蘆志英、嚴妍、吳慶巖

（1.桂林電子科技大學建筑與交通工程學院，廣西 桂林 541004；2.桂林電子科技大學基建處，廣西 桂林 541004）

0 引言

集裝箱運輸是指將貨物集合組裝至集裝箱運輸單元后，運用大型載運、裝卸工具完成集裝箱及其內部貨物的運輸任務、裝卸搬運作業(yè)的一種運輸方式，是實現貨物運輸“門到門”服務的重要手段。當前，集裝箱運輸由單一種運輸方式發(fā)展到多式聯運，由國內聯運發(fā)展到國際聯運，充分展現出其優(yōu)越性。在集裝箱多式聯運中，由各相關負責部門相互配合、協力完成運輸全過程。其中，集裝箱港口是集裝箱多式聯運網中的重要節(jié)點。近年來，我國集裝箱港口吞吐量總體上處于穩(wěn)定增長態(tài)勢，為應對不斷增長的集裝箱作業(yè)需求，需要高效利用碼頭的資源設施，提高集裝箱中轉作業(yè)水平。

交通運輸部印發(fā)的《推進綜合交通運輸大數據發(fā)展行動綱要（2020—2025 年）》中指出，要以數據資源賦能交通發(fā)展，推動大數據與綜合交通運輸深度融合，有效構建綜合交通大數據中心體系，為加快建設交通強國提供有力支撐[1]。該綱要說明，數據賦能交通運輸快速發(fā)展的時代已經到來。港口企業(yè)和相關運輸企業(yè)借助大數據提取集裝箱多式聯運業(yè)務的關鍵信息，可使相關業(yè)務流程更加智能化和透明化，有利于提高集裝箱運營管理能力，優(yōu)化資源配置，節(jié)約人力及車輛運營成本，提高勞動生產率，推動集裝箱業(yè)務快速發(fā)展，提高集裝箱多式聯運在物流行業(yè)中的競爭力。

1 大數據概述

大數據（big data）或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業(yè)經營決策、具有參考價值的資訊。IBM 提出大數據包括大量（Volume）、高速（Velocity）、多樣（Variety）、低價值密度（Value）、真實性（Veracity）等“5V”特點。研究機構Gartner 將大數據定義為這樣的一種信息資產——需要新處理模式才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力來適應海量、高增長率和多樣化的信息資產。麥肯錫則將大數據定義為一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數據庫軟件工具能力范圍，具有海量規(guī)模、快速流轉、多樣類型和低價值密度等特點的一類數據集合。

總體來看，大數據真正的意義在于通過對這些“大”數據的快速、高效處理，為重要決策提供支持。因此，從某種意義上來說，運用大數據為企業(yè)運營提供支持的關鍵，在于提高對數據的“加工能力”，將低價值密度的數據“增值”。提升大數據的“價值”，比獲得更大量的數據更重要。對集裝箱多式聯運企業(yè)而言，對所獲取的大數據進行分析、處理，以供運營決策參考，是提升自身核心競爭力的關鍵。

2 集裝箱多式聯運

眾所周知，海運承擔了全球90%以上的貨物運輸量，集裝箱海運是集裝箱多式聯運流轉過程體系的重要組成部分，集裝箱港口是集裝箱多式聯運網中的重要節(jié)點。為提高集裝箱中轉作業(yè)水平，諸多港口堆場調度作業(yè)中應用了GPS 和GPRS 技術；港口設備的實時安全監(jiān)控領域廣泛使用光纖傳感技術；一些港口開始嘗試在港口生產作業(yè)過程中應用大數據技術。大數據技術能使集裝箱碼頭變得越來越“聰明”[2]。

公路集裝箱運輸是鐵路車站、港口和機場集散物資的重要手段，是集裝箱多式聯運“門到門”不可缺少的重要組成部分。據調查，我國公路集裝箱運輸過程中車輛平均空載率約為37%。究其原因在于在公路集裝箱運輸貨源組織過程中，普遍存在分散化和無序化等不合理現象。分析集卡車隊運行大數據，有助于暢通公路集裝箱運輸信息交互，提升集卡車隊的綜合利用率。鴨嘴獸公司的“國際集裝箱道路運輸企業(yè)大數據中心”建設，有助于推進公路集裝箱數字化服務高地的形成。

向空運發(fā)展是集裝箱多式聯運未來發(fā)展趨勢。然而，由于受到飛機艙位的限制，除了在大型飛機的貨艙中可使用標準集裝箱，普通飛機中可使用的箱形均為非標準集裝箱，這給航空業(yè)開展集裝箱多式聯運帶來了困難。因此，在航空業(yè)開展集裝箱運輸，需要開發(fā)適用的全套設施設備及組織機構等[3]。

