基于移动边缘计算的集装箱码头内部拖车调度方法及系统与流程

1.本技术涉及集装箱码头调度控制技术领域，尤其是涉及一种基于移动边缘计算的集装箱码头内部拖车调度方法及系统。


背景技术：

2.港口资源调度作为港口企业生产的核心，是码头作业组织与安排过程非常重要的一个环节。装卸船作业是每个集装箱码头的主体业务，也是体现码头作业能力高低的直接反映环节。在装卸作业过程中，拖车的调度更是重要的研究课题，拖车调度效率的高低直接影响了装卸船作业进行的顺利与否。
3.申请号为cn202111577518.8的专利公开了一种堆场拖车调度方法、装置、设备及存储介质，其通过检测目标岸桥的拖车工作状态，在当前工作拖车数量小于目标工作拖车数量时，判定目标岸桥的拖车数量不足以按时完成装卸工作，即需要通过预设拖车匹配模型选取一定数量的拖车，进行调度工作，通过工作拖车的实际数据判断是否需要进行拖车调度，提高了拖车全场调度的效率。
4.由于上述技术方案仍采用中心化的部署方式，其会导致较大的调度中心计算压力和较长的通信时延；同时，该方案无法在拖车的作业过程中，实时收集作业数据，从而降低了调度的精确度，因此本技术提出一种新的技术方案。


技术实现要素：

5.为了改善码头拖车调度工作效率和精度，本技术提供一种基于移动边缘计算的集装箱码头内部拖车调度方法及系统。
6.第一方面，本技术提供一种基于移动边缘计算的集装箱码头内部拖车调度方法，采用如下的技术方案：一种基于移动边缘计算的集装箱码头内部拖车调度方法，包括：步骤一、基础建立，其包括：建立调度中心，将调度中心与拖车端进行数据连接；码头作业相关信息输入，并建立码头模型；步骤二、配置调度流程，其包括：配置拖车端侧流程和配置调度中心侧流程；其中，所述配置拖车端侧流程，其包括：s11、接收和记录码头模型并实时接收拖车状态信息，以预设的时长t为周期，定时将拖车状态信息提交至调度中心；其中，拖车状态信息包括：机械号、拖车满载量、拖车剩余容量、拖车实时定位、身份和程序识别码；s12、接收调度中心反馈的集装箱作业任务，并基于预设的任务效用评估函数计算得到最优解，最优解提交至调度中心；所述配置调度中心侧流程，其包括：
s21、接收和记录码头模型并实时接收拖车端提交的拖车状态信息，并根据预设的初步匹配逻辑为其分配若干个集装箱作业任务，集装箱作业任务反馈至对应的拖车端；s22、接收拖车端提交的最优解，判断拖车作业计划是否与其它车冲突，若不冲突，则生成计划；若冲突，则由调度中心生成，指派另外的作业计划。
7.可选的，所述码头作业相关信息输入，其包括：输入一、装卸船指令表，其包括：集装箱箱名、船名、源作业位置和目的作业位置；输入二、港口地理布局信息，其包括：港口内各个作业的关键点，关键点标识，并计算任意两个关键点之间的最短路径长度；输入三、拖车的数量及其初始状态；输入四、岸吊及场吊的数量及初始状态。
8.可选的，所述建立码头模型，其包括：配合码头作业相关信息输入，定义代表港口的桥吊，且；定义代表港口的场吊，且；定义代表港口内可供调配的拖车集合，且；定义代表集装箱货轮到港后需要完成的所有装卸任务集合，且；其中，表示任务条数；以带权无向图表示码头模型，且定义节点集合nodes={}和边集合edges={}。
9.可选的，所述配置拖车端侧流程，其包括：当拖车状态为空闲，则向调度中心发送本地码头模型更新请求get_model，且随后发送一条任务获取指令get_tasks；所述初步匹配逻辑包括：基于码头模型对作业的桥吊进行轮询，分别从每台吊机的任务队列中取出位于队首的任务，组合成一个任务列表，打包返回给拖车端，作为拖车端的集装箱作业任务。
10.可选的，所述基于预设的任务效用评估函数计算得到最优解，其包括：对任务列表中的各个任务求效用值，比较，并根据预定义的选取规则筛选得到最优解；具体地：若定义装卸船任务为，定义拖车与作业位置的距离为、任务优先级为、任务序列完成度为、任务装卸性质增益为、拖车每次申请任务时可从调度中心获取条任务，则任务效用评估函数满足：；其中，表示预先指定的各变量最高次幂；为条任务中的第条任务；令,，则：其中，为矩阵，为矩阵，为矩阵的转置,为矩阵的迹；将拖车每次申请调度的输出为条任务中的第个任务记为，选取规则符合：=
