葉增健，李 玲，鄭敬發(fā)（中國(guó)外運(yùn)華南有限公司，廣東 廣州 510799）

0 引 言

相比于全自動(dòng)化集裝箱碼頭，傳統(tǒng)的集裝箱碼頭受制于堆場(chǎng)面積、投入產(chǎn)出比等問(wèn)題，無(wú)法利用AGV（Automated Guided Vehicle）等自動(dòng)化技術(shù)對(duì)堆場(chǎng)內(nèi)的交通流進(jìn)行科學(xué)精準(zhǔn)的管控與調(diào)度，集卡的作業(yè)路徑通常由司機(jī)決定，具有較強(qiáng)的隨機(jī)性，導(dǎo)致交通流偏離設(shè)計(jì)的理想狀態(tài)，難以感知與控制，增加了管理成本，降低了作業(yè)效率。因此，引導(dǎo)集卡司機(jī)按照規(guī)劃路徑進(jìn)行作業(yè)，能夠提升交通流的可預(yù)測(cè)性，根據(jù)道路的最大通行量對(duì)集卡推薦作業(yè)路線進(jìn)行調(diào)整，能夠有效避免碼頭內(nèi)部擁堵情況，縮短集卡等待時(shí)間，提升碼頭的作業(yè)效率。

國(guó)內(nèi)外相關(guān)文獻(xiàn)以自動(dòng)化碼頭AGV路徑規(guī)劃問(wèn)題的求解居多，且多聚焦于內(nèi)集卡裝卸船作業(yè)，楊靜蕾[1]以集卡運(yùn)行距離最短為目標(biāo)，提出了單集卡多箱區(qū)裝卸作業(yè)的路徑最優(yōu)模型；趙金樓等[2]以最小化集卡空載距離和空載率為目標(biāo)，分兩階段設(shè)計(jì)模型并利用粒子群算法進(jìn)行求解；于洋[3]分析了影響集裝箱港口內(nèi)交通流的因素，并提出優(yōu)化意見和建議；湯海亮等[4]引入集卡作業(yè)指令打分模型對(duì)集裝箱碼頭裝卸船任務(wù)指令進(jìn)行動(dòng)態(tài)計(jì)算，實(shí)現(xiàn)了集卡全場(chǎng)作業(yè)調(diào)度；曹瑩等[5]通過(guò)引入碰撞因子對(duì)A*算法進(jìn)行改進(jìn)，實(shí)現(xiàn)了對(duì)AGV運(yùn)行路徑的規(guī)劃，提升了作業(yè)效率。

目前國(guó)內(nèi)外學(xué)者對(duì)集卡裝卸作業(yè)路徑規(guī)劃研究存在以下幾點(diǎn)不足：一是研究大多聚焦于內(nèi)集卡的裝卸作業(yè)，對(duì)于外集卡場(chǎng)內(nèi)作業(yè)路徑的研究較少，而外集卡在數(shù)量上比內(nèi)集卡還要多，且多數(shù)司機(jī)并非碼頭員工，對(duì)堆場(chǎng)作業(yè)狀態(tài)了解不全面，管理難度大，更易造成場(chǎng)內(nèi)車流堵塞；二是多數(shù)研究仍處于理論分析階段，輸出的結(jié)果不夠精細(xì)化，如輸出的規(guī)劃路徑為A車到B泊位到C箱區(qū)，但無(wú)法提供具體的作業(yè)路線，對(duì)非自動(dòng)化的傳統(tǒng)碼頭缺乏參考意義；三是多數(shù)研究的路徑規(guī)劃方案都是非動(dòng)態(tài)的，而碼頭的作業(yè)是非標(biāo)準(zhǔn)節(jié)拍式的作業(yè)，尤其是二類港口碼頭，現(xiàn)場(chǎng)作業(yè)隨時(shí)可能發(fā)生改變，規(guī)劃路線的有效性有待考證。因此，本文將針對(duì)傳統(tǒng)集裝箱碼頭集卡場(chǎng)內(nèi)作業(yè)路徑規(guī)劃問(wèn)題，提出一套可行的堆位級(jí)別路徑導(dǎo)航解決方案。

