田茂金 孟燕萍 張亞琦 林國(guó)龍

(上海海事大學(xué)物流研究中心 上海 201306)

?

考慮客戶滿意度的災(zāi)后多港口泊位聯(lián)合應(yīng)急調(diào)度模型

田茂金 孟燕萍 張亞琦 林國(guó)龍

(上海海事大學(xué)物流研究中心 上海 201306)

隨著經(jīng)濟(jì)的飛速發(fā)展，港口在經(jīng)濟(jì)活動(dòng)中扮演的角色也變得越來(lái)越重要，近些年全國(guó)各地發(fā)生很多港口突發(fā)事件，使港口正常作業(yè)受到了嚴(yán)重的影響，對(duì)港口群的災(zāi)后應(yīng)急調(diào)度也提出了新的挑戰(zhàn)。針對(duì)港口事件的突發(fā)性特點(diǎn)和港務(wù)集團(tuán)港口的網(wǎng)絡(luò)集群特點(diǎn)，建立了以調(diào)度成本最小，船舶調(diào)度時(shí)間最短為目標(biāo)的多目標(biāo)優(yōu)化模型。根據(jù)模型設(shè)定兩個(gè)調(diào)度方案，應(yīng)用遺傳算法對(duì)方案進(jìn)行求解，結(jié)合實(shí)際算例對(duì)模型和算法的有效性進(jìn)行驗(yàn)證，并結(jié)合客戶滿意度指數(shù)選擇最優(yōu)方案。此模型能夠從不同的方案中選擇最佳方案，從而提高港口群的競(jìng)爭(zhēng)優(yōu)勢(shì)，更符合港口發(fā)展的長(zhǎng)遠(yuǎn)利益。

突發(fā)事件 聯(lián)合應(yīng)急調(diào)度 客戶滿意度

0 引 言

港口作為國(guó)際運(yùn)輸中的關(guān)鍵環(huán)節(jié)，在經(jīng)濟(jì)活動(dòng)中起著關(guān)鍵作用。近些年，港口運(yùn)作中的一些突發(fā)事件對(duì)經(jīng)濟(jì)活動(dòng)的正常運(yùn)作起到了非常大的影響，如2010年印度孟買附近海域兩艘貨輪相撞，導(dǎo)致原油泄漏，造成尼赫魯港關(guān)閉三天，海運(yùn)價(jià)格上漲。2014年比利時(shí)全國(guó)大罷工，導(dǎo)致包括安特衛(wèi)普、根特等港口的商業(yè)航運(yùn)服務(wù)中斷。2015年8月13日天津港特別重大火災(zāi)爆炸，事故造成165人遇難，港口暫停服務(wù)，“危險(xiǎn)品”船舶和供油船舶等暫時(shí)禁航。隨著我國(guó)港口向第四代港口轉(zhuǎn)變，我國(guó)港口進(jìn)入一個(gè)新的發(fā)展階段，港口間的競(jìng)爭(zhēng)也將體現(xiàn)為港口群之間的競(jìng)爭(zhēng)。突發(fā)事件產(chǎn)生之后需要盡快采取相應(yīng)措施減弱事件對(duì)正常經(jīng)濟(jì)活動(dòng)產(chǎn)生的影響，因此對(duì)港口應(yīng)急物流的研究也具有相當(dāng)重要的現(xiàn)實(shí)意義。

隨著研究學(xué)者對(duì)應(yīng)急物流的廣泛研究，港口應(yīng)急物流開(kāi)始受到國(guó)內(nèi)外學(xué)者的重視。有些學(xué)者認(rèn)為港口應(yīng)急物流一般是由幾種常見(jiàn)的情況引起的，一是由于地震、臺(tái)風(fēng)、海嘯等自然災(zāi)害引起的港口應(yīng)急物流；二是由于輪船觸礁、污染物泄漏等事故原因引起的港口應(yīng)急物流；三是疫情、食品安全等公共原因引起的港口應(yīng)急物流；四是恐怖襲擊事件、經(jīng)濟(jì)安全事件等社會(huì)安全原因引起的港口應(yīng)急物流[1-5]。郭亞飛等[6]認(rèn)為港口應(yīng)急物流產(chǎn)生的主要原因是由臺(tái)風(fēng)、海嘯、颶風(fēng)、水災(zāi)、輪船觸礁、污染物泄漏、進(jìn)出口物資數(shù)量劇變和海上戰(zhàn)爭(zhēng)等。港口應(yīng)急物流又具有以下特點(diǎn)，一是張江華[7]提到的具有快速反應(yīng)性、一次性和臨時(shí)性、開(kāi)放性和擴(kuò)展性、非常規(guī)性以及需求的隨機(jī)性等特點(diǎn)；二是楊賀等[1]提到的具有突發(fā)性、弱經(jīng)濟(jì)性、不確定性和非常規(guī)性等特點(diǎn)。通過(guò)研究應(yīng)急物流的研究，在很大程度上能夠降低突發(fā)事件造成的負(fù)面影響，減少損失。