)；符合条件的即为预选出的最优任务，作为最优解。
11.可选的，所述矩阵的评估方法包括求解目标函数。
12.可选的，所述配置调度中心侧流程，其包括：根据实时的码头模型，研判拖车的执行路径是否会加剧码头交通的拥塞程度，如果是，则发送拒绝指令rejected，再根据预先设置的路径改良算法，为预选任务重新规划一条路径，并在等待拖车端发送获取新规划路径的请求get_target_path后，将新规划的路径回传给拖车端；如果否，则会发送允许指令approved，批准拖车端按原先规划的路径直接执行任务。
13.可选的，令拖车端得到最优解后，进行一次路径规划，并随同最优解提交至调度中心；所述进行一次路径规划，其包括：基于码头图模型，通过dijkstra算法进行的单车次最短路径规划，规划出一条意向作业路径。
14.可选的，所述根据预先设置的路径改良算法，为预选任务重新规划一条路径，其包括：调度中心在码头模型的副本中，将所经过的拥堵边全部移除，再通过dijkstra算法，传入和source，判断是否存在可达的路径。如果存在，则直接返回，指派拖车按照执行任务；否则，在副本中逐条移除经过的拥塞边，再分别计算从source到的最短路径拥塞值之和，挑选一条和最小的路径，再指派拖车按照执行任务。
15.第二方面，本技术提供一种基于移动边缘计算的集装箱码头内部拖车调度系统，采用如下的技术方案：一种基于移动边缘计算的集装箱码头内部拖车调度系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述中任一种基于移动边缘计算的集装箱码头内部拖车调度方法的计算机程序。
16.综上所述，本技术包括以下至少一种有益技术效果：1、针对码头作业中的拖车调度场景，合理划定了部署在拖车的边缘端和调度中心主端的工作职责，并设计了一套“拖车-调度中心”通信场景下的信息交互协议；相较于以往的作业线模式和人工呼叫调度，本发明可以依托边缘计算技术的“大二层”框架，对边缘端（拖车端）、主端（调度中心）的职责作了明确划分，避免工作重叠和职责不清，确保双边各司其职；依托匹配的信息交互协议，边缘端和主端之间可以进行有效通信，实现任务信息、路径规划信息、判断结果信息的有序传输，从而更好地协调拖车的调度和运输工作，提高调度作业的可靠性和安全性；2、设计了路径规划算法并引入了任务效用评估函数作为评价指标，用于边缘端评估任务的优劣，在此基础上将调度任务逐层分解，增强路径规划的准确性和可用性。边缘端通过对每个任务调用效用函数进行评估，得出最优的任务后，再进行作业路径规划；可以避免对多任务直接进行路径规划选优时计算量过大的问题，显著节约用于规划的系统资源，提高计算效率，以保证码头调度的效率和准确性。
附图说明
17.图1是本技术图形化的码头模型示意图。
具体实施方式
18.以下结合附图1对本技术作进一步详细说明。
19.本技术实施例公开一种基于移动边缘计算的集装箱码头内部拖车调度方法，其通过对集装箱拖车加装车载终端（如：车载电脑）联动远程信息化调度中心实时进行调度；一方面，抛弃以前单个岸桥绑定固定数量的拖车的传统模式，实现多岸桥拖车交互、实时调度；另一方面，建立了一套相对完善、优化、合理的拖车资源智能调度机制，使拖车资源可根据不同的作业条件和操作环境，更有效、更合理地分配和调度，实现减少拖车等待时长、提高拖车重载率、提高岸桥工作效率和降低设备作业能耗等目标。
20.可以理解的是，除了拖车加装车载终端外，拖车司机的个人终端，手机也可作为本方法实施的一个基础，主要是利用微信定位和地图融合技术，方便实施边缘计算和智能调度。
21.在本方法中，边缘计算采用“大二层”结构，包括调度框架和执行框架两个部分，调度是中心节点，执行是广泛分布在不同地域、不同类型、不同规模的边缘计算节点 （edge computing node，ecn）。在本方法中，港区内加装了智能化车载终端的若干台拖车、司机的个人终端共同构成了算法的执行框架，而部署在服务器上的调度中心节点，则充当调度框架，指派、协调任务如何在边缘节点上进行分配。
