基于數據挖掘的集裝箱碼頭作業分析系統研究與設計

摘 要：數據挖掘可以從海量信息中挖掘潛在的、有價值的知識，輔助人們的日常生活，幫助人們做出各類型準確的決策。集裝箱碼頭往來貨物眾多，涉及的物流倉儲設備也非常多，為了整合集裝箱碼頭軟硬件資源，優化集裝箱碼頭的作業流程，本文引入數據挖掘技術，從中發現潛在的問題，以更好地提高集裝箱碼頭作業效率。

關鍵詞：數據挖掘；集裝箱碼頭；作業分析

中圖分類號：TP311.52 文獻標識碼：A 文章編號：2096-4706（2018）09-0099-02

Abstract：Data mining can excavate potential and valuable knowledge from massive information，assist people’s daily life，and make various types of accurate decisions. There are many goods in container terminals，and there are a lot of logistics and storage facilities involved. In order to integrate the software and hardware resources of the container terminal and optimize the operation process of the container terminal，the data mining technology is introduced in this paper to find the potential problems and improve the efficiency of the container terminal.

Keywords：data mining；container terminal；operation analysis

0 引 言

隨著世界經濟貿易的一體化，國際經濟開始小幅度回升，我國的進出口貿易也呈現逐年增加的趨勢，尤其是一帶一路建設的提出，為貨運帶來了新的發展契機，也加大了港口集裝箱工作任務[1]。因此，為了提高港口集裝箱的貨物運輸周轉效率，進一步提高港口服務水平，目前港口集裝箱碼頭作業已經引入了許多的信息化系統，比如物流運輸設備管理系統、倉庫管理系統、場站操作管理系統、視頻監控管理系統等，這些應用軟件同時也積累了海量的操作數據，比如日常經營管理數據、日志信息數據等。本文借助先進的數據挖掘技術，針對數據挖掘分析集裝箱碼頭作業存在的問題，構建一個效率提升模型，以更好地梳理集裝箱碼頭作業流程，保證又快又好地完成作業任務[2]。

1 數據挖掘技術及應用

數據挖掘又被稱為知識發現，是當前人工智能和數據倉庫等關鍵應用技術之一。利用數據挖掘可以從海量的數據中挖掘潛在的、有價值的信息，這些信息可以幫助人們做出各種決策。目前，數據挖掘常用于人工智能、基因識別、可視化技術、視頻追蹤、圖像處理、文本分析等領域，取得了顯著的應用成效[3]。數據挖掘常用的技術有很多，比如BP神經網絡、K均值、支持向量機等，比如基于BP神經網絡可以構建一個圖像識別軟件，利用多層次神經網絡提取圖像中的目標特征，然后從復雜的圖像背景中進行精準分類，就可以將圖像目標對象與背景內容進行分割，然后準確地定位目標對象在圖像中的位置，完成目標檢測功能。

2 數據挖掘在集裝箱碼頭作業分析系統中的應用

港口碼頭是一個大型的綜合性物流、倉儲、運輸場地，涉及的運輸業務種類非常多，管理的設備類型也非常復雜，不僅包括運輸車、塔吊、集裝箱等設備，同時還包括倉庫、檢驗設備、泊位、堆場等，涉及船代、海關、貨代、內外理公司等用戶。因此，港口碼頭的作業控制、內部管理非常復雜，與各類實體公司之間的業務往來也非常復雜，港口管理的好壞直接影響作業效率，而且還關系到港口管理公司的經濟利益。因此，為了提高管理水平，港口碼頭已經引入了許多的信息化系統，構建了集裝箱碼頭的作業分析系統。

集裝箱碼頭作業分析系統采用先進的數據挖掘技術，結合先進的軟件工程設計理念，整合港口各個業務的流程，涵蓋集裝箱碼頭運輸的所有業務操作，參考大量的操作過程，精心設計系統的所有業務流程，并針對相關的業務進行分析，提煉、規劃真正實用的業務操作流程，做到先計劃、再作業的一體化實時監控，實現了各部門數據的同步更新，與業務全部操作的實時跟蹤，形成了一個良好的決策知識系統。

3 基于數據挖掘的集裝箱碼頭作業分析系統分析與設計

基于數據挖掘的集裝箱碼頭作業分析系統包括三個關鍵層次，首先是數據采集層，其次是數據分析層，然后是知識表現層（用戶交互接口層），如圖1所示。

3.1 系統數據采集層

數據采集層可以獲取集裝箱、貨運公司、倉儲設備等一系列集裝箱碼頭作業數據，同時可以從一系列軟硬件系統中獲取數據資源，并將這些信息保存到數據倉庫，根據用戶的邏輯業務請求進行訪問。數據來源于港口碼頭的任何一個作業流程，這些數據中蘊含著豐富的知識信息，針對這些數據進行加工就可以獲取相關的知識。

3.2 系統數據處理層

數據處理層針對采集存儲的數據進行整合預處理，整合預處理使用的工具包括MapReduce、Hadoop等。針對不同的數據庫可以實現數據采集抽取、清洗轉換、加載存儲、提供應用，數據可視化顯示，標準化體系建設，信息加工和服務等功能。清洗轉換是指對采集到的集裝箱碼頭作業數據進行分析，利用歸一化方法實現對數據的清洗轉換，刪除許多的噪聲數據或無用數據。加載存儲由兩個關鍵程序組成，數據中心設計和建設完成之后，可以將數據裝載到中心存儲器，數據加載存儲需要大量的時間進行裝載操作，以為用戶提供一個強大的數據加載引擎，實現信息加工。

3.3 知識表現層

知識表現層又被稱為用戶交互接口層，直接與集裝箱碼頭工作人員進行交互。該平臺可以使用數據挖掘算法進行知識加工，數據挖掘算法包括BP神經網絡、支持向量機、遺傳算法和K均值等，這些算法能夠構建一個數據挖掘模型，經過多層次的學習和訓練，提高數據挖掘的準確度，然后將每一個數據挖掘模型保存起來，利用圖形化模式展現給港口碼頭管理部門的人員。

4 總結與展望

集裝箱碼頭作業分析系統引入數據挖掘技術之后，可以整合各類型業務流程數據，針對每一個作業流程進行分析、優化，以提高集裝箱碼頭的作業效率，拓展集裝箱碼頭數據的覆蓋范圍，提高了互聯互通水平，實現了信息共享、業務協同，提高了集裝箱碼頭作業能力和水平，實現了港口貨運管理的自動化水平。

未來集裝箱碼頭作業系統將會引入更先進的計算機技術，比如語音識別、手勢識別和云計算等技術，構建一個基于云的作業管理系統，該系統能夠大大地提高集裝箱碼頭處理效率，進一步強化集裝箱碼頭的智能化水平，同時也可以為其他行業的信息化提供參考，從而提高社會信息化、智能化和共享化水平。

參考文獻：

[1] 程光明.基于數據挖掘技術的進境集裝箱風險評估系統初探 [J].商場現代化，2012（29）：4.

[2] 馬文，耿貞偉，張莉娜.基于數據挖掘的混合云作業調度算法 [J].現代電子技術，2017，40（19）：49-51+55.

[3] 陸璐.基于關聯規則的數據挖掘在集裝箱追蹤系統中的應用 [J].鐵路計算機應用，2008（8）：25-28.

作者簡介：孫曉馳（1975.06-），男，漢族，重慶人，高級工程師。研究方向：信息化、自動化、軟件。