1 案例介紹

本文依托廣州市某二類碼頭（下稱H倉(cāng)碼）對(duì)集卡場(chǎng)內(nèi)作業(yè)規(guī)劃方案進(jìn)行闡述，H倉(cāng)碼場(chǎng)內(nèi)堆場(chǎng)面積占地共13.92萬(wàn)平方米，分為主堆場(chǎng)和子堆場(chǎng)兩個(gè)場(chǎng)區(qū)，共計(jì)11個(gè)箱區(qū)；有5個(gè)閘口，其中3個(gè)進(jìn)閘口，2個(gè)出閘口。該碼頭具備以下場(chǎng)內(nèi)作業(yè)路線規(guī)劃的基本條件。

堆場(chǎng)具備清晰的場(chǎng)地布局，包括明確劃分的箱區(qū)、道路和堆位，不存在場(chǎng)內(nèi)集裝箱隨意堆放的情況，由堆位編碼可以準(zhǔn)確定位目的地；

堆場(chǎng)內(nèi)有明確的交通流規(guī)劃，標(biāo)識(shí)道路是否為雙向道路、是否支持掉頭等，每個(gè)箱區(qū)有固定的裝卸車道；

具備場(chǎng)內(nèi)路線規(guī)劃功能的相關(guān)操作系統(tǒng)（如TOS）載體，拖車司機(jī)可以通過(guò)手機(jī)實(shí)時(shí)將定位信息反饋給操作系統(tǒng)。

2 堆場(chǎng)道路有向圖及道路經(jīng)緯度信息確定

2.1 堆場(chǎng)道路有向圖的確定

本文采用有向圖作為抽象工具，對(duì)集裝箱堆場(chǎng)的道路信息進(jìn)行了抽象。首先，從實(shí)際堆場(chǎng)中獲取到道路網(wǎng)絡(luò)的地理信息和道路連接關(guān)系數(shù)據(jù)。然后根據(jù)道路連接關(guān)系構(gòu)建了一個(gè)有向圖，圖的節(jié)點(diǎn)表示道路的交叉口或閘口，邊表示道路之間的連接關(guān)系。接下來(lái)需要對(duì)有向圖的節(jié)點(diǎn)進(jìn)行編號(hào)，并確定節(jié)點(diǎn)屬性，例如是否是閘口、是否允許通行等，并根據(jù)實(shí)際車流設(shè)置邊的單雙向?qū)傩?。通過(guò)這樣的抽象，本研究將復(fù)雜的道路網(wǎng)絡(luò)簡(jiǎn)化為圖結(jié)構(gòu)，便于后續(xù)的數(shù)據(jù)處理和分析工作。

這種抽象方法具有顯著優(yōu)勢(shì)。首先，有向圖能夠更好地展現(xiàn)道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，包括交叉口、道路的流向和連接關(guān)系等信息，有助于深入理解道路網(wǎng)絡(luò)的結(jié)構(gòu)和性能。其次，有向圖能夠方便地應(yīng)用圖論和網(wǎng)絡(luò)分析的方法，例如最短路徑算法、網(wǎng)絡(luò)中心性度量等，為后續(xù)的道路導(dǎo)航算法和性能評(píng)估奠定了基礎(chǔ)。最后，抽象后的圖結(jié)構(gòu)還能夠減少數(shù)據(jù)的復(fù)雜性和冗余性，簡(jiǎn)化了計(jì)算和存儲(chǔ)需求。

因此，將集裝箱堆場(chǎng)的道路信息進(jìn)行有向圖抽象是關(guān)鍵步驟，為后續(xù)的研究設(shè)計(jì)和實(shí)驗(yàn)分析提供了重要基礎(chǔ)。我們將H倉(cāng)碼的場(chǎng)內(nèi)道路抽象為有向圖（如圖1所示），并對(duì)節(jié)點(diǎn)進(jìn)行編碼，確定一個(gè)節(jié)點(diǎn)集合P∈（01，02，03，...，32），其中09、10、11、12、33等為閘口節(jié)點(diǎn)，其他節(jié)點(diǎn)為道路連接節(jié)點(diǎn)；與此同時(shí)，確定一個(gè)道路集合，如05-01，01-02，02-03等，如果有雙向?qū)傩缘牡缆罚?3-07、07-03段道路，需一起納入集合。