22.参照图1，基于移动边缘计算的集装箱码头内部拖车调度方法包括：步骤一、基础建立，其包括：建立调度中心，将调度中心与拖车端进行数据连接；其中，拖车端包括上述拖车的车载电脑和/或拖车司机的个人终端；码头作业相关信息输入，并建立码头模型。
23.在本实施例中，上述码头作业相关信息输入，其包括：输入一、装卸船指令表，其包括：集装箱箱名、船名、源作业位置和目的作业位置；其表示：集装箱装卸地点的具体信息。
24.以装船为例，大致的作业流程是：1）、拖车根据接受到的指令，去源场位取目标集装箱；2）、拖车到达源位置在吊机下排队；3）、拖车取得集装箱，出发前往目标泊位的吊机下；4）、吊机把集装箱放到船舶上；5）、拖车成为无任务状态，可以被指派其他指令。
25.根据上述可知，此时源作业位置，即源场位的吊机位置；目的作业位置，即目标泊位的吊机位置。
26.输入二、港口地理布局信息，其包括：港口内各个作业的关键点，关键点标识，并计算任意两个关键点之间的最短路径长度。
27.输入三、拖车的数量及其初始状态；
28.输入四、岸吊及场吊的数量及初始状态。
29.根据上述信息，即可相对完善的覆盖拖车作业流程所涉及基础信息项，以便建立码头模型。关于码头模型，具体地：配合码头作业相关信息输入，定义代表港口的桥吊，且；其中，1、2
…
等序号此时为区分序号；定义代表港口的场吊，且；定义代表港口内可供调配的拖车集合，且；定义代表集装箱货轮到港后需要完成的所有装卸任务集合，且；以带权无向图表示码头模型，且定义节点集合nodes={}和边集合edges={}。
30.如图1所示，即为图形化的码头模型；以4台桥吊，6台场吊，4辆拖车为例：节点集合nodes={qc1,qc2,qc3,qc4,r1,r2,r3,r4,r5,r6,m1,m2,m3}；边集合edges={ ('qc1', 'r1', 20), ('qc1', 'r2', 100), ('qc1', 'r3', 40), ('qc1', 'r4', 120), ('qc1', 'r5', 60), ('qc1', 'r6', 140), ('qc2', 'r1', 40), ('qc2', 'r2', 80), ('qc2', 'r3', 60), ('qc2', 'r4', 100), ('qc2', 'r5', 80), ('qc2', 'r6', 120), ('qc3', 'r1', 80), ('qc3', 'r2', 40), ('qc3', 'r3', 100), ('qc3', 'r4', 60), ('qc3', 'r5', 120), ('qc3', 'r6', 80), ('qc4', 'r1', 120), ('qc4', 'r2', 20), ('qc4', 'r3', 140), ('qc4', 'r4', 40), ('qc4', 'r5', 160), ('qc4', 'r6', 60), ('r1', 'r2', 80), ('r1', 'r3', 20), ('r1', 'r4', 100), ('r1', 'r5', 40), ('r1', 'r6', 120), ('r2', 'r3', 100), ('r2', 'r4', 20), ('r2', 'r5', 120), ('r2', 'r6', 40), ('r3', 'r4', 80), ('r3', 'r5', 20), ('r3', 'r6', 100), ('r4', 'r5', 100), ('r4', 'r6', 20), ('r5', 'r6', 80)}。
31.上述步骤一实施后，可以准备实施步骤二、配置调度流程，其包括：配置拖车端侧流程和配置调度中心侧流。
32.其中，配置拖车端侧流程，其包括：s11、接收和记录码头模型并实时接收拖车状态信息，以预设的时长t为周期，定时将拖车状态信息提交至调度中心。
33.其中，拖车状态信息包括：机械号、拖车满载量、拖车剩余容量、拖车实时定位、身份（即账号信息）和程序识别码。程序识别码，可以认为是模型动态更新需求匹配。上述时长t为后台预自定义时长，根据港口的规模等确定即可。
