集装箱码头绿色作业调度优化研究综述

董明望，黄麟富，辜 勇

(武汉理工大学 交通与物流工程学院，湖北 武汉 430063)

0 引 言

随着环境污染与全球变暖问题日益严重，绿色发展理念不断深入交通行业，集装箱码头作为交通行业的重要组成部分，是推进建设绿色港口的关键。

集装箱码头的作业环节有泊位分配、岸桥调度、岸桥分配、集卡调度、堆场分配、场桥调度等。现今自动化集装箱码头作业主要有岸桥作业、水平运输作业、堆场作业。绿色作业调度是指在对作业环节进行统筹调度时，将减排或降低能耗等作为调度的考虑因素，从而实现作业调度的低碳、节能化。

镇璐等[1]总结了绿色港口、绿色航运和绿色海事政策对绿色航运的影响；常祎妹等[2]研究了在码头前沿、码头堆场以及两者间的集成调度问题，但未对集装箱码头的绿色作业调度问题进行总结；贺林林等[3]对绿色港口建设中港区大气污染物排放研究进行了综述。鉴于此，笔者结合集装箱码头的作业调度情况，从传统集装箱码头和自动化集装箱码头两方面归纳码头绿色作业调度优化的相关文献。在分析已有文献的基础上，进一步提出集装箱码头绿色作业调度优化的未来研究方向。

1 传统集装箱码头绿色作业调度优化

集装箱码头的作业系统复杂，涉及多个作业子系统，各作业环节相互关联、影响、制约，共同完成集装箱装卸船的作业任务。因此对涉及集装箱码头绿色作业调度研究的现有文献进行总结和梳理，主要分为单个作业环节、多个作业环节两方面。

1.1 单个作业环节的绿色调度

集装箱码头的单个作业环节主要有泊位分配、岸桥分配、岸桥调度、集卡调度、堆场起重机调度等，对单个作业环节进行分类梳理与总结。

1.1.1 泊位分配

许欢等[4]将船舶油耗和碳排放量加入目标函数中，建立以船舶油耗量最小和船舶离港延迟时间最短为双目标的泊位分配模型，并设计了多目标遗传算法进行求解，运用仿真算验证该策略的有效性；Y.DU等[5]研究泊位分配问题时考虑燃油消耗和船舶尾气排放，并构建MISOCP 模型，采用二阶锥规划技术来处理非线性问题；G.VENTURINI等[6]研究了多港口间的泊位分配问题并分析航行速度优化对于操作时间、燃油消耗和尾气排放的影响；J.HOU等[7]考虑岸电的应用，提出一个混合整数非线性规划模型，用于研究动态泊位分配问题；M.A.DULEBENETS等[8]将混合进化算法运用到泊位调度问题中，其目标是最小化集装箱装卸设备的 CO2排放量。针对上述文献在模型类型、算法类型、试验规模等方面进行整理，如表1。

由表1可知，多数研究从减少船舶油耗的角度实现绿色作业调度，降低成本也是研究的重点之一；多数研究从确定性的情况出发进行研究，动态或不确定的情况考虑较少；泊位分配考虑码头和船公司双方的利益是研究的重点，当双方达成合作共识，才能提高效率、实现双赢，同时应考虑船公司优先级，提高码头服务水平与质量；此类问题属于NP-hard问题，故多用智能算法进行求解。

表1 对泊位进行绿色作业调度的研究文献Table 1 Summary of research literature on green job scheduling for berths

1.1.2 岸桥分配或调度

薛松[9]通过量化集装箱码头碳排放，将碳税作为附加成本计入总运营成本中，建立泊位岸桥调度混合整数规划模型，并运用CPLEX进行求解；S.YU等[10]和A.M.TALAVERA等[11]分别构建混合整数非线性规划模型和混合整数规划模型求解岸桥调度问题；D.LIU等[12]提出了岸桥分配的数学规划模型，以最小化卸货过程中的 CO2排放和能耗为目标，采用GRASP(greedy randomized adaptive search)，即贪婪随机自适应搜索算法进行求解。表2总结了岸桥绿色作业调度研究，其中AGV(automated guided vehicle)为自动引导车，QC(quay crane)为岸桥。