圖1 H 倉(cāng)碼堆場(chǎng)有向圖

2.2 節(jié)點(diǎn)、道路經(jīng)緯度及距離獲取

確定有向圖之后，需要獲取集合P和集合R中元素的經(jīng)緯度信息，對(duì)于節(jié)點(diǎn)，只需要獲取單個(gè)節(jié)點(diǎn)的經(jīng)緯度即可，對(duì)于道路，則需要獲取起點(diǎn)-終點(diǎn)中間道路的軌跡序列。此處可借助高德地圖提供給開發(fā)者的API實(shí)現(xiàn)。

2.2.1 節(jié)點(diǎn)經(jīng)緯度獲取

調(diào)用高德地圖提供的API，可以獲取選定節(jié)點(diǎn)的經(jīng)緯度，通過(guò)遍歷集合P記錄下每個(gè)節(jié)點(diǎn)的經(jīng)緯度及其特殊屬性，如節(jié)點(diǎn)32是進(jìn)閘口，經(jīng)緯度坐標(biāo)是（113.464 68，23.089 366）；獲取節(jié)點(diǎn)經(jīng)緯度后，可將節(jié)點(diǎn)添加至高德地圖，以便更加直觀地查看節(jié)點(diǎn)和道路的分布情況。

2.2.2 道路經(jīng)緯度及距離長(zhǎng)度獲取

調(diào)用高德地圖獲取行車路徑規(guī)劃的API，可以獲取兩個(gè)節(jié)點(diǎn)中間道路軌跡的經(jīng)緯度集合及距離長(zhǎng)度等基本信息。通過(guò)遍歷集合R中的所有道路，獲取所有道路的經(jīng)緯度及其實(shí)際距離長(zhǎng)度。需要注意的是，高德地圖對(duì)堆場(chǎng)場(chǎng)內(nèi)道路屬性的定位可能與實(shí)際情況不一致，可能會(huì)導(dǎo)致行車路徑規(guī)劃不準(zhǔn)確，如道路方向不一致，需要人工對(duì)道路軌跡的經(jīng)緯度進(jìn)行校準(zhǔn)；又如對(duì)于高德地圖中不存在的道路，可以由人工進(jìn)行點(diǎn)位經(jīng)緯度采集，自定義場(chǎng)內(nèi)道路。

3 堆場(chǎng)集裝箱建模及裝卸點(diǎn)位經(jīng)緯度信息確定

3.1 堆場(chǎng)集裝箱建模

由于集裝箱堆場(chǎng)的面積太大，如果采用現(xiàn)場(chǎng)測(cè)量每個(gè)集裝箱堆放位置的方式，會(huì)耗費(fèi)大量的人力資源和時(shí)間成本，同時(shí)測(cè)量設(shè)備本身也存在誤差，無(wú)法得到一個(gè)較為準(zhǔn)確的堆位經(jīng)緯度信息。因此，本文結(jié)合集裝箱堆放特性及地理衛(wèi)星圖（如圖2所示），通過(guò)三維映射的方式推導(dǎo)出每個(gè)集裝箱堆位的理論經(jīng)緯度數(shù)值。

圖2 集裝箱建模渲染圖

首先，我們要根據(jù)碼頭操作系統(tǒng)中的堆場(chǎng)圖設(shè)置數(shù)據(jù)，利用三維技術(shù)在高德地圖上將其呈現(xiàn)出來(lái)，對(duì)于單裝卸車道的箱區(qū)，同個(gè)貝內(nèi)集裝箱的裝卸位置都是相同的，因此在建模時(shí)僅需渲染第一層的集裝箱數(shù)據(jù)，同時(shí)，我們可以開啟高德地圖的衛(wèi)星圖圖層進(jìn)行堆位校準(zhǔn)。

3.2 裝卸點(diǎn)位經(jīng)緯度信息確定

完成上述建模步驟后，就得到了一個(gè)集裝箱堆位的三維圖層，并且可以結(jié)合three.js的方法獲取每一個(gè)集裝箱三維對(duì)象的坐標(biāo)，然后結(jié)合高德地圖的方法進(jìn)行轉(zhuǎn)換，獲取集裝箱堆位經(jīng)緯度信息。