34.在上述拖车端的步骤完成后，流程转向调度中心侧；配置调度中心侧流程，其包括：s21、接收和记录码头模型并实时接收拖车端提交的拖车状态信息，根据预设的初步匹配逻辑为其分配若干个集装箱作业任务，集装箱作业任务反馈至对应的拖车端。
35.在本方法的一个实施例中，除了通过设定时长t触发任务分配外，还设置为配置拖车端侧流程，其包括：当拖车状态为空闲，则向调度中心发送本地码头模型更新请求get_model，且随后发送一条任务获取指令get_tasks。
36.即，只要拖车空闲就会主动触发任务分配；同时，根据上述可知，本方法的一个特点在于：中心的码头模型是实时维护的，而拖车端的码头模型只有在拖车主动请求更新时，
才会和中心的码头模型同步，以此减小数据通信量，减小信息排队等。
37.综上，初步匹配逻辑设置为：基于码头模型对作业的吊机（如：桥吊）进行轮询，分别从每台桥吊的任务队列中取出位于队首的任务，组合成一个任务列表，打包返回给拖车端，作为拖车端的集装箱作业任务。
38.随后，配置拖车端侧流程，其还包括：s12、接收调度中心反馈的集装箱作业任务，并基于预设的任务效用评估函数计算得到最优解，最优解提交至调度中心。
39.在本方法的一个实施例中，s12包括：对任务列表中的各个任务求效用值，比较，并根据预定义的选取规则筛选得到最优解；具体地：根据实际情况，可以列出拖车与任务匹配度相关的四个主要因素，以装卸船任务为例，任务效用评估函数基于下面四个因素计算效用值：（1）、拖车与作业位置的距离：表示拖车结束上一次任务时的位置与任务作业起始位置之间的距离，越小表示距离越近，可以更快地到达作业起始位置；（2）、任务优先级：表示任务所处的任务序列的优先级数值，值越高表示优先级越高，与任务所在桥吊的优先级数值相同；（3）、任务序列完成度：表示任务所处任务序列当前的完成程度，值越高表示任务完成度越高，可以更早地开始下一个任务；（4）、任务装卸性质增益：当拖车完成一个装船任务时，与卸船任务的匹配度增高；当完成一个卸船任务时，与装船任务的匹配度增高。因此，根据任务的装卸船情况设置一个增益，如果任务的装卸性质与当前拖车具有较高匹配度，则这个增益较高，可以更好地匹配任务，提高工作效率。
40.在以上四个因素的定义基础上，下面给出基于效用函数的具体任务选取规则。假定拖车每次申请调度时可从主端获取条任务，针对其中的第个任务，其效用函数为：；令,，表示预先指定的各变量最高次幂，此时：其中，矩阵为，为矩阵，为矩阵的转置,为矩阵的迹；在此基础上，拖车每次申请调度的输出为条任务中的第个任务，记为，选取规则需要符合：=)，符合条件的即为预选出的最优任务，作为最优解。
41.由于矩阵表示参数矩阵，所以评估的方法为求解目标函数，具体地：；其中，为系统第次申请调度的第条任务的参数，为系统评估范围内的总申
请调度次数，为前一次评估的参数，为过拟合系数,为参数矩阵进化系数，表示矩阵的frobenius范数，约束条件表示通过历史数据分析获得最佳调度情况时，每次申请调度结果的效用函数值均大于获取到的一组任务中其他任一效用函数值。
42.在得到最优解后，由调度中心再次研判是否执行任务，对应的，配置调度中心侧流程，其包括：s22、接收拖车端提交的最优解，判断拖车作业计划是否与其它车冲突，若不冲突，则生成计划；若冲突，则由调度中心生成，指派另外的作业计划。
43.关于上述的作业计划冲突，可以认为是该拖车作业计划与其他拖车的作业计划相同。
44.在本方法的一个实施例中，调度中心不只是会研判任务计划是否冲突，进一步还会研判路径是否造成拥塞；其中，导致拥塞的原因可能是因为路线交叉、部分重叠、交汇时刻相同，导致排队等影响拖车工作效率，因此有必要对路径是否拥塞进行研判，并对应的作出响应，具体地：根据实时的码头模型，研判拖车的执行路径是否会加剧码头交通的拥塞程度，如果是，则发送拒绝指令rejected，再根据预先设置的路径改良算法，为预选任务重新规划一条路径，并在等待拖车端发送获取新规划路径的请求get_target_path后，将新规划的路径回传给拖车端；如果否，则会发送允许指令approved，批准拖车端按原先规划的路径直接执行任务。
