譚英，勞鈺鈔，滿家鎵，楊錦禮，劉秀峰

（1.廣西機(jī)電工程學(xué)校，廣西 南寧 530000；2.廣州中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院，廣東 廣州 510006；3.南寧華資電子科技有限公司，廣西 南寧 530000）

0 引言

隨著集裝箱運輸?shù)陌l(fā)展，全球港口集裝箱吞吐量大幅增加，國內(nèi)外大港口逐步朝著智能化建設(shè)推進(jìn)，引進(jìn)智能化設(shè)備和智能化系統(tǒng)不斷擴(kuò)充港口勢力[1-3]。2015—2020年，全國港口貨物吞吐量及集裝箱吞吐量整體均呈上升趨勢，如圖1所示。從圖1看，即便在2020年疫情影響下，全國港口完成貨物吞吐量145.50億t，比上年增長4.3%，集裝箱吞吐量2.64億TEU，比上年增長1.2%，仍然保持增長。國內(nèi)外部分老舊港口堆場資源相對有限，智能化建設(shè)的需求難以通過擴(kuò)充港口面積和引進(jìn)智能化設(shè)備得到滿足，堆場趨于飽和致港口作業(yè)成本升高的現(xiàn)象在老舊港口成為常態(tài)，部分港區(qū)開始出現(xiàn)嚴(yán)重的擁堵問題，嚴(yán)重制約港口作業(yè)和集疏運效率，港區(qū)結(jié)合自身運營情況和各類可用資源現(xiàn)狀選擇合適的堆存策略尤為重要[4，5]。

圖1 2015-2020年中國港口貨物及集裝箱吞吐量情況（單位：億t，百萬TEU）

在港口集裝箱研究方面，自1956年集裝箱化改革以來，國內(nèi)外學(xué)者紛紛開始了對集裝箱的研究，隨著世界航運的發(fā)展，集裝箱的研究也逐步從制材、尺寸等基礎(chǔ)特性到集裝箱的管理科學(xué)化、港口智能化等方向發(fā)展，以促進(jìn)航運經(jīng)濟(jì)、港口經(jīng)濟(jì)的發(fā)展。目前，已有的港口行業(yè)的研究內(nèi)容主要集中在港口吞吐量的預(yù)測，翻箱路徑的仿真和NP問題模型的構(gòu)建等，旨在對港口吞吐量的認(rèn)知以合理規(guī)劃港口規(guī)模，側(cè)重于對港口的規(guī)模規(guī)劃以及對集裝箱的規(guī)則庫的研究和應(yīng)用[6-8]，而本研究方向為港口降低翻箱的方案研究，在實際應(yīng)用場景的分析下，提出通過預(yù)測集裝箱堆存時間，對集裝箱進(jìn)場時進(jìn)行合理的堆位策劃，以減少港口集裝箱在出場造成的翻箱成本的方案以及提出開發(fā)可視化貝位圖，以形象、可觀的方式對港口操作人員進(jìn)行裝船業(yè)務(wù)優(yōu)化的方案，在前者的基礎(chǔ)上更側(cè)重于應(yīng)用。當(dāng)前國內(nèi)外研究中，此類研究還鮮有人涉足，所以完成之后會為國內(nèi)外眾多港口行業(yè)應(yīng)用于生產(chǎn)提供更多方法和參考，更多完善后應(yīng)用到國內(nèi)外港口行業(yè)，提高港口的效率及減少港口的作業(yè)成本，以促進(jìn)港口行業(yè)發(fā)展。

1 翻箱基本情況概述

隨著國際航運行業(yè)的快速發(fā)展，集裝箱的吞吐量在逐年上升，但是港口資源卻始終有限，港口能容納的集裝箱數(shù)量逐步飽和，堆存高度在港口面積有限的情況下，堆存高度不斷增加，港口進(jìn)行卸船、閘口收箱等業(yè)務(wù)時，堆場策劃人員多憑借個人經(jīng)驗去策劃集裝箱擺放位置，集裝箱擺放位置隨機(jī)性和無序性較高，后續(xù)經(jīng)過轉(zhuǎn)堆、商檢、客戶提箱等一系列作業(yè)，又會對集裝箱進(jìn)行一次或多次翻箱，導(dǎo)致集裝箱頻繁翻動，翻箱率居高不下，導(dǎo)致成本的增加和作業(yè)效率的下降[9-11]。降低翻箱能減少機(jī)械設(shè)備的使用成本和碳排放量，有利于提升港口作業(yè)效率、吞吐能力和經(jīng)濟(jì)效益，有助于增強(qiáng)港口企業(yè)競爭力，翻箱問題一直是國內(nèi)外研究熱點之一，目前關(guān)于翻箱的研究多為數(shù)學(xué)模型研究、精確求解方法研究和智能算法等方面。