上述操作只能獲取堆位在堆場(chǎng)內(nèi)的具體經(jīng)緯度，而不是集卡實(shí)際裝卸目標(biāo)位置的經(jīng)緯度，因此，還需要以堆位為圓心畫圓與裝卸道路相切，切點(diǎn)即為集卡實(shí)際裝卸的目標(biāo)位置，獲取堆位對(duì)應(yīng)裝卸位置的經(jīng)緯度進(jìn)行存儲(chǔ)，就可以得到一個(gè)堆位與裝卸位置經(jīng)緯度的映射關(guān)系。如圖3所示，a點(diǎn)為箱區(qū)裝卸道路，b點(diǎn)為堆位對(duì)應(yīng)的經(jīng)緯度點(diǎn)位，c點(diǎn)為以堆位為中心的圓與道路的切點(diǎn)，實(shí)施過(guò)程中可以使用高德地圖的工具函數(shù)GeometryUtil.closestOnSegment和GeometryUtil.distance輔助獲取切點(diǎn)（注：若裝卸道路軌跡由多個(gè)點(diǎn)構(gòu)成，可以遍歷線段獲取最短距離）。

圖3 裝卸點(diǎn)位示意圖

4 集卡位置信息確定獲取

上述環(huán)節(jié)處理完成后，已經(jīng)可以得到整個(gè)堆場(chǎng)所有道路的經(jīng)緯度信息以及所有集裝箱堆位的經(jīng)緯度信息。之后，我們還需獲取集卡的位置信息，集卡的位置信息由三部分組成，分別是歸屬哪段道路，在道路的哪個(gè)位置，車頭朝向哪個(gè)方向。

首先，需要確定集卡歸屬哪段道路。雖然可以通過(guò)手機(jī)收集集卡的位置信息，但由于經(jīng)緯度精確度與地圖展示存在匹配問(wèn)題，將車輛定位在場(chǎng)地中間時(shí)，無(wú)法直觀地知道集卡在哪段道路，因此，我們需要重新將集卡的位置定位在道路上。可以通過(guò)遍歷車輛獲取當(dāng)前位置到集合R的距離，哪段道路距離最短，集卡就在該段道路上。

其次，需要確定集卡在道路上的具體位置，參考裝卸點(diǎn)位的確定方式，以集卡當(dāng)前所在位置為圓心作圓，其與集卡所在道路的切點(diǎn)即為集卡當(dāng)前所在道路的具體位置。獲取上述數(shù)據(jù)之后，即可確定車輛在道路上的具體位置。

最后，需要確定當(dāng)前集卡在道路上的行駛方向，由于單個(gè)經(jīng)緯度無(wú)法確定車輛的行駛方向，因此，我們需要通過(guò)判斷兩個(gè)連續(xù)的位置變化信息來(lái)確定集卡在道路上的行駛方向。例如，當(dāng)集卡在路段24-19時(shí)，設(shè)置當(dāng)前時(shí)刻為t，當(dāng)前時(shí)刻集卡距離路段終點(diǎn)（節(jié)點(diǎn)19）的距離為dt，上一時(shí)刻為t-1，上一時(shí)刻集卡距離路段終點(diǎn)（節(jié)點(diǎn)19）的距離為dt-1，如果dt＜dt-1，則證明車輛是沿著道路方向行駛的，否則就是在逆著道路方向行駛。

5 集卡場(chǎng)內(nèi)作業(yè)路徑規(guī)劃

經(jīng)過(guò)上述步驟，我們已經(jīng)得到了集裝箱堆場(chǎng)場(chǎng)內(nèi)道路有向圖，場(chǎng)內(nèi)道路的基礎(chǔ)數(shù)據(jù)以及路徑規(guī)劃的起點(diǎn)（集卡的當(dāng)前位置）及終點(diǎn)（堆位位置），可以通過(guò)求解有向圖來(lái)確定集卡作業(yè)的路徑。

首先，我們需要根據(jù)作業(yè)內(nèi)容以及集卡當(dāng)前位置來(lái)修改基礎(chǔ)的有向圖，插入起點(diǎn)、終點(diǎn)，例如，集卡當(dāng)前在28-27路段，即將在17-20路段卸載一個(gè)集裝箱，那么我們可以調(diào)整有向圖，如圖4所示，圖中“車”代表當(dāng)前集卡位置，“卸”代表要裝卸的作業(yè)點(diǎn)位，那么集卡場(chǎng)內(nèi)作業(yè)路徑規(guī)劃問(wèn)題就可以簡(jiǎn)化抽象為求解圖4所示的有向圖中從“車”到“卸”的所有路徑中的最優(yōu)路徑。

