏运优化模型的函数值，min为最小化运算符，e为第t个时序规划区域处集疏运成本。

36、作为本发明的一种优选方案，所述构建规划区域处集疏运优化模型的约束条件，包括：

37、基于规划区域处集疏运的运力约束，以及港口与内陆中转站的操作能力的约束构建出规划区域处集疏运优化模型的约束条件，其中，

38、所述约束条件的函数表达式为：

39、

40、

41、

42、

43、xikw,t≤nikw,t*mw；

44、xkjw,t+ykjw,t≤nkjw,t*mw；

45、zijw,t≤nijw,t*mw；

46、式中，i∈a，j∈c，k∈b，w∈w，xikw,t≥0，xkjw,t≥0，ykjw,t≥0，zijw,t≥0，oi,t为第t个时序规划区域处第i个城市的货流量，mw为第w中运输方式中运载工具允许的单位运量，nikw,t为第t个时序从规划区域处第i个城市到第k个内陆中转站选择第w种运输方式的运载工具数量，nijw,t为第t个时序从规划区域处第i个城市到第j个港口选择第w种运输方式的运载工具数量，nkjw,t为第t个时序从规划区域处第k个内陆中转站到第j个港口选择第w种运输方式的运载工具数量，dk为第k个内陆中转站的操作能力，dj为第j个港口的操作能力。

47、作为本发明的一种优选方案，所述基于约束条件求解出规划区域处集疏运优化模型得到规划区域处集疏运货流分配的规划结果，包括：

48、将货流量的可取值区间组合至约束条件中得到双向约束条件，利用搜索算法基于所述双向约束条件对规划区域处集疏运优化模型进行求解得到xikw,t，xkjw,t，ykjw,t和zijw,t作为规划区域处集疏运货流分配的规划结果，以实现求解得到的规划区域处集疏运货流分配的规划结果兼顾货流稳定性和货流确定性。

49、作为本发明的一种优选方案，所述决定性因素的数量大于等于1个，决定性因素由集疏运货流量的所有影响因素进行主成分筛选得到。

50、作为本发明的一种优选方案，所述集疏运货流量长期预测模型和集疏运货流量短期预测模型的输出项进行归一化处理。

51、作为本发明的一种优选方案，所述运输方式包括铁路运输、公路运输和水路运输。

52、本发明与现有技术相比较具有如下有益效果：

53、本发明利用集疏运货流量长期预测模型和集疏运货流量短期预测模型确定出货流量的可取值区间，基于货流量的可取值区间利用规划区域处集疏运成本最小化原则构建出规划区域处集疏运优化模型，构建规划区域处集疏运优化模型的约束条件，基于约束条件求解出规划区域处集疏运优化模型得到规划区域处集疏运货流分配的规划结果，实现求解得到的规划区域处集疏运货流分配的规划结果兼顾货流稳定性和货流确定性。