45.根据上述可知本方法需要规划路径，但是相对于过往存在差异，在本方法中：令拖车端得到最优解后，进行一次路径规划，并随同最优解提交至调度中心。
46.进行一次路径规划，其包括：基于码头图模型，通过dijkstra算法进行的单车次最短路径规划，规划出一条意向作业路径；以下介绍具体流程：其中，码头图模型为一个带权无向图，图中每个节点表示码头的具体位置，如等，每条边的权值表示该边对应路段的拥塞程度，值越高表示越拥塞；任务执行的起始位置和结束位置均为码头图模型中的具体节点；根据现实生活中的实际情况，模型中所设定的拥塞程度均为正值，不存在负权值的边，因此考虑使用较为成熟的dijkstra算法实现单车次路径规划，给出伪代码如下：
47.通过dijkstra计算码头图模型中的最短路径时，需要指定起点为作业起始位置source。在上述的伪代码算法中，dist是一个数组，它用于实时记录从source到其他顶点的当前拥塞程度，如果某顶点v与source不相邻，则在dist中初始化拥塞程度为无穷大。数组记录从source到给定顶点的最短路径上的前一跳节点的指针。while循环中的代码用于搜索顶点集中值最小的顶点u。返回两个相邻节点u和v的边的权值(即节点u,v所表示的路径之间的拥塞程度)。变量alt表示从源节点source到顶点集中节点u的各相邻节点v的路径拥塞程度(如果它要经过u)。如果这条路径比记录的当前最小拥塞程度还要小，则被替换为alt。
48.如果我们只对作业起始位置source和目标位置之间的最短路径感兴趣，倘若发现，我们可以在pseudocode 1的第10行后终止搜索。在pseudocode 1执行完毕后，我们可以通过反向迭代，倒推作业起始位置source和目标位置之间的最短路
径:
[0049] 当pseudocode 2运行完毕后，序列s是构成从作业起始位置source到目标位置的最短路径之一的顶点列表，如果source和之间不存在路径，则为空序列。此时，将序列s作为拖车单车次作业执行路径返回。
[0050]
在本方法的一个实施例中，若调度中心研判认定上述拖车端给出的路径存冲突，则执行上述根据预先设置的路径改良算法，为预选任务重新规划一条路径，具体地：调度中心在码头模型的副本中，将所经过的拥堵边全部移除，再通过dijkstra算法，传入和source，判断是否存在可达的路径。如果存在，则直接返回，指派拖车按照执行任务；否则，在副本中逐条移除经过的拥塞边，再分别计算从source到的最短路径拥塞值之和，挑选一条和最小的路径，再指派拖车按照执行任务。
[0051]
在确定了某辆拖车实际执行作业的路径后，调度中心根据，去更新路径上所有的边的拥塞程度。
[0052]
前述的堵塞判定此时可以是：对于路径,当拖车执行作业时，会逐渐增加各边的拥塞值，通过对路径经过的边权重加上正值常数实现；当拖车作业结束时，则会逐条减少各边拥塞值，通过对路径经过的边权重 减去正值常数实现。基于拖车作业路径而对图模型进行权值动态调整，就可以模拟实际作业场景下拥塞程度的动态变化。
[0053]
本技术实施例还公开一种基于移动边缘计算的集装箱码头内部拖车调度系统。
[0054]
基于移动边缘计算的集装箱码头内部拖车调度系统包括存储器和处理器，其中，存储器上存储有能够被处理器加载并执行如上述中任一种基于移动边缘计算的集装箱码头内部拖车调度方法的计算机程序。
[0055]
综上所述，本技术：1、针对码头作业中的拖车调度场景，合理划定了部署在拖车的边缘端和调度中心主端的工作职责，并设计了一套“拖车-调度中心”通信场景下的信息交互协议。
[0056]
相较于以往的作业线模式和人工呼叫调度，本发明依托边缘计算技术的“大二层”框架，对边缘端、主端的职责作了明确划分，避免工作重叠和职责不清，确保双边各司其职，
从而提高调度的有序度和协同作业能力，也便于更清晰地进行作业监管和工况评估；依托信息交互协议，边缘端和主端之间可以进行有效通信，实现任务信息、路径规划信息、判断结果信息的有序传输，从而更好地协调拖车的调度和运输工作，提高调度作业的可靠性和安全性。