3 大數據在集裝箱領域的技術應用

大數據技術在集裝箱運輸領域有許多發(fā)明專利，有力地促進了集裝箱業(yè)務的高效發(fā)展。如劉瑞等[4]發(fā)明了一種基于大數據技術可軌跡定位的新型集裝箱，包括集裝箱本體、支撐塊和移動單元。支撐塊固接在集裝箱體的底部；移動單元設置在集裝箱體的側壁；移動單元包括矩形塊、滾輪、限位塊和一號桿。借助移動單元，可將集裝箱體移動到指定位置，然后進行裝貨。張士和[5]發(fā)明了一種基于大數據與區(qū)塊鏈的集裝箱運輸模式。運輸過程主要包括以下步驟：其一，收集港口船公司與工廠間的集裝箱進出口業(yè)務數據；其二，數據處理系統(tǒng)及區(qū)塊鏈為運輸方匹配出最佳的業(yè)務三方運輸模式。通過大數據分析，將每一條獨立的、呆板的貨源信息優(yōu)化設計成最佳的運輸方案，賦予集裝箱運輸新含義，通過三方匹配運輸業(yè)務，能夠有效避免運輸方運輸工具空載的現象，而且對運輸鏈上的各個運輸節(jié)點均能起到積極作用，實現共贏。唐樹華[6]等設計了一種基于大數據的集裝箱運輸管理系統(tǒng)，該系統(tǒng)通過優(yōu)化集裝箱的裝卸方式、改變集裝箱的形態(tài)等方式，提高集裝箱運輸效率。前述方式的成果體現在以下兩個專利中：“一種集裝箱用箱式高效率裝卸裝置”（CN211110883U）設計了一種新的集裝箱裝卸裝置，通過該裝置的使用可有效加快集裝箱的裝卸速度、方便集裝箱的使用；“雙拼集裝箱飛翼柜”（CN213139920U）則設計了一種雙拼集裝箱飛翼柜，方便將兩個集裝箱柜拼接在一起。

目前，有許多基于大數據的人工智能預測模型，如深度學習模型，能使集裝箱運輸更加高效。參數越多，模型學習的數據量便越多，泛化能力便越強。

準確預測貨車到達集裝箱碼頭的時間，是一項關鍵但復雜的工作。有學者提出了一種結合門控循環(huán)單元（GRU）和全連接神經網絡（FCNN）的深度學習模型，利用融合技術對貨車日抵港量進行預測[7]。該模型能有效分析序列和截面數據集。該模型的優(yōu)勢在于能將影響交通量的新參數，如船舶相關信息、到達工作日和天氣條件，納入卡車到達的長時間序列。采用我國南方某領先集裝箱港口的真實大數據，測試模型性能，測試結果對指導港口交通管理有重要意義。該測試結果揭示了特定船舶出口集裝箱到達與集裝箱堆場（CY）關閉時間的關系，且該模型的預測準確率較已有模型的準確提高了20%以上，能更真實地反映現實情況。

堆場作為集裝箱碼頭的重要子系統(tǒng)，提升其作業(yè)效率有利于提高集裝箱碼頭的服務水平。其中集裝箱堆場空間的合理分配是提升集裝箱港口效率的關鍵之一，對于降低碼頭的運營成本、促進港口物流的發(fā)展有重要意義。羅鐘元等[8]從數據角度出發(fā)，利用大數據技術預測出口集裝箱到達堆場的時間，進而為集裝箱空間分配策略提供數據支撐。采用2019 年某碼頭生產數據集中的堆場收箱數據，對數據集進行清洗和預處理后，使用決策樹回歸、隨機森林回歸和k近鄰回歸模型建立集裝箱到達堆場時間的預測模型。其中隨機森林回歸模型在擬合精度和誤差上較決策樹回歸和k 近鄰回歸模型表現更佳，其擬合度為0.799，RMSE 為1.8。對模型分析后，得出影響集裝箱到達堆場時間的主要影響因素有所屬船ID、總重、卸貨港和進港月份。