由表2可知，多数研究假设岸桥在确定性情况下作业，而实际中会有突发情况，因此考虑不确定性情况下的调度是未来研究的方向；岸桥作业主要考虑大车移动，实际上小车和吊具的频繁作业占到岸桥能耗的较大比重，将两者考虑在内可以得到更接近实际的作业调度问题。

1.1.3 集卡调度

唐国磊等[13]研究三种集卡的调度方式对港区排放的影响，并利用仿真技术进行定量分析；李兵兵等[14]研究集卡速度对碳排放的影响，构建了M/G/S/∞/∞/FCFS排队系统模型，采用MOVES模型，对集卡车辆排队过程中的碳排放进行仿真研究；范厚明等[15]将改进的蚁群算法运用到送箱集卡多码头调度问题中，其目标是单一场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小；王涛[16]针对多码头的内集卡的作业效率与能耗，构建多目标数字规划模块，运用匈牙利算法进行求解；卢毅勤等[17]将集卡的作业效率与能源消耗结合，构建了以两者之和最优为目标的多目标模型，并设计粒子群算法进行求解。针对集卡绿色作业调度在模型类型、算法类型等方面进行归纳，如表3。

表2 对岸桥进行绿色作业调度的研究文献Table 2 Summary of research literature on green job scheduling for quay cranes

通过表3可知，集卡的作业效率会影响码头的装卸效率，也是港区的主要排放源，如何兼顾效率与减排是研究此类问题的关键；通过仿真方法与运筹优化方法结合展示方案可作为效果的多形式化途径；随着双碳政策的实施，集卡用能正在向新能源或者电力驱动转化、绿色作业调度的研究角度应适时转变。

表3 对集卡进行绿色作业调度的研究文献Table 3 Summary of research literature on green job scheduling for trucks

1.1.4 场桥调度

徐飞庆[18]建立了一个基于软时间窗的车辆路径优化模型，目标是实现场桥能耗成本和延误成本最低，将场桥调度问题转化为车辆路径规划问题(vehicle routing problem，VRP)问题，设计了遗传算法，但未考虑场桥到达时间的不确定性；YUN Peng等[19]关注与碳减排相关的场桥调度问题, 通过将数学模型和仿真模型相结合, 提出了在类似情况下其它港口的通用模型；S.MEI等[20]研究堆场起重机的调度问题，构建了以轮胎式龙门吊总能耗最小为目标的整数规划模型，结合实例运用SSPS工具进行求解；J.HE等[21]为最小化所有任务组的总完成延迟和所有堆场起重机的总能耗，将堆场起重机调度问题转化为带软时间窗的车辆路径问题，将遗传算法和粒子群算法相结合对问题进行求解。

可见，场桥的绿色作业调度研究主要考虑能耗和减排，目前轨道式场桥已实现电力驱动，轮胎式场桥也朝着油电混合、氢动力驱动等方向发展。因此，场桥调度研究要考虑使用新能源驱动的耗能、减排和效率特点，并考虑新型驱动方式带来的不确定性因素对作业调度的影响。

1.2 多个作业环节的绿色调度问题

集装箱码头各作业相互影响，研究多个作业环节的联合调度，更加贴近实际。其中岸桥是码头的关键资源，通常将岸桥与泊位、集卡、场桥进行联合作业调度研究。

1.2.1 两个作业环节

曾庆光等[22]着眼于船舶碳排放，提出了以船舶排放最小和船舶总在港时间最小为目标的双目标规划模型，设计了快速非支配排序的遗传算法进行求解；王旭等[23]考虑到港时间不确定性和集卡运输能力受限等约束，针对泊位-岸桥分配问题，建立了以最小化船舶碳排放和平均延迟时间为目标的多目标非线性混合整数规划模型，采用高效非支配排序的遗传算法进行求解，但未考虑在港时的排放；赵虎等[24]研究船舶到港时间可变策略的泊位-岸桥联合调度模型，以最小化船舶延迟离港时间、航行油耗和整个码头碳排放为目标进行多层次对比分析，但模型中未考虑集卡整个行驶过程的排放；J.P.R.OLIVEIRA等[25]将贪婪随机自适应搜索算法应用到岸桥调度和分配的多目标优化问题中；J.HE[26]着眼于节能和省时，运用文化基因算法求解泊位分配和岸桥联合优化问题；严南南等[27]以集卡能耗和岸桥集卡作业时间及所有集装箱的岸桥作业时间和集卡运输时间之和最小化，及集卡总能耗最小化为目标建立模型，运用多目标优化方法对目标函数进行平衡，并设计遗传算法进行求解。上述研究在目标函数、模型类型等方面进行梳理，如表4。

