一种基于物联网与大数据智能分析的港口运营优化方法与流程

本技术涉及港口运营、大数据处理及物联网，特别是涉及一种基于物联网与大数据智能分析的港口运营优化方法。

背景技术：

1、随着全球贸易的不断发展，港口作为连接海运与陆运的重要枢纽，其运营效率和管理水平对整体物流链条具有重要影响。然而，传统港口运营过程中存在诸多问题，如资源调度不合理、数据采集准确性低、业务环节优化效果差等，这些问题限制了港口运营效能的进一步提升，因此，亟需一种基于物联网与大数据智能分析的港口运营优化方法，提高港口运营效率，确保港口运营的流畅进行。

技术实现思路

1、为解决上述技术问题，本技术提供了一种基于物联网与大数据智能分析的港口运营优化方法，通过采集港口运营过程中的各类数据并进行特征挖掘和分析，确定预测待优化环节和预测待优化数据，确定相应的第一预测优化策略并仿真模拟，得到仿真优化系数，对第一预测优化策略进行修正得到第二预测优化策略，根据第二预测优化策略以及优化优先顺序生成港口运营优化策略，提高港口运营效率。

2、本技术的一些实施例中，提供了一种基于物联网与大数据智能分析的港口运营优化方法，包括：

3、基于物联网网关采集当前监测节点的港口运营过程中的各类数据，对各类数据进行预处理，根据预处理后的各类数据构建标准数据集；

4、对标准数据集中的数据进行特征挖掘和分析，根据特征挖掘和分析结果确定当前监测节点的预测待优化环节以及预测待优化数据，并结合预设优化模型生成对应预测待优化环节的第一预测优化策略；

5、对第一预测优化策略进行仿真模拟，根据仿真模拟结果生成仿真优化系数，根据仿真优化系数判断是否对第一预测优化策略进行修正，若是，得到第二预测优化策略；

6、判断多个预测待优化环节的第二预测优化策略是否存在冲突，若存在，计算优先系数，根据优先系数以及第二预测优化策略生成港口运营优化策略。

7、在本技术的一些实施例中，根据预处理后的各类数据构建标准数据集，包括：

8、获取当前监测周期中的港口运营业务，将每个港口运营业务划分为多个运营环节；

9、对各类数据进行预处理，所述预处理包括时间单位统一化、去除异常值、填补缺失值以及数据清洗处理；

10、获取预处理后的各类数据的数据来源以及数据属性，根据数据来源以及数据属性对各类数据进行分类，得到不同运营环节的内部数据和外部数据；

11、根据多个运营环节的内部数据和外部数据构建标准数据集。

12、在本技术的一些实施例中，根据特征挖掘和分析结果确定当前监测节点的预测待优化环节以及预测待优化数据，包括：

13、预先设定每个运营环节的多个评价指标；

14、获取标准数据集中的每个内部数据和外部数据的历史监测日志，获取每个内部数据和外部数据在历史监测日志中的历史变化特征，并评估历史变化特征与对应运营环节的多个评价指标的历史评价值的关联程度；

15、将关联程度大于预设第一关联程度阈值的内部数据设定为对应评价指标的内部关联数据；

16、将关联程度大于预设第二关联程度阈值的外部数据设定为对应评价指标的外部关联数据；

17、获取每个运营环节的需求信息，所述需求信息包括标准时间节点以及满足需求的若干标准数据；

18、根据同一运营环节的全部评价指标的内部关联数据和外部关联数据在当前监测周期的实际变化特征，并结合历史变化特征，生成对应内部关联数据和外部关联数据在标准时间节点前的预测变化特征；

19、根据预测变化特征以及当前监测节点的内部关联数据和外部关联数据生成标准时间节点处的预测内部关联数据和预测外部关联数据；

20、将预测内部关联数据和预测外部关联数据分别与对应的标准数据进行对比，得到预测内部关联数据与对应的标准数据的第一数据差值以及预测外部关联数据与对应的标准数据的第二数据差值；