連峰等[9]基于大數據挖掘的方法估算了鐵路車站間OD 客流，調查分析了鐵路乘客對高鐵和普鐵的選擇偏好，確定了高鐵開通后普鐵線路客運的供需關系與均衡性，把普鐵線路上的客流轉換成相應的旅客列車列數，以此計量各普鐵路段的通過能力；評估各普鐵路段的總通過能力，基于扣除系數法計算普鐵各路段剩余的貨運能力，并進一步在普鐵線網上根據集裝箱進港量確定集裝箱班列樞紐站的候選集；將候選樞紐站的班列發(fā)車頻率作為離散的內生變量，基于現實中的干線公路網絡和普鐵網絡構建樞紐站選址和發(fā)班頻率優(yōu)化模型，并通過求解模型確定集裝箱鐵路集港服務網絡的經濟技術指標；以上海港和寧波港及其腹地為案例進行數值分析。計算結果表明：在案例空間范圍內的普鐵運輸線上，日均通過能力最小為79列，最大為137 列：基于普鐵各路段剩余的貨運能力，計算得出各集裝箱班列樞紐站的日均發(fā)班頻率最小為6 列，最大為19 列；由計算得到的普鐵路段上的流量可以看出，鐵路運送到上海港和寧波港的日均集裝箱量分別為13677、12094TEU，分別占2 個港口日均到達總量的25%和33%，相比以前5%～7%的占比，有大幅度增加。

隨著全球經濟一體化進程的不斷推進，國際集裝箱港口吞吐量穩(wěn)步上揚。與此同時，勞動力資源匱乏加劇，勞動力成本不斷上漲，集裝箱碼頭運營壓力加劇。為此，需要推動集裝箱碼頭自動化，以提高碼頭裝卸作業(yè)效率與效益。大數據技術的不斷成熟為集裝箱碼頭自動化運營提供了技術支撐；集裝箱碼頭作業(yè)所產生的海量數據則為大數據技術應用提供了現實可能。

段宗貝[10]基于廈門遠海自動化碼頭生產作業(yè)的實際情況，對自動化碼頭作業(yè)過程的關鍵影響因素進行分析，在借鑒國內外現有運營評價模式以及分析自動化碼頭作業(yè)特點的基礎上，設計碼頭運營優(yōu)化綜合評價指標體系，提出基于大數據分析技術的碼頭作業(yè)優(yōu)化配置策略。

目前，大部分集裝箱碼頭采用碼頭生產系統(tǒng)及其接口程序作為主要的作業(yè)評估手段。然而，這種評估手段只能對系統(tǒng)生成的數據進行簡單的處理、分析，并不能真實、全面地挖掘出集裝箱碼頭作業(yè)過程中可能出現的問題，更不能在企業(yè)的成本管理中發(fā)揮作用。在實際作業(yè)過程中，經驗主義對操作決策起主導作用，缺少碼頭作業(yè)分析系統(tǒng)對投入的機械設備、人力成本等因素的綜合分析，因而難以提高船舶作業(yè)效率。因此，有必要構建船舶作業(yè)評估及成本管理系統(tǒng)，細化分析作業(yè)過程中各環(huán)節(jié)的關鍵數據，合理配置機械設備，優(yōu)化業(yè)務流程和裝卸工藝，達到機械、人力、效率和利潤的最佳平衡點，實現由傳統(tǒng)的粗放管理向精細化管理的轉變，更加深刻、直觀地反映集裝箱碼頭整體生產情況?；诖髷祿夹g的碼頭作業(yè)評估與成本管理系統(tǒng)，能夠通過對碼頭關鍵生產環(huán)節(jié)作業(yè)數據的提取、整理、分析等相關操作，量化反映碼頭生產組織過程和作業(yè)效率，實現港口高效、高質量發(fā)展的目標。

自2008 年以來，面對復雜的市場形勢和同行業(yè)競爭的雙重壓力，利用現有設備并結合信息數據采集及分析手段不斷突破創(chuàng)新，已經成為碼頭提升自身競爭力的重要手段。楊志新[11]提出一個基于互聯網技術協同的多主體模型，針對集裝箱船舶作業(yè)評估及成本管理問題進行分析，結合作業(yè)評估與成本管理的重要影響因素，將系統(tǒng)與相應的數據分析手段相結合后應用到碼頭生產作業(yè)中。該模型所構建的集裝箱船舶作業(yè)評估及成本管理系統(tǒng)，在降低港口物流作業(yè)成本、實現碼頭與客戶的互饋互動、提高碼頭核心競爭力等方面起到了積極作用。

4 結語

大數據技術在集裝箱海陸空運輸領域的廣泛應用，為集裝箱多式聯運實現高度集約化提供了無限可能，對推動集裝箱碼頭全面智能化、陸?？占b箱運輸現代化及建設現代化發(fā)達國家發(fā)展有重要意義。相關部門和單位要抓住歷史機遇，加快引進吸收、開發(fā)創(chuàng)新、集成改進的步伐，力爭在集裝箱多式聯運領域取得以大數據技術應用為代表的現代信息技術新突破，促進集裝箱多式聯運業(yè)務更加優(yōu)質高效，提高自身的行業(yè)競爭力。