摘 要

目前，伴随着经济的快速发展、贸易的全球化以及技术领域的进一步革新，我国进出口业务的增长迅速。在进出口业务的快速扩展，产业结构优化调整和集装箱使用率提高等背景之下，集装箱港口业务在所有港口业务量中所占比重越来越高。集装箱码头的作业环节较为复杂。在其实际运营过程中，常常存在大量不能准确认定的事件。在没有预测信息的情况下，不确定因素会导致计划停滞，生产无法进行等等后果。因此，采用科学的预测方法对不确定因素进行预测，提前做出相应的准备，对事件预评估和降低可能造成的损失具有重要意义。

本文以集装箱进出港计划变更事件、集卡调度计划和交通堵塞事件为例。基于贝叶斯网络知识，建立了交通堵塞事态预测模型。

（1）利用贝叶斯网络工具，分析每个事件中的关键不确定因素，描述其相互关系。将选定的不确定因素整合为可用数据描述的变量，并且划分为输入变量、中间变量和输出变量。通过专家评分的方法确定变量之间的相互关系。并且通过网络结构学习和参数学习，建立单个贝叶斯网络模型。

（2）根据贝叶斯网络合并方法，包括合并节点，组合结构以及重整概率关系等步骤，完成对贝叶斯网络结构和概率关系的整合。进而建立以交通堵塞链为主体的贝叶斯网络模型。

（3）通过对已知信息的输入，基于所建立的模型，对交通堵塞事件发生的可能性以及事态严重性进行预测，从而提前针对可能出现的突发状况制定相应的应急策略，减少事件损失。

关键词：贝叶斯网络；不确定因素；港口突发事件；交通堵塞；预测

Abstract

At present, with the rapid development of the economy, the globalization of trade and further innovation in the field of technology, China's import and export business grew rapidly. In the context of the rapid expansion of import and export business, the optimization of industrial structure and the improvement of container utilization, the container port business occupies an increasing proportion of all port traffic. Container terminal operations are more complex. In its actual operation process, there are often a large number of events can't be accurately identified. In the absence of predictive information, uncertainties can lead to planned stagnation, production can't be carried out and so on. Therefore, the use of scientific predictive methods to predict uncertain factors, ahead of time to make the appropriate preparation, the pre-assessment of the event and reduce the possible loss is of great significance.

This paper takes the container entry and exit plan change event, the card dispatch plan and the traffic jam event as an example. Based on Bayesian network knowledge, a traffic jam prediction model is established.

(1) Using Bayesian network tools, analyze the key uncertainties in each event and describe their relationships. The selected uncertainties are integrated into variables that are described by the available data and are divided into input variables, intermediate variables, and output variables. The interrelationships between variables are determined by expert scoring. And through the network structure learning and parameter learning, the establishment of a single Bayesian network model.

(2) According to the Bayesian network merging method, including the merging node, the combinatorial structure and the reorganization probability relation, the Bayesian network structure and the probability relation are completed. And then establish a Bayesian network model with traffic jam as the main body.

(3) Based on the established model, the possibility of traffic jam event and the severity of the event are predicted by the input of the known information, so as to advance the corresponding emergency strategy and reduce the event loss for the possible emergencies.

Key Words: Bayesian network; Uncertain factors; Port emergencies; Traffic jam; Prediction

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 研究背景与意义 1

1.1.1 研究背景 1

1.1.2 研究目的及意义 1

1.2 国内外研究现状 2

1.2.1 贝叶斯网络研究现状 2

1.2.2 集装箱码头交通堵塞问题研究现状 2

1.3 研究方法与论文结构 3

1.3.1 研究方法 3

1.3.2 论文结构 4

第2章 集装箱港口事件的分析 5

2.1 港口内事件链的形成 5

2.2 集装箱港口变量分析 6

2.3 小结 7

第3章 基于贝叶斯网络的单个事件模型的建立 8

3.1 贝叶斯网络理论基础 8

3.1.1 定义 8

3.1.2 贝叶斯网络的建立步骤 9

3.2 单个贝叶斯网络的建立 9

3.2.1 选定变量 9

3.2.2 贝叶斯网络结构的建立 10

3.3 贝叶斯网络学习 11

3.3.1 网络结构学习 12

3.3.2 网络参数学习 14

3.4 小结 16

第4章 基于贝叶斯网络的多对象系统模型的建立 17

4.1 贝叶斯网络合并方法 17

4.2 交通事件链贝叶斯网络合并模型的建立 18

4.2.1 节点分析 18

4.2.2 概率关系分析 18

4.3贝叶斯网络的推导 19

4.4 小结 20

第5章 交通堵塞事件链模型的建立 21

5.1 单个事件贝叶斯网络模型的建立 21

5.1.1 集装箱进出港计划变更贝叶斯网络 21

5.1.2 集卡调度计划贝叶斯网络 22

5.1.3 交通堵塞事件贝叶斯网络 24

5.2 交通堵塞事件链贝叶斯网络 26

5.3 实例分析 29

5.4 经济性分析 30

5.5 环保性分析 30

5.6 小结 30

第6章 总结与展望 31

参考文献 33

致谢 34

第1章 绪论

1.1 研究背景与意义

1.1.1 研究背景

近年来随着国际贸易迅速发展，进出口业务的快速扩张，集装箱港口在物流领域所扮演的角色越来越重要。目前，我国港口集装箱总吞吐量已经超越欧洲、美国等发达地区或国家。这不仅仅是我国进出口贸易近几年来的高速发展，还在于我国港口行业的进一步建设。多种推力造就了我国港口集装箱吞吐量快速增长。2016年我国环渤海湾、长三角、长江等6大区域的港口集装箱吞吐量均继续保持健康稳步增长。规模以上港口集装箱吞吐量全国总计21798万TEU，同比增长3.6%。集装箱码头的稳步持续发展对于国家经济具有重大促进影响^[1]。

集装箱港口作为物流多个环节中最为复杂的系统之一，码头作业过程中涉及到种类繁多的作业环节，包括装卸计划、调度计划的制定，集装箱装卸、搬运以及储存码放等^[2]。由于作业环节和作业过程的复杂度较高，存在着大量不确定因素，例如船舶到港计划变更，设备发生故障或车辆调度等一系列不确定信息。这些不确定信息的相互影响，导致某些突发事件的产生。

1.1.2 研究目的及意义

由于集装箱港口生产运营过程中存在的大量不确定信息，每个环节都存在出现紧急事件的可能，并且具有突发性，高度不确定性等特点。虽然目前已经存在一些港口紧急事件应急预案，但是如果对于事态判断不够准确，也很难做出合理的调整。所以本文通过对不确定信息的采集整合，利用这些不确定信息对可能发生的事件进行预测，根据所预测的事态严重性制定相应最为合理的应急办法。在不投入巨大代价的基础上，最大可能的减少损失并且尽可能维持最优的生产运营计划。