21、根据多个第一数据差值和第二数据差值生成对应运营环节的预测运营状况系数；

22、预先设定运行状况系数阈值；

23、若预测运营状况系数小于运行状况系数阈值，将对应的运营环节设定为预测待优化环节；

24、将预测待优化环节中的第一数据差值大于预设差值阈值的内部关联数据以及第二数据差值大于预设差值阈值的外部关联数据设定为预测待优化数据。

25、在本技术的一些实施例中，根据多个第一数据差值和第二数据差值生成对应运营环节的预测运营状况系数，包括：

26、对每个运营环节中的同一评价指标的预测内部关联数据对应的第一数据差值进行综合分析，筛选出第一数据差值大于预设差值阈值的预测内部关联数据；

27、对运营环节中的同一评价指标的预测外部关联数据对应的第二数据差值进行综合分析，筛选出第二数据差值大于预设差值阈值的预测外部关联数据；

28、根据筛选出的预测内部关联数据和预测外部关联数据生成对应评价指标在标准时间节点处的预测差异系数；

29、所述预测差异系数的计算公式为：

30、；

31、其中，y为预测差异系数，y0为差异转换系数，x1为第一权重系数，n1为筛选出的预测内部关联数据的个数，n1为当前评价指标的预测内部关联数据的总个数，为第i个第一数据差值大于预设差值阈值的数值，d1i为第i个预测内部关联数据的权重系数，x2为第二权重系数，n2为筛选出的预测外部关联数据的个数，n2为当前评价指标的预测外部关联数据的总个数，为第s个第二数据差值大于预设差值阈值的数值，d2s为第s个预测外部关联数据的权重系数；

32、根据每个运营环节中的全部评价指标在标准时间节点处的预测差异系数生成对应运营环节的预测运营状况系数；

33、所述预测运营状况系数的计算公式为：

34、；

35、其中，y2为预测运营状况系数，y2为运营状况转换系数，m为当前运营环节的评价指标的总个数，y1v为第v个评价指标的预测差异系数，bv为第v个评价指标的权重系数。

36、在本技术的一些实施例中，对第一预测优化策略进行仿真模拟，包括：

37、基于预测待优化环节的历史优化日志构建对应预测待优化环节的预设优化模型；

38、将每个预测待优化环节的预测待优化数据输入至对应的预设优化模型中，得到对应预测待优化环节的第一预测优化策略；

39、确定预测待优化环节所涉及设备的位置信息和结构信息，并对预设的全景地图进行位置锁定，根据锁定的位置信息生成对应预测待优化环节的静态模拟场景；

40、获取预测待优化环节的第一预测优化策略的多个动态节点；

41、根据预测待优化环节的内部关联数据和外部关联数据的依赖关系，建立内部关联数据和外部关联数据在每个动态节点下的动态依赖特征；

42、根据所涉及设备间的运行关系建立对应设备在每个动态节点下的动态运行特征；

43、根据多个相同动态节点下的动态依赖关系以及动态运行关系与所述静态模拟场景建立位置联系，构建得到对应预测待优化环节的第一预测优化策略的仿真模型。

44、在本技术的一些实施例中，根据仿真模拟结果生成仿真优化系数，包括：

45、预先设定预测待优化环节的第一预测优化策略的检验时长，根据预设时间间隔设定数据采集节点；

46、按照数据采集节点采集对应仿真模型中的仿真内部关联数据和仿真外部关联数据，并映射到对应的检验时长中，得到仿真数据变化曲线图，所述仿真数据变化曲线图包括多个预测待优化数据的第一仿真数据变化曲线和预测数据的第二仿真数据变化曲线；

47、将预测待优化环节中的多个标准数据生成标准数据线，并映射到对应的仿真数据变化曲线图中，将标准数据线与对应的第一仿真数据变化曲线进行对比，判断第一仿真数据变化曲线与对应的标准数据线在检验时长内是否存在交点；

48、若存在，根据存在交点的初始时间节点确定仿真优化时段；

49、若不存在，获取对应第一仿真数据变化曲线的仿真数据变化趋势，根据仿真数据变化趋势进行趋势外推，直至与对应的标准数据线存在交点，得到存在交点的预测时间节点，并确定预测仿真优化时段；