近些年對(duì)港口應(yīng)急物流的研究主要集中于針對(duì)港口突發(fā)事件的風(fēng)險(xiǎn)評(píng)估。針對(duì)溢油大霧等突發(fā)事件，陳國(guó)標(biāo)等[8]從思想素質(zhì)、業(yè)務(wù)能力、心理狀況等各方面進(jìn)行綜合層次分析，進(jìn)行量化評(píng)估，提出了評(píng)估體系和科學(xué)性建議；馬會(huì)等[9]利用灰色系統(tǒng)的統(tǒng)計(jì)方法對(duì)港口航道操船環(huán)境的危險(xiǎn)度進(jìn)行了研究；賴強(qiáng)等[10-11]采用系統(tǒng)灰色理論和方法對(duì)港口危險(xiǎn)度進(jìn)行了研究。Wangsd等[12]通過(guò)三位數(shù)值模擬石油泄漏對(duì)海洋運(yùn)輸?shù)挠绊懀籆hengyc等[13]利用SAR觀測(cè)模型來(lái)跟蹤研究沿海水域的溢油水平；Sebastiaop等[14]對(duì)公海溢油軌跡的不確定性進(jìn)行了研究。Paul[15]等建立反映港口資源隨災(zāi)難演化過(guò)程變化的仿真模型，并證明了港口網(wǎng)絡(luò)中多港口協(xié)調(diào)應(yīng)急調(diào)度的有效性。Mokhta等[16]采用模糊集合理論描述和評(píng)估港口和碼頭營(yíng)運(yùn)和管理相關(guān)的風(fēng)險(xiǎn)因素，建立了可以應(yīng)用于不同災(zāi)難場(chǎng)景的通用型風(fēng)險(xiǎn)評(píng)估模型。Ye[17]等利用系統(tǒng)動(dòng)力學(xué)方法對(duì)港口的安全水平對(duì)港口集裝箱吞吐量的影響進(jìn)行了仿真，并利用仿真結(jié)果進(jìn)行了分析和預(yù)測(cè)。

為了提高港口遭遇突發(fā)事件時(shí)的可操作性，最大限度地降低突發(fā)事件所帶來(lái)的損失，李學(xué)工等[18]利用供應(yīng)鏈模型協(xié)調(diào)應(yīng)對(duì)突發(fā)事件進(jìn)行分析，提出了港口應(yīng)急物流供應(yīng)鏈模型；汪春鵬等[19]綜合考慮港口物流網(wǎng)絡(luò)系統(tǒng)中各方?jīng)Q策偏好，提出了基于樞紐港口服務(wù)中斷背景下的多港資源協(xié)調(diào)調(diào)度的多目標(biāo)線性規(guī)劃模型。

在港口遭遇突發(fā)事件時(shí)，港口之間的資源協(xié)調(diào)調(diào)度可以大幅降低突發(fā)事件對(duì)受災(zāi)港口的生產(chǎn)影響，降低損失。對(duì)港口之間的協(xié)調(diào)調(diào)度，畢婭等[20]建立了集裝箱港口集群下多港口多泊位聯(lián)合調(diào)度的多目標(biāo)非線性決策模型，并按照模型決策空間所具有的特殊條件，設(shè)計(jì)了改進(jìn)的遺傳啟發(fā)式算法，設(shè)計(jì)了改進(jìn)的遺傳啟發(fā)式算法，使得船舶靠泊成本大幅降低，港口利用率大幅提高。徐煒勇等[21]采用雙層規(guī)劃模型描述區(qū)域內(nèi)各港口間的協(xié)調(diào)優(yōu)化問(wèn)題，引入效用函數(shù)使所付費(fèi)用滿足服務(wù)需求，采用MATLAB求出最優(yōu)解。畢婭等[20]在考慮到港離港事件、滿空箱量、泊位噸數(shù)等因素下，設(shè)計(jì)了重慶港多港口集裝系那個(gè)碼頭聯(lián)動(dòng)調(diào)度的原則和策略，建立了聯(lián)動(dòng)調(diào)度的數(shù)學(xué)模型。

