黃元濤 魏立明 孫佳隆

（1．青島杰瑞工控技術有限公司，山東 青島 266061；2．中船重工（青島）海洋裝備研究院有限責任公司，山東 青島 266520）

0 引言

鐵路集裝箱場站堆場管理在鐵路集裝箱運輸中占有非常重要的地位，鐵路集裝箱場站堆場是由集裝箱裝卸作業(yè)線（主堆場）和輔助堆場2 個部分組成，而主堆場集裝箱堆存方式直接影響了集裝箱火車的裝卸作業(yè)效率，是場站堆場管理的主要環(huán)節(jié)。主堆場負責進出口箱和中轉箱的臨時存放，不同任務類型集裝箱的堆存需要利用堆場混堆策略來為集裝箱分配箱位。

目前，國內外關于鐵路集裝箱場站堆場混堆箱位分配問題的研究較少，針對的堆場生產指標也較為單一，多數是為實現集裝箱堆存時產生最小壓箱數。例如，王力等為使堆存產生的壓箱數最小，根據堆場混堆作業(yè)問題的描述建立了兩階段優(yōu)化模型，并設計啟發(fā)式算法對模型進行求解[1]。段剛等針對鐵路集裝箱堆場混堆箱區(qū)的零散箱箱位分配問題，建立計劃期內以倒箱次數最少為目標的多時段動態(tài)集裝箱堆場箱位分配模型，設計遺傳算法進行求解[2]。梁劍等針對集裝箱列車卸箱作業(yè)的效率問題，將內集卡的任務調度和集裝箱箱位分配進行集成，建立集裝箱列車卸車作業(yè)的多目標優(yōu)化模型，采用混合遺傳算法進行求解[3]。武慧榮等以集裝箱堆場產生的壓箱數最小為目標建立混堆堆場箱位分配模型，并設計啟發(fā)式算法對模型進行求解[4]。

該文根據不同場站的堆場生產指標。例如，使集裝箱堆存時產生壓箱數最小、集裝箱列車裝卸作業(yè)時間最短、鐵路軌道吊裝卸效率最高等總結主要影響集裝箱混堆堆存的因素，建立一個可以針對多指標的通用集裝箱堆場混堆模型，設計啟發(fā)式算法進行求解。根據模型和求解方法，利用Anylogic 搭建仿真平臺進行測試驗證，為用戶提供決策依據。

1 問題描述

由于鐵路集裝箱場站的規(guī)模、布局、設備配置以及列車?？繒r間等因素的影響，不同場站的堆場生產指標是不同的。例如，主堆場較小的鐵路集裝箱場站是以最大化主堆場利用率為主要的堆場生產指標，解決主堆場堆存空間不足的問題。主堆場較大的鐵路集裝箱場站是以使集裝箱堆存時產生壓箱數最小為主要的堆場生產目標來提高集裝箱裝卸作業(yè)效率等。根據多個鐵路集裝箱場站的調研情況，主要影響鐵路集裝箱場站主堆場集裝箱混堆堆存的因素見表1。

如何根據表1 中的影響因素，建立一個可針對不同堆場生產指標的通用型集裝箱堆場混堆模型，是一個值得研究的問題。

2 建立模型

為了便于建立模型和仿真測試，需要遵循以下3 個假設條件。1）鐵路集裝箱場站365 d 連續(xù)不間斷運作。2）待分配集裝箱的作業(yè)時間和作業(yè)箱區(qū)已知。3） 模型所涉及的集裝箱均為20' /40' TEU。4）集裝箱的收箱和提箱時間在計劃期內不存在延誤。

2.1 量化影響因素

由于數學模型不能處理非量化的條件，所以需要將表1中的影響因素解析為關于貝位、排、層數的量化搜索條件，解析說明包括以下4 點：1）鐵路軌道吊作業(yè)范圍是以貝位（bay）為單位，例如鐵路軌道吊A 作業(yè)范圍1 bay～45 bay，表示鐵路軌道吊A 只允許在主堆場第1 貝位～第45 貝位作業(yè)，所以影響因素1 可以解析為關于貝位的搜索條件。2） 鐵路場站主堆場集裝箱的任務類型主要包括進口箱、出口箱和中轉箱。為了提高堆場作業(yè)效率，不同任務類型的集裝箱是有堆存偏好的，例如進口箱要靠近集卡車道堆存、出口箱要靠近鐵路線堆存、中轉箱要在堆場中間堆存，所以鐵路場站主堆場一般是以排（row）為單位劃分不同任務類型集裝箱的堆存位置的。因此，影響因素2 可以解析為關于排的搜索條件。3）為了便于堆場管理和提高堆場作業(yè)效率，一般鐵路場站主堆場的集裝箱類型和尺寸是有固定標準的，多為20'和40'的標準集裝箱（TEU），也有鐵路場站的主堆場允許存放45'集裝箱。主堆場內不同類型和尺寸的集裝箱是有一定的堆存規(guī)則，例如特殊類型和尺寸的集裝箱要在主堆場兩側堆存、20'和40'的標準集裝箱混合堆存等，所以影響因素3 也應該解析為關于排的搜索條件。4）在鐵路集裝箱場站內，火車是平行于主堆場?？孔鳂I(yè)的，為了提高集裝箱列車作業(yè)效率，每節(jié)車廂的集裝箱一般就近堆存與主堆場相鄰的貝位內，所以影響因素4 應該解析為關于貝位的搜索條件。最終解析結果見表2。