50、根据仿真优化时段以及预测仿真优化时段生成第一预测优化策略对于预测待优化数据的第一仿真优化系数；

51、获取第二仿真数据变化曲线的仿真数据变化趋势，确定仿真数据变化趋势与对应的标准数据线的距离关系，所述距离关系包括接近关系和远离关系；

52、当为远离关系时，计算对应第二仿真数据变化曲线的预测数据与对应的标准数据线的数据差异均值；

53、当为接近关系时，计算对应第二仿真数据变化曲线的仿真数据变化趋势与对应的标准数据线的预测接近程度，并与未优化前的实际接近程度进行对比，得到接近程度差值；

54、根据数据差异均值以及接近程度差值生成第二预测优化策略对于剩余预测数据的第二仿真优化系数；

55、根据预测待优化环节的第二预测优化策略的预测优化成本生成补偿系数；

56、根据第一仿真优化系数、第二仿真优化系数以及补偿系数生成仿真优化系数；

57、预先设定仿真优化系数阈值；

58、若仿真优化系数小于仿真优化系数阈值，生成对应第一预测优化策略的修正指令。

59、在本技术的一些实施例中，所述第一仿真优化系数的计算公式为：

60、；

61、其中，h1为第一仿真优化系数，h1为仿真优化时段的仿真优化转换系数，u1为当前预测待优化环节中在检验时长内存在交点的预测待优化数据的个数，t0为检验时长，为第z1个预测待优化数据的仿真优化时段，为第z1个预测待优化数据的权重系数，h2为预测仿真优化时段的仿真优化转换系数，u2为当前预测待优化环节中在检验时长内不存在交点的预测待优化数据的个数，为第z2个预测待优化数据的预测仿真优化时段，为第z2个预测待优化数据的权重系数；

62、所述第二仿真优化系数的计算公式为：

63、；

64、其中，h2为第二仿真优化系数，h3为预测数据的接近程度差值的仿真优化转换系数，u3为接近关系的预测数据的个数，为第z3个预测数据的接近程度差值，为第z3个预测数据的权重系数，h4为预测数据的数据差异均值的仿真优化转换系数，u3为远离关系的预测数据的个数，为第z4个预测数据的数据差异均值，为第z4个预测数据的权重系数；

65、所述仿真优化系数的计算公式为：

66、；

67、其中，h0为仿真优化系数，f0为补偿系数，f1为第一仿真优化系数的权重系数，f2为第二仿真优化系数的权重系数。

68、在本技术的一些实施例中，判断多个预测待优化环节的第二预测优化策略是否存在冲突，包括：

69、获取当前监测节点的全部预测待优化环节的第二预测优化策略，提取每个第二预测优化策略的优化目标、优化时段以及优化约束条件；

70、对不同的第二预测优化策略的优化目标、优化时段以及优化约束条件进行冲突分析，得到存在冲突的第二预测优化策略以及第二预测优化策略的预测待优化环节。

71、在本技术的一些实施例中，若存在，计算优先系数，包括：

72、获取存在冲突的每个预测待优化环节，并随机选定一个预测待优化环节为目标环节；

73、获取目标环节的历史评价日志，根据历史评价日志得到目标环节的多个历史综合评价值，并计算历史综合评价值差值；

74、筛选出差值递增的历史综合评价值差值，并构建目标环节的历史综合评价值差值序列；

75、根据历史综合评价值差值序列中的多个历史评价节点确定对应的相邻预设时间节点，并按照相邻预设时间节点获取其他运营环节的历史综合评价值；

76、按照目标环节的历史综合评价值差值序列的历史评价节点的时间顺序构建其他运营环节相应时间节点的历史综合评价值差值序列；

77、计算每个运营环节的历史综合评价值差值序列与目标环节的历史综合评价值差值序列的序列相似性，若序列相似性大于预设相似性阈值，则确定对应运营环节为目标环节的关联环节，并计算关联环节与目标环节的关联系数；

78、根据关联环节的个数、关联系数以及对应关联环节的权重系数生成目标环节的优先系数；

79、依次生成存在冲突的每个预测待优化环节的优先系数。

80、在本技术的一些实施例中，根据优先系数以及第二预测优化策略生成港口运营优化策略，包括：

81、根据存在冲突的预测待优化环节的优先系数设定对应的第二预测优化策略的优化顺序；

82、根据优化顺序以及预测待优化环节的第二预测优化策略生成当前监测节点的港口运营优化策略。

83、本技术实施例的一种基于物联网与大数据智能分析的港口运营优化方法，与现有技术相比，其有益效果在于：

84、通过采集港口运营过程中的各类数据并进行特征挖掘和分析，确定预测待优化环节和预测待优化数据，确定相应的第一预测优化策略并仿真模拟，得到仿真优化系数，对第一预测优化策略进行修正得到第二预测优化策略，根据第二预测优化策略以及优化优先顺序生成港口运营优化策略，提高港口运营效率。