綜上所述，國(guó)內(nèi)學(xué)者對(duì)港口災(zāi)后應(yīng)急物流的研究主要集中在港口突發(fā)事件的風(fēng)險(xiǎn)評(píng)估，應(yīng)急預(yù)案，對(duì)港口災(zāi)后應(yīng)急物流的可操作性研究相對(duì)較少。在港口發(fā)生突發(fā)事件時(shí)，港口群之間的資源協(xié)調(diào)調(diào)度對(duì)降低突發(fā)事件影響，減少損失是最有效的。以天津港為例，爆炸發(fā)生后部分船舶禁航，海事部門啟動(dòng)緊急預(yù)案，保證港口通航秩序。在船舶調(diào)度中，因?yàn)榇斑\(yùn)載貨物不同，如危險(xiǎn)化學(xué)品等船舶需要盡快調(diào)離，或者由于生產(chǎn)作業(yè)需要的特殊性等原因而要求優(yōu)先調(diào)度，如果不能及時(shí)處理客戶的特殊要求，將會(huì)對(duì)港口服務(wù)的質(zhì)量產(chǎn)生很大影響，降低客戶對(duì)港口服務(wù)的滿意度，這在港口災(zāi)后應(yīng)急物流的研究中未涉及。本文以港口遭受突發(fā)事件，港口服務(wù)中斷為背景，針對(duì)突發(fā)事件的緊急性，港口集群的特征，提出了基于考慮客戶滿意度的港口集群資源協(xié)調(diào)調(diào)度的多目標(biāo)線性優(yōu)化模型，以最小化船舶調(diào)度成本和船舶在崗等待時(shí)間為目標(biāo)，對(duì)目標(biāo)進(jìn)行無(wú)量綱化處理，提出應(yīng)急調(diào)度的兩個(gè)方案，對(duì)調(diào)度結(jié)果產(chǎn)生的客戶滿意度進(jìn)行比較，最終選擇出最佳調(diào)度方案。

1 問(wèn)題描述與模型建立

1.1 問(wèn)題描述

港口突發(fā)事件能夠使港口正在執(zhí)行的操作發(fā)生緊急改變，對(duì)港口正常作業(yè)產(chǎn)生非常大的影響，因此必須要采取相應(yīng)的應(yīng)急措施來(lái)處理危機(jī)，減弱突發(fā)事件對(duì)港口作業(yè)產(chǎn)生的影響。由于港口泊位以及船舶航行的復(fù)雜性特點(diǎn)，如何在保障港口、船舶以及船員的利益，又能夠在最小的成本下盡量使客戶滿意度達(dá)到最大，是提高港口群綜合競(jìng)爭(zhēng)力的重要問(wèn)題，這對(duì)港口災(zāi)后的應(yīng)急方案提出了相當(dāng)高的要求，因此對(duì)港口災(zāi)后應(yīng)急的研究也就非常有現(xiàn)實(shí)價(jià)值。

本文研究背景基于由多個(gè)港口組成的某港口群，各港口有若干泊位，每個(gè)泊位的通貨能力根據(jù)其大小不同而不同。已知未來(lái)一段時(shí)間內(nèi)到達(dá)港口船舶的時(shí)間，船舶長(zhǎng)度、船舶的吃水深度、載貨量以及港口泊位的深度，長(zhǎng)度以及容量。在某一港口遭受突發(fā)事件的影響，無(wú)法進(jìn)行正常的裝卸任務(wù)時(shí)，對(duì)到港船舶進(jìn)行調(diào)度。模型以調(diào)度成本最小、船舶總調(diào)度時(shí)間最短為目標(biāo)，通過(guò)對(duì)多目標(biāo)的無(wú)量綱化處理并引入權(quán)重指數(shù)建立一個(gè)單目標(biāo)優(yōu)化模型，并對(duì)模型進(jìn)行規(guī)劃求解。根據(jù)調(diào)度各方對(duì)調(diào)度成本以及調(diào)度時(shí)間的側(cè)重點(diǎn)不同，設(shè)置兩組權(quán)重指數(shù)產(chǎn)生偏重成本最小與偏重調(diào)度時(shí)間最短的兩個(gè)調(diào)度方案。最后對(duì)比兩個(gè)調(diào)度方案結(jié)果的客戶滿意度，選出最佳調(diào)度方案?？蛻魸M意度是根據(jù)船舶所運(yùn)載貨物和港口對(duì)船公司的打分以及船公司對(duì)港口經(jīng)營(yíng)的所占比重進(jìn)行量化，客戶滿意度指數(shù)根據(jù)船舶接受服務(wù)的時(shí)間點(diǎn)與滿意時(shí)間點(diǎn)、可接受時(shí)間點(diǎn)的差值和每艘船舶所屬船公司對(duì)港口經(jīng)營(yíng)的重要性根據(jù)調(diào)查得出的權(quán)重指數(shù)等綜合因素求得。再用實(shí)際案例對(duì)模型進(jìn)行驗(yàn)證，說(shuō)明模型的穩(wěn)定性以及對(duì)港口的指導(dǎo)性作用[22]。

1.2 模型建立

在多港口多泊位的聯(lián)合調(diào)度中，由于現(xiàn)實(shí)條件的復(fù)雜性，本文在考慮港口群與船公司利益的情況下，建立了以綜合調(diào)度成本與調(diào)度時(shí)間最短為目標(biāo)的多目標(biāo)調(diào)度模型，船舶服從先到先服務(wù)原則。最后對(duì)多目標(biāo)進(jìn)行無(wú)量綱化處理并建立一個(gè)單目標(biāo)規(guī)劃模型。

