交通大数据环境下的集装箱业务应用研究

芦志英、严妍、吴庆岩

（1.桂林电子科技大学建筑与交通工程学院，广西 桂林 541004；2.桂林电子科技大学基建处，广西 桂林 541004）

0 引言

集装箱运输是指将货物集合组装至集装箱运输单元后，运用大型载运、装卸工具完成集装箱及其内部货物的运输任务、装卸搬运作业的一种运输方式，是实现货物运输“门到门”服务的重要手段。当前，集装箱运输由单一种运输方式发展到多式联运，由国内联运发展到国际联运，充分展现出其优越性。在集装箱多式联运中，由各相关负责部门相互配合、协力完成运输全过程。其中，集装箱港口是集装箱多式联运网中的重要节点。近年来，我国集装箱港口吞吐量总体上处于稳定增长态势，为应对不断增长的集装箱作业需求，需要高效利用码头的资源设施，提高集装箱中转作业水平。

交通运输部印发的《推进综合交通运输大数据发展行动纲要（2020—2025 年）》中指出，要以数据资源赋能交通发展，推动大数据与综合交通运输深度融合，有效构建综合交通大数据中心体系，为加快建设交通强国提供有力支撑[1]。该纲要说明，数据赋能交通运输快速发展的时代已经到来。港口企业和相关运输企业借助大数据提取集装箱多式联运业务的关键信息，可使相关业务流程更加智能化和透明化，有利于提高集装箱运营管理能力，优化资源配置，节约人力及车辆运营成本，提高劳动生产率，推动集装箱业务快速发展，提高集装箱多式联运在物流行业中的竞争力。

1 大数据概述

大数据（big data）或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策、具有参考价值的资讯。IBM 提出大数据包括大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity）等“5V”特点。研究机构Gartner 将大数据定义为这样的一种信息资产——需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡则将大数据定义为一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围，具有海量规模、快速流转、多样类型和低价值密度等特点的一类数据集合。

总体来看，大数据真正的意义在于通过对这些“大”数据的快速、高效处理，为重要决策提供支持。因此，从某种意义上来说，运用大数据为企业运营提供支持的关键，在于提高对数据的“加工能力”，将低价值密度的数据“增值”。提升大数据的“价值”，比获得更大量的数据更重要。对集装箱多式联运企业而言，对所获取的大数据进行分析、处理，以供运营决策参考，是提升自身核心竞争力的关键。

2 集装箱多式联运

众所周知，海运承担了全球90%以上的货物运输量，集装箱海运是集装箱多式联运流转过程体系的重要组成部分，集装箱港口是集装箱多式联运网中的重要节点。为提高集装箱中转作业水平，诸多港口堆场调度作业中应用了GPS 和GPRS 技术；港口设备的实时安全监控领域广泛使用光纤传感技术；一些港口开始尝试在港口生产作业过程中应用大数据技术。大数据技术能使集装箱码头变得越来越“聪明”[2]。

公路集装箱运输是铁路车站、港口和机场集散物资的重要手段，是集装箱多式联运“门到门”不可缺少的重要组成部分。据调查，我国公路集装箱运输过程中车辆平均空载率约为37%。究其原因在于在公路集装箱运输货源组织过程中，普遍存在分散化和无序化等不合理现象。分析集卡车队运行大数据，有助于畅通公路集装箱运输信息交互，提升集卡车队的综合利用率。鸭嘴兽公司的“国际集装箱道路运输企业大数据中心”建设，有助于推进公路集装箱数字化服务高地的形成。

向空运发展是集装箱多式联运未来发展趋势。然而，由于受到飞机舱位的限制，除了在大型飞机的货舱中可使用标准集装箱，普通飞机中可使用的箱形均为非标准集装箱，这给航空业开展集装箱多式联运带来了困难。因此，在航空业开展集装箱运输，需要开发适用的全套设施设备及组织机构等[3]。

3 大数据在集装箱领域的技术应用

大数据技术在集装箱运输领域有许多发明专利，有力地促进了集装箱业务的高效发展。如刘瑞等[4]发明了一种基于大数据技术可轨迹定位的新型集装箱，包括集装箱本体、支撑块和移动单元。支撑块固接在集装箱体的底部；移动单元设置在集装箱体的侧壁；移动单元包括矩形块、滚轮、限位块和一号杆。借助移动单元，可将集装箱体移动到指定位置，然后进行装货。张士和[5]发明了一种基于大数据与区块链的集装箱运输模式。运输过程主要包括以下步骤：其一，收集港口船公司与工厂间的集装箱进出口业务数据；其二，数据处理系统及区块链为运输方匹配出最佳的业务三方运输模式。通过大数据分析，将每一条独立的、呆板的货源信息优化设计成最佳的运输方案，赋予集装箱运输新含义，通过三方匹配运输业务，能够有效避免运输方运输工具空载的现象，而且对运输链上的各个运输节点均能起到积极作用，实现共赢。唐树华[6]等设计了一种基于大数据的集装箱运输管理系统，该系统通过优化集装箱的装卸方式、改变集装箱的形态等方式，提高集装箱运输效率。前述方式的成果体现在以下两个专利中：“一种集装箱用箱式高效率装卸装置”（CN211110883U）设计了一种新的集装箱装卸装置，通过该装置的使用可有效加快集装箱的装卸速度、方便集装箱的使用；“双拼集装箱飞翼柜”（CN213139920U）则设计了一种双拼集装箱飞翼柜，方便将两个集装箱柜拼接在一起。