由表4可知，岸桥和泊位的联合调度是两个作业环节研究的主要问题。在排放控制区和“一带一路”倡议背景下，船舶在港停泊的排放应引起重视，通常借助航速优化减少船舶燃油消耗，或者使用岸基供电降低船舶在港排放。此外，对港口装备节能和作业效率之间的平衡问题值得研究。

表4 对两个作业环节绿色调度的研究文献Table 4 Summary of the research literature on the green scheduling of two operation links

1.2.2 三个作业环节

代江涛等[28]考虑岸桥、场桥、集卡在不同作业状态下的能耗，建立了多目标混合整数规划模型，并设计了改进自适应遗传算法进行求解；J.HE等[29]基于遗传算法和粒子群算法设计了一个混合优化算法，以用于求解岸桥、内卡和场桥联合调度问题，其目标是避免船舶延误和最小化操作过程的能耗。当考虑多个作业环节时，势必会构建多目标优化模型对问题进行描述，节能和效率之间可能会存在冲突。

经过梳理，集装箱码头的绿色作业调度研究有如下特点：多数研究的是单作业环节，以泊位分配、岸桥分配为主要研究问题；主要研究目标包括减少碳排放量、降低能耗、缩小作业完成时间等；根据问题的特性，此类NP-hard问题主要运用智能算法进行求解，少部分运用仿真模拟实验进行验证。

借助网络资源，收集得出集装箱码头绿色方向上的学术发展趋势如图1。由图1可知，关于集装箱码头绿色方向上的研究越来越引起重视。

由此，笔者认为未来集装箱码头绿色作业调度优化的研究方向有：①既考虑作业设备的节能减排问题，如减少CO2的排放、作业能耗等，同时也应考虑船舶的排放，如船舶在港期间的排放、行驶过程的油耗等；②研究不确定条件下各个作业环节的调度，考虑设备可能出现的状况，如设备失效、设备作业时间延迟等；③研究多目标模型时，考虑求解算法的优化，实现更加高效的求解速率；④研究多个作业环节的协同调度，应考虑各个作业环节的关联性，从而实现绿色作业调度的有效性。

图1 集装箱码头绿色方向学术发展趋势Fig. 1 The academic development trend of the green direction of container terminals

2 自动化集装箱码头绿色作业调度优化

自动化集装箱码头是将原本的岸桥、场桥、集卡等作业设备换成与之相对应的自动化设备，从而高效完成岸边和堆场之间的运输作业、堆场内的作业以及进出道口的作业[30-31]。在这些过程中，主要运用的设备有：岸桥、自动化轨道吊或自动轨道起重机(automated stacking crane, ACS)、自动引导车(automated guided vehicle, AGV)、无人集卡等。综合现有研究文献，从单个作业环节和多个作业环节，对自动化集装箱码头绿色作业调度优化研究进行总结和梳理。

2.1 单个作业环节

周亚民等[32]研究穿越式双ASC的耗能问题，以最小化集装箱任务的总完成时间和总耗能为目标，建立了混合整数规划模型；J.RONG等[33]以轨道起重机的行走距离表示能耗问题，构建了以自动轨道起重机运行距离最小的存储空间分配模型，并运用遗传算法进行求解；王聪等[34]考虑了AGV 作业行为对作业效率及能耗的影响，构建双层规划模型用于研究AGV的能耗; 丁一等[35]运用CPLEX解决岸桥调度中堆场箱区间作业量不均衡问题。

单个作业环节研究的对象主要是AGV和ASC；AGV的电力驱动带来了包括充电、换电等新的调度问题；应进一步探索不确定情况下的调度问题，如装卸效率的不稳定等；实现调度计划的实时性也是研究的难点。