1.2.1 模型假設(shè)

(1) 泊位是離散的；(2) 整個(gè)聯(lián)合調(diào)度過(guò)程包括一個(gè)起始港口和若干目標(biāo)港口，船舶從接受調(diào)度任務(wù)時(shí)的位置開(kāi)始，到目標(biāo)港口，完成貨物配送止；(3) 假設(shè)船舶航行成本根據(jù)船大小不同而不同，且每艘船的單位航行成本已知；(4) 假設(shè)港口聯(lián)合調(diào)度的配送貨物均為集裝箱配送；(5) 港口每臺(tái)岸邊集裝箱起重機(jī)裝卸效率相同，每40米放置一臺(tái)集裝箱起重機(jī)，不考慮起重機(jī)的調(diào)度；(6) 不考慮集裝箱空箱情況，假設(shè)岸邊起重機(jī)裝卸效率為35箱/h；(7) 受災(zāi)港口以及目標(biāo)港口的坐標(biāo)已知；(8) 船舶期望?？康母劭跒槟軌虮M快交貨且貨運(yùn)成本最低的港口；(9) 不考慮船舶航行過(guò)程中天氣影響；(10) 不考慮集裝箱從港口運(yùn)輸?shù)娇蛻簟?/p>

1.2.2 符號(hào)說(shuō)明

本文用g、i和j分別表示港口，泊位以及船舶的位置?g∈G=(1,2,…,n)，?i∈I=(1,2,…,n)，?j∈J=(1,2,…,n)。G×I表示全部的港口泊位，Rg來(lái)表示港口的容量(TEU)；Tsj、Twj和Tkj分別表示船舶的航行時(shí)間、等待時(shí)間與卸貨時(shí)間，三者之和即為船舶總的調(diào)度時(shí)間；Taj和Tlj分別表示船j的到港時(shí)間和離港時(shí)間，兩者之差即為船舶的等待時(shí)間和卸貨時(shí)間；Dj和Lj分別表示船j的吃水深度與船長(zhǎng)；dgi表示船j在接到調(diào)度任務(wù)時(shí)到港口g泊位i的距離；Wgi和Hgi分別表示港口g泊位i的深度和長(zhǎng)度，這對(duì)即將靠泊的船舶形成一定的約束；Cj表示船j的單位航行成本；Csj、Cwj和Ckj分別表示船j的航行成本與等待成本和卸貨成本，其中停泊成本為Ct=2 000元/h；Ckg表示港口g的單位裝卸成本；Nj表示船j的集裝箱量；Fj和λj分別表示船j的客戶滿意度指數(shù)和權(quán)重，客戶滿意度權(quán)重根據(jù)港口對(duì)船公司打分得到；sj和ej分別表示船j的滿意服務(wù)時(shí)間點(diǎn)和可接受服務(wù)時(shí)間點(diǎn)。

1.2.3 模型建立

(1)

(2)

港口聯(lián)合應(yīng)急調(diào)度的優(yōu)化目標(biāo)有兩個(gè)：式(1)表示所有船舶總調(diào)度時(shí)間最短，包括船舶的航行時(shí)間、等待時(shí)間和卸貨時(shí)間；式(2)表示船公司接受調(diào)度后產(chǎn)生的綜合成本最低，調(diào)度成本包括航行成本、等待成本以及卸貨成本。

s.t

(3)

(4)

Twj=Tlj-Taj-Tkj≥0 j∈J

(5)

(6)

Csj=Cj·dj

(7)

Cwj=Ct·Twj

(8)

Ckj=Ckg·Nj

(9)

(10)

(11)

(12)

(Hgi-Lj)·xgijp≥0 ?(g,i,j,p)∈G×I×J×P

(13)

(14)

式(3)表示每個(gè)港口上的每個(gè)泊位任意一個(gè)停泊次序最多?？?艘船；式(4)表示所有船舶僅靠泊一次，接受一次服務(wù)；式(5)限制所有船舶在港口等待時(shí)間不小于0；式(6)表示船j卸貨所用時(shí)間，其中35為岸邊起重機(jī)平均作業(yè)速度為35 TEU/h，40為每40米放置一臺(tái)岸邊起重機(jī)，卸貨時(shí)間由船舶所載貨量和岸邊起重機(jī)總的作業(yè)效率決定；式(7)表示船j的航行成本，航行成本為單位航行成本乘以船舶到所要進(jìn)行服務(wù)的港口的距離；式(8)和式(9)分別表示船j在港等待成本和卸貨成本；式(10)表示在同一泊位相繼進(jìn)行服務(wù)的兩串時(shí)間約束的有效性；式(11)表示同一泊位，必須是前一艘船離開(kāi)之后，后一艘船才開(kāi)始接受服務(wù)；式(12)、式(13)是港口泊位對(duì)所?？看暗囊粋€(gè)約束條件，即停在g港口i泊位的船j的長(zhǎng)度和池水深度必須滿足所要?？康牟次坏臈l件；式(14)是對(duì)港口容量的限制，即到港口g接受服務(wù)的船舶的總載貨量不能超過(guò)港口的容量。