[0057]
2、设计了基于拖车与作业位置的距离、作业优先级、作业序列完成度、作业性质增益四个因子的任务效用评估函数，并提出了确定以上四个因子对应的参数的方法，该效用评估函数能够给人提供一种评估影响因子与调度关系的权重指标，为调度任务的选取提供了数值依据。同时，确定参数的方法综合考虑了码头历史作业，以及调度任务连续选取时的稳定性，有较好的现实应用价值。
[0058]
3、针对边缘端和主端，设计了路径规划算法并引入了任务效用评估函数作为评价指标，用于边缘端评估任务的优劣，在此基础上将调度任务逐层分解，增强路径规划的准确性和可用性。边缘端通过对每个任务调用效用函数进行评估，得出最优的任务后，再进行作业路径规划。
[0059]
这种方法可以避免对多任务直接进行路径规划选优时计算量过大的问题，显著节约用于规划的系统资源，提高计算效率。
[0060]
边缘端规划完毕后，主端再基于拥塞程度的路径重规划算法，对边缘端提交的作业路径进行检查，当发现路径超过拥塞阈值，会加剧拥堵时，则重新规划路径，确保了拖车最终作业路径的高效可用。
[0061]
从边缘端到主端，系统将拖车调度任务逐级分解，先进行效用函数评估，再进行路径规划，最终将判定结果传输到主端侧，高效实现调度，同时满足时效性和可用性的要求。
[0062]
这套框架将主端调度中心的计算压力一部分卸载给了边缘的移动终端设备，降低了主端调度中心的计算压力。而边缘移动终端设备可以通过微信定位和地图融合技术更精准、快速的获取现场作业信息，并在边缘端完成一部分计算任务后提交结果给主端，从而显著提高调度效率。
[0063]
以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。

技术特征：
1.一种基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于，包括：步骤一、基础建立，其包括：建立调度中心，将调度中心与拖车端进行数据连接；码头作业相关信息输入，并建立码头模型；步骤二、配置调度流程，其包括：配置拖车端侧流程和配置调度中心侧流程；其中，所述配置拖车端侧流程，其包括：s11、接收和记录码头模型并实时接收拖车状态信息，以预设的时长t为周期，定时将拖车状态信息提交至调度中心；其中，拖车状态信息包括：机械号、拖车满载量、拖车剩余容量、拖车实时定位、身份和程序识别码；s12、接收调度中心反馈的集装箱作业任务，并基于预设的任务效用评估函数计算得到最优解，最优解提交至调度中心；所述配置调度中心侧流程，其包括：s21、接收和记录码头模型并实时接收拖车端提交的拖车状态信息，并根据预设的初步匹配逻辑为其分配若干个集装箱作业任务，集装箱作业任务反馈至对应的拖车端；s22、接收拖车端提交的最优解，判断拖车作业计划是否与其它车冲突，若不冲突，则生成计划；若冲突，则由调度中心生成，指派另外的作业计划。2.根据权利要求1所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述码头作业相关信息输入，其包括：输入一、装卸船指令表，其包括：集装箱箱名、船名、源作业位置和目的作业位置；输入二、港口地理布局信息，其包括：港口内各个作业的关键点，关键点标识，并计算任意两个关键点之间的最短路径长度；输入三、拖车的数量及其初始状态；输入四、岸吊及场吊的数量及初始状态。3.根据权利要求2所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述建立码头模型，其包括：配合码头作业相关信息输入，定义代表港口的桥吊，且；定义代表港口的场吊，且；定义代表港口内可供调配的拖车集合，且；定义代表集装箱货轮到港后需要完成的所有装卸任务集合，且；其中，表示任务条数；以带权无向图表示码头模型，且定义节点集合nodes={}和边集合edges={}。4.根据权利要求1所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述配置拖车端侧流程，其包括：当拖车状态为空闲，则向调度中心发送本地码头模型更新请求get_model，且随后发送一条任务获取指令get_tasks；所述初步匹配逻辑包括：基于码头模型对作业的桥吊进行轮询，分别从每台吊机的任务队列中取出位于队首的任务，组合成一个任务列表，打包返回给拖车端，作为拖车端的集装箱作业任务。