2.2 多个作业环节的研究

针对多个作业环节的研究，从两个作业环节和三个作业环节两方面进行研究文献的总结与梳理。

2.2.1 两个作业环节

L.YUE等[36]考虑码头起重机和堆场缓冲器容量、船舶稳定性、AGV最大续航能力等相关约束条件，针对岸桥和AGV构建了两阶段优化模型，目的是为了装卸作业能耗最小化、AGV利用率最大化，并设计枚举法和遗传算法分别进行求解；范厚明等[37]在考虑岸桥、AGV运输过程的能耗的情况下，建立了一个以两者能耗最小的双小车岸桥配置与调度模型，并运用枚举法和遗传算法进行两阶段求解；Q.ZHAO等[38]着眼于最小化岸桥和AGV的总能耗，构建了两者协同调度模型，运用两阶段禁忌搜索算法进行求解。岸桥和AGV的作业调度一直以来都是研究的热点，两者活动密切相关，影响作业效率，应考虑不确定性因素，包括岸桥故障、AGV路径冲突等。

2.2.2 三个作业环节

M.ZHONG等[39]将混合遗传算法和粒子群算法运用到自动化终端中QC、AGV和自动化轨道吊的集成调度问题中，其目标是为了最小化船舶装卸时间，以期缓解能源消耗；艾立红等[40]从时间效率与节能的角度出发，针对自动化集装箱码头的QC、AGV、ASC，构建了多目标混合整数规划模型。对多个作业环节的研究从模型类型、算法类型等方面进行归纳梳理，如表5。

由表5可知，多个作业环节的调度主要从节约能耗的角度出发，研究作业过程中设备能耗减少的问题；权衡效率和能耗是研究的重点；文献主要构建多目标数学模型对问题进行描述，智能算法是求解此类问题的主要方法。

涉及多个作业环节的问题，研究可从减少能耗、船舶在港时间等角度出发，考虑随机性因素使得问题更贴近实际，但会更为复杂，求解难度也会增加，因此，在综合现有运筹优化方法求解稳定性的情况下，借助学习性强的神经网络、深度学习等算法对复杂模型进行求解，是值得研究的地方。

表5 对多个作业环节的研究文献Table 5 Summary of research literature on multiple operation links

经过梳理，自动化集装箱码头的绿色作业调度研究有如下特点：多数文献主要研究AGV与QC的调度问题，多个作业环节的协同调度研究也逐年增加；与传统集装箱码头不同，自动化集装箱码头绿色作业调度的目标多考虑减少设备能耗和作业完成时间；同时求解此类问题也是运用智能算法或是启发式算法。

图2 自动化集装箱码头能耗方向学术发展趋势图Fig. 2 The academic development trend of the energy consumption direction of automated container terminals

与图1的获取方式一致，收集自动化集装箱码头考虑能耗的作业调度的研究文献，如图2。笔者认为未来自动化集装箱码头绿色作业调度优化的研究方向主要有：①针对多个作业环节的协同调度研究，除了考虑降低作业时间，有必要将设备节能纳入研究问题；②船舶作为主要污染源之一，对其在港排放进行研究具有重要意义；③为使研究更加符合实际情况，需考虑作业过程中出现的随机因素，如交通拥堵、AGV出现故障、设备失灵等情况；④将成本、能耗、效率等相关内容纳入模型建立，进一步提高自动化集装箱码头的作业效率与服务水平。

3 结 语

集装箱码头绿色作业调度的研究现状：①集装箱码头设备用能逐步向电能转变，目前多数研究主要考虑减排。自动化集装箱码头以电力驱动为主，降低能耗是其考虑的主要目标；②调度问题属于NP-hard问题，运筹优化方法是求解主要方式。

集装箱码头绿色作业调度的重难点有：①多目标冲突问题，现有研究考虑了减少作业时间、减少设备能耗、减少船舶在港时间和航行油耗等多个目标；②不确定性因素纳入问题研究同样值得关注，目前考虑的因素有双小车QC转运平台容量限制、船舶到港时间的不确定等；③实时性、动态性问题也是研究的重难点，如对AGV的作业行为优化。

未来进一步的研究方向有：①多目标之间可能会存在冲突，因此应考虑平衡成本、时间、节能减排的冲突，各算法之间各有优劣势，如何利用各自的优点进行有机组合解决多目标优化问题同样也值得关注。除了借助运筹优化方法解决问题，也可运用系统仿真方法分析求解此类问题；②应考虑作业环节的不确定性因素，如岸桥故障、AGV或者集卡的路径冲突、自动化装备的充电速度等；③实时性、动态性也是未来的方向，实际应用中需要实时调度，满足动态变化，如船舶到港时间的变化、装卸效率的可变性等；④码头使用新能源是必然趋势，当作业设备使用新能源时，作业调度应与能源管理相融合匹配。