1.2.4 客戶滿意度指數(shù)

(15)

(16)

式(15)表示客戶滿意度最高，由客戶滿意度權(quán)重和每艘船的客戶滿意度指數(shù)決定。

式(16)是從船舶接受服務(wù)的時(shí)間入手，形成可衡量的客戶滿意度評(píng)價(jià)體系。

1.2.5 多目標(biāo)模型的優(yōu)化

用極差法對(duì)調(diào)度成本與調(diào)度時(shí)間進(jìn)行無(wú)量綱化處理，其公式為[23]：

C′、T′分別為C、T經(jīng)上述方法處理后的子目標(biāo)函數(shù)。根據(jù)調(diào)度各方對(duì)各目標(biāo)的側(cè)重性不同進(jìn)行線性加權(quán)處理，設(shè)權(quán)重向量M=(μ，σ)，且μ+σ=1，μ,σ∈[0,1],V=μC′+σT′。

方案一設(shè)置調(diào)度成本與調(diào)度時(shí)間的權(quán)重向量M=(0.7，0.3)，因此得到最小化調(diào)度成本與調(diào)度時(shí)間模型的綜合目標(biāo)函數(shù)為:

minV|V=0.7C′+0.3T′

(17)

方案二設(shè)置調(diào)度成本與調(diào)度時(shí)間的權(quán)重向量M=(0.3，0.7)，因此得到最小化調(diào)度成本與調(diào)度時(shí)間模型的綜合目標(biāo)函數(shù)為:

minV|V=0.3C′+0.7T′

(18)

2 算法設(shè)計(jì)

2.1 編 碼

針對(duì)本文離散型的調(diào)度系統(tǒng)，采用整數(shù)排列編碼。整數(shù)排列編碼就是以整數(shù)的排列構(gòu)成問(wèn)題解的染色體的編碼形式，根據(jù)整數(shù)是否允許重復(fù)，可以分為順序編碼，和非順序編碼，這種編碼方法尤其適用于組合優(yōu)化問(wèn)題。如圖1所示。例如，對(duì)于10個(gè)城市的旅行商問(wèn)題，城市序號(hào)為[0,1,2,…,9]，則[3 2 1 5 4 0 7 6 9 8]就可以表示一條行走的路線，即問(wèn)題的解。

圖1 染色體編碼示意圖

由于該問(wèn)題是船只——泊位分配問(wèn)題，所以船舶編號(hào)不能重復(fù)出現(xiàn)，假設(shè)共有N艘集裝箱船舶，共有G個(gè)港口，共有P個(gè)泊位，于是，可以根據(jù)表1構(gòu)造出該問(wèn)題的染色體。

表1 整數(shù)編碼

2.2 交 叉

本文采用1990年Syswerda提出的基于位置的交叉方法(PX:Position-based Crossover)，這種交叉方法尤其適用于排列形式的染色體，具體過(guò)程如表2所示。

表2 基于位置的交叉(PX)

2.3 變 異

本文中的變異方法采用倒置變異，也就是在染色體上隨機(jī)選擇兩個(gè)位置，然后顛倒兩個(gè)位置間的基因序列，如圖2所示。

圖2 倒置變異示意圖

3 算例分析

為驗(yàn)證模型和算法的有效性、可行性以及穩(wěn)定性，設(shè)置一定的算例數(shù)據(jù)對(duì)模型以及算法進(jìn)行驗(yàn)證。以華東地區(qū)某港口群為例，港口群中各港口的距離均采取真實(shí)數(shù)據(jù)，船舶的單位航行成本因船型以及所載貨物不同而不同?？蛻魸M意度權(quán)重根據(jù)實(shí)際考察以及邀請(qǐng)港口負(fù)責(zé)人對(duì)船公司對(duì)港口作業(yè)時(shí)間以及服務(wù)質(zhì)量進(jìn)行打分來(lái)得到不同船公司的權(quán)重指標(biāo)。港口泊位的數(shù)量以及泊位類型和船舶到港時(shí)間以及載貨量等參數(shù)采用可行的隨機(jī)值。

為了比較方案一與方案二調(diào)度結(jié)果在調(diào)度成本、調(diào)度時(shí)間以及客戶滿意度的差異。使用MATLAB編寫(xiě)算法程序，設(shè)置交叉概率與變異概率分別為0.7與0.3，每次實(shí)驗(yàn)迭代次數(shù)為300進(jìn)行試驗(yàn)，分析比較試驗(yàn)結(jié)果。