圖4 調(diào)整后的有向圖

在有向圖的求解方面，常見的方法是使用python中的NetworkX，以距離為權(quán)重結(jié)合A*算法進(jìn)行求解，調(diào)用NetworkX的astar_path方法使用A*算法求解從集卡當(dāng)前位置到裝卸點(diǎn)位的最優(yōu)路徑為：集卡—節(jié)點(diǎn)27—節(jié)點(diǎn)26—節(jié)點(diǎn)23—節(jié)點(diǎn)19—節(jié)點(diǎn)17—裝卸點(diǎn)（見圖5）。

圖5 NetworkX 繪制有向圖

此外，針對(duì)一些特殊場(chǎng)景，還可以動(dòng)態(tài)調(diào)整有向圖，例如，根據(jù)現(xiàn)場(chǎng)車流情況，若路段26-23出現(xiàn)擁堵，那么可以過(guò)濾掉有向圖中的26-23路段，這樣求解出來(lái)的最優(yōu)路徑即：集卡—節(jié)點(diǎn)27—節(jié)點(diǎn)21—節(jié)點(diǎn)20—節(jié)點(diǎn)24—節(jié)點(diǎn)19—節(jié)點(diǎn)17—裝卸點(diǎn)。本文論述中心不在于討論有向圖求解算法，因此該部分不做詳述。

求解得到最優(yōu)路徑后，還需要基于道路的基礎(chǔ)數(shù)據(jù)還原規(guī)劃路徑的經(jīng)緯度數(shù)據(jù)集合，結(jié)合高德地圖對(duì)規(guī)劃路徑進(jìn)行展示，為集卡司機(jī)提供路徑規(guī)劃的結(jié)果，甚至可以結(jié)合高德地圖moveAlong的方法實(shí)現(xiàn)模擬導(dǎo)航。此外，還可以結(jié)合現(xiàn)場(chǎng)集裝箱的堆放，進(jìn)行3D圖層的堆疊渲染，讓司機(jī)對(duì)堆場(chǎng)現(xiàn)場(chǎng)有更加直觀的判斷（見圖6）。

圖6 3D 堆場(chǎng)展示

6 結(jié) 語(yǔ)

本文基于傳統(tǒng)集裝箱碼頭集卡場(chǎng)內(nèi)作業(yè)路徑規(guī)劃的場(chǎng)景，提出了一種成本較低、可以快速實(shí)現(xiàn)堆位級(jí)別路徑導(dǎo)航的方案，與高德地圖現(xiàn)有的API和3D建模相結(jié)合，對(duì)集裝箱碼頭場(chǎng)內(nèi)的道路和堆位經(jīng)緯度進(jìn)行轉(zhuǎn)換提取，并將路徑導(dǎo)航問(wèn)題抽象為有向圖求解問(wèn)題，將復(fù)雜問(wèn)題簡(jiǎn)單化，通過(guò)常用的路徑規(guī)劃算法（如A*等）即可得到導(dǎo)航路徑，且可以根據(jù)車輛的實(shí)時(shí)位置進(jìn)行路徑規(guī)劃，真正做到整個(gè)堆場(chǎng)內(nèi)任意位置的路徑規(guī)劃，最大程度地方便了集卡司機(jī)查看作業(yè)流程，減少繞路兜路的情況，提升了碼頭作業(yè)效率，緩解了堆場(chǎng)擁堵。在案例中，H倉(cāng)碼還通過(guò)引入路段繁忙情況、遠(yuǎn)控龍門吊欄頭控制等方式，動(dòng)態(tài)更新有向圖以獲取最優(yōu)的路徑規(guī)劃，同時(shí)還加入了車輛逆行檢測(cè)系統(tǒng)，規(guī)范司機(jī)安全行駛。未來(lái)我們可以通過(guò)引入更高精度的電子地圖和無(wú)人駕駛技術(shù)，進(jìn)一步優(yōu)化路徑規(guī)劃算法，考慮更多實(shí)際因素的影響，并在實(shí)際場(chǎng)景中進(jìn)行更多的驗(yàn)證與實(shí)踐，以期為傳統(tǒng)碼頭的現(xiàn)代化管理和作業(yè)效率提升貢獻(xiàn)更多的智能化解決方案。