目前，有许多基于大数据的人工智能预测模型，如深度学习模型，能使集装箱运输更加高效。参数越多，模型学习的数据量便越多，泛化能力便越强。

准确预测货车到达集装箱码头的时间，是一项关键但复杂的工作。有学者提出了一种结合门控循环单元（GRU）和全连接神经网络（FCNN）的深度学习模型，利用融合技术对货车日抵港量进行预测[7]。该模型能有效分析序列和截面数据集。该模型的优势在于能将影响交通量的新参数，如船舶相关信息、到达工作日和天气条件，纳入卡车到达的长时间序列。采用我国南方某领先集装箱港口的真实大数据，测试模型性能，测试结果对指导港口交通管理有重要意义。该测试结果揭示了特定船舶出口集装箱到达与集装箱堆场（CY）关闭时间的关系，且该模型的预测准确率较已有模型的准确提高了20%以上，能更真实地反映现实情况。

堆场作为集装箱码头的重要子系统，提升其作业效率有利于提高集装箱码头的服务水平。其中集装箱堆场空间的合理分配是提升集装箱港口效率的关键之一，对于降低码头的运营成本、促进港口物流的发展有重要意义。罗钟元等[8]从数据角度出发，利用大数据技术预测出口集装箱到达堆场的时间，进而为集装箱空间分配策略提供数据支撑。采用2019 年某码头生产数据集中的堆场收箱数据，对数据集进行清洗和预处理后，使用决策树回归、随机森林回归和k近邻回归模型建立集装箱到达堆场时间的预测模型。其中随机森林回归模型在拟合精度和误差上较决策树回归和k 近邻回归模型表现更佳，其拟合度为0.799，RMSE 为1.8。对模型分析后，得出影响集装箱到达堆场时间的主要影响因素有所属船ID、总重、卸货港和进港月份。

连峰等[9]基于大数据挖掘的方法估算了铁路车站间OD 客流，调查分析了铁路乘客对高铁和普铁的选择偏好，确定了高铁开通后普铁线路客运的供需关系与均衡性，把普铁线路上的客流转换成相应的旅客列车列数，以此计量各普铁路段的通过能力；评估各普铁路段的总通过能力，基于扣除系数法计算普铁各路段剩余的货运能力，并进一步在普铁线网上根据集装箱进港量确定集装箱班列枢纽站的候选集；将候选枢纽站的班列发车频率作为离散的内生变量，基于现实中的干线公路网络和普铁网络构建枢纽站选址和发班频率优化模型，并通过求解模型确定集装箱铁路集港服务网络的经济技术指标；以上海港和宁波港及其腹地为案例进行数值分析。计算结果表明：在案例空间范围内的普铁运输线上，日均通过能力最小为79列，最大为137 列：基于普铁各路段剩余的货运能力，计算得出各集装箱班列枢纽站的日均发班频率最小为6 列，最大为19 列；由计算得到的普铁路段上的流量可以看出，铁路运送到上海港和宁波港的日均集装箱量分别为13677、12094TEU，分别占2 个港口日均到达总量的25%和33%，相比以前5%～7%的占比，有大幅度增加。

随着全球经济一体化进程的不断推进，国际集装箱港口吞吐量稳步上扬。与此同时，劳动力资源匮乏加剧，劳动力成本不断上涨，集装箱码头运营压力加剧。为此，需要推动集装箱码头自动化，以提高码头装卸作业效率与效益。大数据技术的不断成熟为集装箱码头自动化运营提供了技术支撑；集装箱码头作业所产生的海量数据则为大数据技术应用提供了现实可能。

段宗贝[10]基于厦门远海自动化码头生产作业的实际情况，对自动化码头作业过程的关键影响因素进行分析，在借鉴国内外现有运营评价模式以及分析自动化码头作业特点的基础上，设计码头运营优化综合评价指标体系，提出基于大数据分析技术的码头作业优化配置策略。

目前，大部分集装箱码头采用码头生产系统及其接口程序作为主要的作业评估手段。然而，这种评估手段只能对系统生成的数据进行简单的处理、分析，并不能真实、全面地挖掘出集装箱码头作业过程中可能出现的问题，更不能在企业的成本管理中发挥作用。在实际作业过程中，经验主义对操作决策起主导作用，缺少码头作业分析系统对投入的机械设备、人力成本等因素的综合分析，因而难以提高船舶作业效率。因此，有必要构建船舶作业评估及成本管理系统，细化分析作业过程中各环节的关键数据，合理配置机械设备，优化业务流程和装卸工艺，达到机械、人力、效率和利润的最佳平衡点，实现由传统的粗放管理向精细化管理的转变，更加深刻、直观地反映集装箱码头整体生产情况。基于大数据技术的码头作业评估与成本管理系统，能够通过对码头关键生产环节作业数据的提取、整理、分析等相关操作，量化反映码头生产组织过程和作业效率，实现港口高效、高质量发展的目标。

自2008 年以来，面对复杂的市场形势和同行业竞争的双重压力，利用现有设备并结合信息数据采集及分析手段不断突破创新，已经成为码头提升自身竞争力的重要手段。杨志新[11]提出一个基于互联网技术协同的多主体模型，针对集装箱船舶作业评估及成本管理问题进行分析，结合作业评估与成本管理的重要影响因素，将系统与相应的数据分析手段相结合后应用到码头生产作业中。该模型所构建的集装箱船舶作业评估及成本管理系统，在降低港口物流作业成本、实现码头与客户的互馈互动、提高码头核心竞争力等方面起到了积极作用。

4 结语

大数据技术在集装箱海陆空运输领域的广泛应用，为集装箱多式联运实现高度集约化提供了无限可能，对推动集装箱码头全面智能化、陆海空集装箱运输现代化及建设现代化发达国家发展有重要意义。相关部门和单位要抓住历史机遇，加快引进吸收、开发创新、集成改进的步伐，力争在集装箱多式联运领域取得以大数据技术应用为代表的现代信息技术新突破，促进集装箱多式联运业务更加优质高效，提高自身的行业竞争力。