本文數(shù)據(jù)在收集的港口真實(shí)數(shù)據(jù)的基礎(chǔ)上按一定比例進(jìn)行處理，表3為調(diào)度后的目標(biāo)港口信息，表4為中短時(shí)間內(nèi)港口群所有船舶信息，圖3為港口群各港口地理位置坐標(biāo)。

表3 某港口群各港口泊位情況

圖3 某港口群各港口地理位置坐標(biāo)

續(xù)表4

設(shè)定參數(shù)進(jìn)行試驗(yàn)，算例結(jié)果顯示：

1) 方案一最后一條船的離港時(shí)間為3月24日23點(diǎn)34分，調(diào)度的最小成本為1 123 350元，客戶滿意度為56.4%，20艘船?？康母劭诜謩e是3、1、2、1、3、3、3、1、1、3、1、2、2、1、3、2、1、2、3、1，如圖4所示。

圖4 方案一應(yīng)急調(diào)度結(jié)果

2) 方案二最后一條船的離港時(shí)間為3月24日11點(diǎn)56分，調(diào)度的最小成本為1 279 800元，客戶滿意度度84.6%，20艘船停靠的港口分別是2、2、3、2、3、3、3、1、1、2、1、3、1、1、1、2、1、3、2、1，如圖5所示。

圖5 方案二應(yīng)急調(diào)度結(jié)果

通過(guò)數(shù)據(jù)的對(duì)比發(fā)現(xiàn)，方案一相對(duì)于方案二具有調(diào)度成本的優(yōu)勢(shì)，但是調(diào)度時(shí)間相對(duì)較長(zhǎng)，兩個(gè)方案的調(diào)度結(jié)果顯示，方案二較方案一有較高的客戶滿意度，因此從港口經(jīng)營(yíng)的長(zhǎng)遠(yuǎn)角度出發(fā)，應(yīng)該選擇方案二。此應(yīng)急方案的選擇模型對(duì)港口的運(yùn)營(yíng)起到一定的指導(dǎo)作用，以犧牲少量的成本代價(jià)來(lái)大幅來(lái)提高客戶的滿意度，以此增加港口的綜合競(jìng)爭(zhēng)力。

為了進(jìn)一步檢驗(yàn)算法的穩(wěn)定性和比較客戶滿意度對(duì)港口調(diào)度結(jié)果的影響，設(shè)置了四組試驗(yàn)數(shù)據(jù)，通過(guò)重復(fù)試驗(yàn)求出遺傳算法下的最佳交叉概率與變異概率分別為0.7與0.3，并將其設(shè)置為遺傳算法的交叉概率與變異概率，對(duì)方案一和方案二采取四組數(shù)據(jù)進(jìn)行重復(fù)試驗(yàn)，并對(duì)兩個(gè)調(diào)度方案的調(diào)度結(jié)果所產(chǎn)生的調(diào)度成本、調(diào)度時(shí)間與客戶滿意度進(jìn)行比較，來(lái)對(duì)港口的應(yīng)急調(diào)度做出指導(dǎo)性建議。每個(gè)算例均采用5組不同的初始值，初始值均在根據(jù)實(shí)際情況在可行區(qū)間內(nèi)隨機(jī)取得。算例采用的數(shù)據(jù)如表5所示，試驗(yàn)結(jié)果如表6所示。

表5 隨機(jī)算例4組數(shù)據(jù)

表6 四組案例結(jié)果對(duì)比

從四組算例的結(jié)果和目標(biāo)函數(shù)的收斂性情況表明了模型算法的穩(wěn)定性。從結(jié)果對(duì)比來(lái)看，當(dāng)船舶和港口泊位數(shù)量較少時(shí)，兩個(gè)調(diào)度方案的應(yīng)急調(diào)度造成的調(diào)度成本以及船舶調(diào)度時(shí)間的差別并不明顯，客戶滿意度也沒(méi)有明顯的差異；隨著船舶數(shù)量和港口泊位的增多，方案一與方案二在成本和時(shí)間的有一定的差異，方案一具有成本優(yōu)勢(shì)，方案二具有調(diào)度時(shí)間上的優(yōu)勢(shì)，同時(shí)方案二在客戶滿意度方面較方案一具有較大優(yōu)勢(shì)。因此從港口與船公司長(zhǎng)期合作的角度，方案二為最佳調(diào)度方案。四組算例采用5組不同的初始值進(jìn)行驗(yàn)算，均能得到以上的結(jié)果。本算例的模型目標(biāo)函數(shù)實(shí)驗(yàn)結(jié)果以及收斂的情況均表明了模型的穩(wěn)定可靠，模型目標(biāo)的適應(yīng)度函數(shù)如圖6所示。

