数据与模型双驱动的集装箱码头集卡周转时间预测

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：薛桐, 靳志宏, 徐世达

单位：大连海事大学 交通运输工程学院，辽宁 大连 116000

摘要：集卡预约是缓解集装箱码头及其周边区域拥堵、实现港口内部作业机械均衡生产的有效手段。针对产业界对外集卡分时段在港周转时间预测的客观需求，提出了基于模型与数据双驱动的集卡在港周转时间预测方法，将在港周转时间预测转化为抵港车辆数量预测和港内周转时间测算两个子问题，抵港车辆数量预测部分构建了基于数据驱动的双层LSTM（长短期记忆递归神经网络）模型，港内周转时间测算部分则采用排队模型驱动方法。通过与历史实际数据集进行比较分析，实验结果表明：相较于传统单纯数据驱动或单纯模型驱动方法，所提出的数据与模型双驱动方法能够有效地预测码头集卡周转时间，且相较单纯数据驱动或单纯模型驱动的方法可降低40%以上的均方根误差（RMSE）和平均百分比误差（MAPE），更精确的集卡周转时间预测可为码头制定运营计划提供有利支持。

关键词：集卡预约系统,集装箱码头,周转时间,数据驱动,LSTM神经网络,排队论