2 試點港口翻箱現(xiàn)狀

港口堆場平均翻箱次數(shù)是衡量集裝箱港口堆場翻箱問題嚴(yán)重性的主要指標(biāo)，通常用出場翻箱量與出場箱量的比值表示。以廣州某集裝箱港口為例，該港口中吞吐量逐年上升，堆場容納量日趨飽和，翻箱情況嚴(yán)峻，造成港口運營成本不斷升高。在2021年其港口吞吐量完成120萬TEU，在進(jìn)口外貿(mào)重箱，進(jìn)口內(nèi)貿(mào)重箱，出口外貿(mào)重箱，出口內(nèi)貿(mào)重箱以及中轉(zhuǎn)箱的平均翻箱次數(shù)分別為133%，115%，44%，11%，8%，堆場平均翻箱次數(shù)達(dá)到49%，即每100個集裝箱離場，平均需要造成49次翻倒，若按每次翻箱需要用時2 min且花費50元成本（包括勞動成本，設(shè)備能源成本及設(shè)備勞損折算成本等）估算，2021年廣州集裝箱堆場翻箱作業(yè)消耗約19600個工時，港口運營成本增加2940萬元。圖2為反映2021年每月的翻箱情況，用于翻箱作業(yè)的成本對于港口運營來說是無價值的成本支出，若能減低翻箱，則可以節(jié)約更多成本用于公司運營。在此背景下，如何有效降低港口堆場翻箱是港口降低運營成本，提高作業(yè)效率的關(guān)鍵問題。

圖2 2021年翻箱情況折線圖

當(dāng)前港口堆場翻箱的主要形式有3種：①進(jìn)口集裝箱在客戶提箱業(yè)務(wù)造成翻箱；②出口集裝箱在裝船業(yè)務(wù)造成翻箱；③由于商品檢驗、轉(zhuǎn)堆等對集裝箱進(jìn)行移箱造成翻箱?？紤]第三種形式中，商品抽樣檢驗和轉(zhuǎn)堆等業(yè)務(wù)發(fā)生的隨機(jī)性較大，難以控制，針對第一和第二種形式可控性較強(qiáng)的業(yè)務(wù)，提出基于大數(shù)據(jù)預(yù)測和可視化貝位圖降低港口堆場翻箱的方案和研究[9]。

3 港口堆場翻箱的方案研究

本研究基于廣州某集裝箱港口實際業(yè)務(wù)數(shù)據(jù)，針對進(jìn)口集裝箱客戶提箱業(yè)務(wù)的角度提出降低堆場翻箱的方案，通過大數(shù)據(jù)預(yù)測手段機(jī)器學(xué)習(xí)算法構(gòu)建集裝箱堆存時間預(yù)測模型，利用集裝箱堆存時間預(yù)測結(jié)果輔助集裝箱在堆場的位置策劃，構(gòu)建卸船前集裝箱堆存時間預(yù)測模型，通過卸船前集裝箱堆存時間預(yù)測模型在卸船進(jìn)堆場前對集裝箱進(jìn)行堆存時間預(yù)測，通過堆存時間輔助堆場位置策劃，將不同類型堆存時間的集裝箱進(jìn)行分堆放置，作為第一部分降低翻箱的方案，而后集裝箱在堆場中堆存中，根據(jù)集裝箱在堆場中逐步更新的信息再次構(gòu)建在場集裝箱堆存時間預(yù)測模型，通過在場集裝箱堆存時間預(yù)測模型對在場集裝箱進(jìn)行堆存時間預(yù)測，逐步調(diào)整堆場貝位中集裝箱的位置，避免即將出場的集裝箱在堆場中被壓箱，以減少二次翻箱，從而從一次翻箱和二次翻箱角度中整體降低翻箱。