圖6 算法收斂情況

4 結(jié) 語(yǔ)

隨著國(guó)內(nèi)港口向第四代港口轉(zhuǎn)變，港口間的競(jìng)爭(zhēng)主要體現(xiàn)在港口群之間的競(jìng)爭(zhēng)，港口也由原先的單純依賴裝卸費(fèi)轉(zhuǎn)向?yàn)樘峁┤婀?yīng)鏈服務(wù)。近些年，國(guó)內(nèi)外學(xué)者對(duì)港口災(zāi)后應(yīng)急物流的研究變得越來(lái)越多，但是始終沒(méi)有考慮到客戶滿意度的應(yīng)影響因素。為提高自身競(jìng)爭(zhēng)力，建立考慮客戶滿意度的災(zāi)后應(yīng)急物流體系變得更加具有現(xiàn)實(shí)意義。

本文基于遺傳算法研究考慮客戶滿意度的災(zāi)后港口應(yīng)急物流體系，目標(biāo)是在應(yīng)急調(diào)度的優(yōu)選方案中通過(guò)考慮客戶滿意度，選出符合港口長(zhǎng)期發(fā)展的最優(yōu)方案。本文首先建立了以最小化調(diào)度成本和最小化船舶調(diào)度時(shí)間為目標(biāo)的多目標(biāo)優(yōu)化模型，通過(guò)無(wú)量綱化處理并設(shè)置權(quán)重指數(shù)得到單目標(biāo)優(yōu)化模型，使用遺傳算法對(duì)模型進(jìn)行求解，并通過(guò)幾組算例對(duì)模型進(jìn)行驗(yàn)證。模型既在考慮調(diào)度成本與調(diào)度時(shí)間情況下得到兩個(gè)調(diào)度方案，最后考慮調(diào)度方案的客戶滿意度來(lái)選擇最佳調(diào)度方案，調(diào)度方案符合港口長(zhǎng)期發(fā)展的目標(biāo)，具有現(xiàn)實(shí)意義。試驗(yàn)結(jié)果表明：以調(diào)度成本為重點(diǎn)考慮因素的方案雖然能夠降低調(diào)度成本，但是客戶滿意度較低，存在客戶流失的風(fēng)險(xiǎn)；以調(diào)度時(shí)間為重點(diǎn)考慮因素的調(diào)度方案，客戶滿意度較高，調(diào)度成本小幅增加。以犧牲部分利益為代價(jià)避免了客戶的流失，有利于提高港口群的競(jìng)爭(zhēng)優(yōu)勢(shì)，符合港務(wù)集團(tuán)的長(zhǎng)遠(yuǎn)利益。

在實(shí)際的應(yīng)用中，結(jié)合本模型以及港口作業(yè)實(shí)際情況，可以在本模型基礎(chǔ)上考慮不影響調(diào)度目的港口的生產(chǎn)作業(yè)情況，并根據(jù)受災(zāi)港口群的實(shí)際情況，對(duì)模型的參數(shù)以及各項(xiàng)指標(biāo)進(jìn)行修正，這樣可以增加港口災(zāi)后應(yīng)急物流系統(tǒng)的適用性，在災(zāi)后應(yīng)急級(jí)別小的情況下也更具有可行性。

[1] 李學(xué)工, 楊賀. 港口物流供應(yīng)鏈應(yīng)急管理機(jī)制[J]. 物流技術(shù), 2007, 26(8):172-174.

[2] Imai A， Nishimura E， Papadimitriou S.The dynamic berth allocation problem for a container port [J].Transportation Research Part B: Methodological，2001，35( 4) : 401-417．

[3] Imai A， Nishimura E， Papadimitriou S．Berth allocation with service priority [J]． Transportation Research Part B: Methodological，2003，37( 5) : 437-457.

[4] Imai A, Zhang J T, Nishimura E, et al. The Berth Allocation Problem with Service Time and Delay Time Objectives[J]. Maritime Economics & Logistics, 2007, 9(4):269-290.

[5] Imai A, Nishimura E, Hattori M, et al. Berth allocation at indented berths for mega-containerships[J]. European Journal of Operational Research, 2007, 179(2):579-593.

[6] 郭亞飛．港口應(yīng)急物流系統(tǒng)運(yùn)作預(yù)案及評(píng)價(jià)[D]．武漢：武漢理工大學(xué)，2011.

[7] 張江華. 我國(guó)港口應(yīng)急物流系統(tǒng)分析與構(gòu)建研究[J]. 現(xiàn)代管理科學(xué), 2009(8):59-61.

[8] 陳國(guó)標(biāo).船舶配員疲勞因素和安全的綜合評(píng)價(jià)[J].廣西交通科技，1998，23(4)：49-53.