5.根据权利要求1所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述基于预设的任务效用评估函数计算得到最优解，其包括：对任务列表中的各个任务求效用值，比较，并根据预定义的选取规则筛选得到最优解；具体地：若定义装卸船任务为，定义拖车与作业位置的距离为、任务优先级为、任务序列完成度为、任务装卸性质增益为、拖车每次申请任务时可从调度中心获取条任务，则任务效用评估函数满足：；其中，表示预先指定的各变量最高次幂；为条任务中的第条任务；令,，则：其中，为矩阵，为矩阵，为矩阵的转置,为矩阵的迹；将拖车每次申请调度的输出为条任务中的第个任务记为，选取规则符合：=)；符合条件的即为预选出的最优任务，作为最优解。6.根据权利要求5所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述矩阵的评估方法包括求解目标函数。7.根据权利要求1所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述配置调度中心侧流程，其包括：根据实时的码头模型，研判拖车的执行路径是否会加剧码头交通的拥塞程度，如果是，则发送拒绝指令rejected，再根据预先设置的路径改良算法，为预选任务重新规划一条路径，并在等待拖车端发送获取新规划路径的请求get_target_path后，将新规划的路径回传给拖车端；如果否，则会发送允许指令approved，批准拖车端按原先规划的路径直接执行任务。8.根据权利要求7所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：令拖车端得到最优解后，进行一次路径规划，并随同最优解提交至调度中心；所述进行一次路径规划，其包括：基于码头图模型，通过dijkstra算法进行的单车次最短路径规划，规划出一条意向作业路径。9.根据权利要求8所述的基于移动边缘计算的集装箱码头内部拖车调度方法，其特征在于：所述根据预先设置的路径改良算法，为预选任务重新规划一条路径，其包括：调度中心在码头模型的副本中，将所经过的拥堵边全部移除，再通过dijkstra算
法，传入和source，判断是否存在可达的路径，如果存在，则直接返回，指派拖车按照执行任务；否则，在副本中逐条移除经过的拥塞边，再分别计算从source到的最短路径拥塞值之和，挑选一条和最小的路径，再指派拖车按照执行任务。10.一种基于移动边缘计算的集装箱码头内部拖车调度系统，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至9中任一种基于移动边缘计算的集装箱码头内部拖车调度方法的计算机程序。

技术总结
本发明公开了一种基于移动边缘计算的集装箱码头内部拖车调度方法及系统，其方法包括：建立调度中心，将调度中心与拖车端进行数据连接；码头作业相关信息输入并建立码头模型；S11、接收拖车状态信息，定时将拖车状态信息提交至调度中心；S12、接收调度中心反馈的集装箱作业任务，并基于预设的任务效用评估函数V计算得到最优解；S21、接收拖车端提交的拖车状态信息，并根据预设的初步匹配逻辑为其分配若干个集装箱作业任务，集装箱作业任务反馈至对应的拖车端；S22、接收拖车端提交的最优解，判断拖车作业计划是否与其它车冲突，若冲突，则由调度中心生成，指派另外的作业计划。本申请具有改善码头拖车调度工作效率和精度的效果。果。果。


技术研发人员：庞红云 杨茂标 张灿晖 张志真 张力豪 徐可文 甘永嘉
受保护的技术使用者：广州港数据科技有限公司
技术研发日：2023.07.18
技术公布日：2023/8/16