表1 集裝箱混堆堆存影響因素表

表2 集裝箱混堆堆存影響因素量化搜索條件表

2.2 目標函數

鐵路集裝箱場站堆場混堆模型的目標函數如公式（1）所示。

式中：D為計劃期內分配到箱區(qū)的待分配箱總數；d為計劃期內一段時間分配到箱區(qū)的待分配箱數（1 ≤d≤D）；S為主堆場集裝箱指派箱位的搜索條件總數；s為選定的箱位指派搜索條件數量（1 ≤s≤S）；SIFi為選定的箱位分配搜索條件中的第i個搜索條件（1 ≤i≤s）；OSIFi為是否選擇使用主堆場集裝箱分配箱位的第i個搜索條件，即OSIFi={1，使用第i個搜索條件；0，未用第i個搜索條件}；為主堆場集裝箱分配箱位的第i個搜索條件的權重，值為；表示選擇搜索條件排序越靠前則權重越高。目標函數要根據選定搜索條件為計劃期內的所有集裝箱分配最佳堆放位置，使?jié)M足不同場站的需求。

2.3 約束條件

式中：Cbrt為箱區(qū)內第b貝位r排t層的箱位是否分配集裝箱，即Cbrt={1，分配集裝箱到當前箱位；0，不分配}；B為箱區(qū)內的貝位總數；b為貝位編號（1 ≤b≤B）；R為箱區(qū)內的排位總數；r為排位編號（1 ≤r≤R）；T為箱區(qū)的最大堆垛層數；t為層數編號（1 ≤t≤T）。

式中：me為主堆場裝卸設備編號（1 ≤me≤4）；為主堆場裝卸設備me在當前所在箱區(qū)的第b貝位。

約束條件（2）為集裝箱堆存不允許懸空放置；約束條件（3）為進口集裝箱堆存位置要盡量靠近集卡裝卸作業(yè)線，以減少集卡等待時間；約束條件（4）為出口集裝箱堆存位置要盡量靠近列車裝卸作業(yè)線，以減少列車等待時間；約束條件（5）為防止堆場集裝箱裝卸設備碰撞，相鄰裝卸設備之間距離必須≥2 貝位。

3 模型求解

模型采用啟發(fā)式算法進行求解，算法求解步驟如下。

步驟1：根據目標鐵路集裝箱場站的特點，選擇符合要求的搜索條件。初始化參數，v=1，M={Φ}，N={Φ}。

步驟2：如果d≤D，則轉入步驟3，否則轉入步驟7。

步驟3：如果i≤s，則轉入步驟4，否則d=d+1，轉入步驟6。

步驟4：如果v≤V，則轉入步驟5，否則i=i+1，轉入步驟3。

步驟5：判斷第d個集裝箱在第v個箱位是否符合第i個搜索條件，如果符合，則、并排序，否則v=v+1，轉入步驟4。

步驟6：找到M中最大的箱位v，則，轉入步驟2。

步驟7：輸出N，算法結束。

其中，v為第i個搜索條件下箱位編號；V為第d個集裝箱第i個搜索條件下的箱位總數；M為第d個集裝箱第i個搜索條件下可分配箱位合集；為第d個集裝箱符合第i個搜索條件的箱位；為箱位v在第i個搜索條件下的權重；為箱位v符合的所有條件的總權重；N為所有集裝箱D最優(yōu)分配箱位合集。

4 仿真實例

利用Anylogic 仿真軟件建立鐵路場站仿真模型，根據建立的模型及求解過程設計集裝箱混堆策略生成功能，分別針對不同的堆場生產指標生成集裝箱混堆策略，運行仿真模型生成數據，并對仿真結果進行分析。

4.1 仿真條件

該文以某自動化鐵路場站集裝箱場站為例，該場站共有2 個主箱區(qū)，每個主箱區(qū)對應一條集裝箱裝卸作業(yè)線，各有128 貝位、7 排，最大堆垛層數為2 層。自動化鐵路集裝箱場站的裝卸設備主要包括自動化鐵路軌道吊（TARMG）、堆場自動化軌道吊（ARMG）和水平運輸車輛。該仿真模型采用“TARMG + ARMG + 集裝箱卡車”的裝卸工藝，具體裝卸設備配置見表3。

表3 自動化鐵路集裝箱場站集裝箱裝卸設備配置表

圖1 集裝箱堆場策略配置功能

4.2 策略生成

在仿真平臺中，以列表形式列出表2 影響因素解析的量化搜索條件，用戶可以自主選擇不同的搜索條件進行搭配，仿真平臺根據用戶選擇的搜索條件生成符合要求的集裝箱堆存策略，利用模型求解算法，輸出最優(yōu)箱位分配序列。仿真平臺集裝箱堆存策略生成功能如圖1 所示。

4.3 仿真結果

針對不同堆場生產指標分配箱位策略分別進行10 組同一時間段內多種作業(yè)類型的仿真實驗，仿真條件一致，每組作業(yè)數量為360，分別對不同策略的集裝箱堆存最小壓箱數、火車裝卸作業(yè)時間和TARMG 作業(yè)效率取平均值并進行對比，對比情況如圖2 所示，其中策略1 為以最小壓箱數為目標分配箱位策略，策略2 為以火車最短裝卸作業(yè)時間為目標分配箱位策略，策略3 為以TARMG 作業(yè)效率最高為目標分配箱位策略，策略4 為以隨機空位優(yōu)先為目標分配箱位策略。

從圖2 中可以看出，有明確堆場生產指標的箱位分配策略在相應的對比項中都具有較好的表現，而隨機策略各項對比數據表現都較為一般。

圖2 不同堆場生產指標分配箱位策略仿真對比圖

5 結語

該文研究的通用集裝箱堆場混堆模型能通過不同組合的箱位搜索條件來制定各種針對主要堆場生產指標的箱位分配策略，仿真結果基本符合堆場實際作業(yè)情況，模型具有較高的通用性和可靠性。下一步研究方向將針對計劃期內外集卡收提箱時間的不確定性改進模型。