[9] 馬會(huì)，吳兆麟.港口航道水域操船環(huán)境危險(xiǎn)度的綜合評(píng)價(jià)[J].大連海事大學(xué)學(xué)報(bào)，1998，24(3)：15-18 .

[10] 賴強(qiáng).水域危險(xiǎn)度的灰色評(píng)價(jià)及其在廣州港的應(yīng)用[D].大連:大連海事大學(xué)，2002.

[11] 高巖松.廈門港港口水域航道環(huán)境危險(xiǎn)度的分析與評(píng)價(jià)[D].大連:大連海事大學(xué)，2008:13-34.

[12] Wang S D, Shen Y M, Guo Y K, et al. Three-dimensional numerical simulation for transport of oil spills in seas[J]. Ocean Engineering, 2008, 35(5-6):503-510.

[13] Cheng Y, Li X, Xu Q, et al. SAR observation and model tracking of an oil spill event in coastal waters[J]. Marine Pollution Bulletin, 2011, 62(2):350-363.

[14] Sebasti?o P, Soares C G. Uncertainty in predictions of oil spill trajectories in open sea[J]. Ocean Engineering, 2007, 34(3):576-584.

[15] Paul J A, Maloni M J. Modeling the effects of port disasters[J]. Maritime Economics & Logistics, 2010, 12(2):127-146.

[16] Mokhtari K, Ren J, Roberts C, et al. Decision support framework for risk management on sea ports and terminals using fuzzy set theory and evidential reasoning approach[J]. Expert Systems with Applications An International Journal, 2012, 39(5):5087-5103.

[17] Yeo G T, Pak J Y, Yang Z. Analysis of dynamic effects on seaports adopting port security policy[J]. Transportation Research Part A Policy & Practice, 2013, 49(1):285-301.

[18] 李學(xué)工, 楊賀. 構(gòu)建我國(guó)港口聯(lián)動(dòng)型應(yīng)急物流體系[J]. 交通建設(shè)與管理, 2006(10):46-49.

[19] 汪春鵬, 林國(guó)龍, 孟燕萍. 港口服務(wù)中斷條件下應(yīng)急處置策略與多港協(xié)調(diào)機(jī)制研究[J]. 河南科學(xué), 2014, 32(3):455-460.

[20] 畢婭，李文峰．集裝箱港口集群下多港口多泊位聯(lián)合調(diào)度方法[J]．計(jì)算機(jī)應(yīng)用，2012，32(2)：448-451.

[21] 徐煒勇, 吳鳳平, 邱毓敏,等. 區(qū)域港口協(xié)調(diào)優(yōu)化模型研究[J]. 交通與運(yùn)輸:學(xué)術(shù)版, 2008(1):99-101.

[22] 汪傳旭, 蔣良奎. 區(qū)域多港口合作競(jìng)爭(zhēng)策略及其利潤(rùn)分配機(jī)制[J]. 上海海事大學(xué)學(xué)報(bào), 2009, 30(2):1-7.

[23] 趙銳, 胡雄, 何紅弟. 考慮客戶滿意度的網(wǎng)購(gòu)物流配送路徑優(yōu)化[J]. 上海海事大學(xué)學(xué)報(bào), 2015, 36(3):64-70.

JOINT EMERGENCY DISPATCHING MODEL FOR MULTI-PORT BERTHS AFTER CALAMITY CONSIDERING CUSTOMER SATISFACTION

Tian Maojin Meng Yanping Zhang Yaqi Lin Guolong

(LogisticsResearchCenter,ShanghaiMaritimeUniversity,Shanghai201306,China)

With the rapid economic development, the role of the port in economic activities has become increasingly important. In recent years, a lot of harbor incidents occur all over the country, which has seriously affected the normal operation of the port. It also poses new challenges to the post-disaster emergency dispatch of the port group. In this paper, a multi-objective optimization model with the least scheduling cost and shortest vessel scheduling time is established for the characteristics of the port events and the network cluster characteristics of the port group. According to the model, two scheduling schemes are set up, and the genetic algorithm is used to solve the scheme. The effectiveness of the model and algorithm is verified by a practical example, and the optimal scheme is selected according to the customer satisfaction index. This model can select the best solution from different schemes, so as to enhance the competitive advantage of the port group, more in line with the long-term interests of port development.

Emergencies Joint emergency dispatch Customer satisfaction

2016-06-13。教育部博士點(diǎn)基金項(xiàng)目(20123121，110004)；上海市科委項(xiàng)目(14DZ2280200)；上海市曙光計(jì)劃(13SG48)；上海市自然科學(xué)基金項(xiàng)目(12ZR1412800)；上海市教委科研創(chuàng)新項(xiàng)目(13YZ085)。田茂金,碩士,主研領(lǐng)域：應(yīng)急流。孟燕萍，博士。張亞琦，碩士。林國(guó)龍，教授。

TP181

A

10.3969/j.issn.1000-386x.2017.07.044