集裝箱堆場裝船和翻箱效率直接影響岸邊裝船作業(yè)和船舶靠泊時間，是提升集裝箱港口競爭力的重要突破口之一[12-13]。受船舶配載等不確定信息的影響，堆場裝船前預(yù)翻箱整理往往不能完全滿足發(fā)箱要求，裝船時翻箱作業(yè)不可避免。由于裝船時翻箱不產(chǎn)生價值，單次發(fā)箱的翻箱次數(shù)過多會影響裝船作業(yè)連貫性，優(yōu)化裝船時堆場翻箱方案，實現(xiàn)智能高效決策，是提高堆場裝船發(fā)箱和翻箱效率、保障岸邊裝船作業(yè)的有效手段。針對出口集裝箱裝船業(yè)務(wù)的角度提出降低堆場翻箱的方案，使用Java開發(fā)在堆場集裝箱的可視化貝位圖，港口操作人員通過在貝位圖中查看即將出口的集裝箱數(shù)據(jù)，提前將被翻箱移箱，或在集裝箱在貝位中移箱時，避免將即將出口的集裝箱壓箱，造成二次翻箱，使出口船舶靠泊后，減少集裝箱裝船時間，提高裝船連貫性，提升工作效率。

3.1 卸船前集裝箱堆存時間預(yù)測模型構(gòu)建方案研究

3.1.1 卸船前集裝箱堆存時間預(yù)測模型構(gòu)建數(shù)據(jù)納入標(biāo)準(zhǔn)與數(shù)據(jù)來源

數(shù)據(jù)納入標(biāo)準(zhǔn)：（1）剔除在業(yè)務(wù)數(shù)據(jù)庫中重復(fù)錄入的集裝箱進(jìn)場，商檢，翻箱的業(yè)務(wù)數(shù)據(jù)；（2）剔除直裝直卸，不經(jīng)過堆場堆放的業(yè)務(wù)類型的集裝箱出場記錄；（3）符合業(yè)務(wù)規(guī)則的數(shù)據(jù)內(nèi)容較為完整的集裝箱出場數(shù)據(jù)。

卸船前集裝箱堆存時間預(yù)測模型構(gòu)建納入了廣州某集裝箱港口2021年1月1日-2022年10月31日業(yè)務(wù)數(shù)據(jù)共計689956例曾在堆場停留的集裝箱的出場記錄。根據(jù)港口實際要求將堆存時間設(shè)為0～5天，6～10天，10天以上三個類別作為預(yù)測目標(biāo)進(jìn)行分類算法的預(yù)測，其中堆存時間在0～5天共有491869例，堆存時間在6～10天共有125512例，堆存時間在10天以上共有72575例。

3.1.2 基于隨機(jī)森林算法的卸船前集裝箱堆存時間預(yù)測模型數(shù)據(jù)預(yù)處理

影響集裝箱堆存時間的因素復(fù)雜，主要與集裝箱類型，集裝箱空重，貨主，貨物等因素有關(guān)。通過前期數(shù)據(jù)分析，港口業(yè)務(wù)數(shù)據(jù)共149個字段，其中試點港口在卸船前能獲取到的集裝箱清單中數(shù)據(jù)字段為27個，分別為集裝箱編號，進(jìn)場日期，持箱人，箱狀態(tài)，尺碼等級，箱型，分區(qū)，空重，海關(guān)放行，箱況，暫留，田位，排，層，進(jìn)口船名，進(jìn)口航次，出口船名，出口航次，提單號，貨名，收貨人，發(fā)貨人，收費單位，載貨港，目的港，總重，貨物重量。剔除掉在內(nèi)容為空的字段，剔除集裝箱清單中的集裝箱編碼，提單號，進(jìn)場時間等不會出現(xiàn)重復(fù)的字段，剩余21個字段通過Pearson相關(guān)性分析，將相關(guān)性較大的字段剔除，剩余11個字段，為持箱人，空重箱，箱型，收貨人，發(fā)貨人，貨物，載貨港，卸貨港等內(nèi)容較為完整，與翻箱關(guān)聯(lián)性較大的維度作為預(yù)測模型的關(guān)鍵特征，過程詳見圖3。

圖3 特征選擇流程圖

選取出的持箱人，空重箱，箱型，收貨人，發(fā)貨人，貨物，載貨港，卸貨港等數(shù)據(jù)為高基類數(shù)據(jù)，將其進(jìn)行序列編碼。并將進(jìn)場時間轉(zhuǎn)換成星期時間以構(gòu)建維度加入模型訓(xùn)練特征。

3.1.3 建模工具

運用Python3.8.8的sklearn庫實現(xiàn)隨機(jī)森林算法，模型的建立。Python擁有強(qiáng)大的科學(xué)計算擴(kuò)展庫，sklearn庫是基于Python語言的機(jī)器學(xué)習(xí)工具，可以實現(xiàn)數(shù)據(jù)預(yù)處理、分類、回歸、降維、模型選擇等常用的機(jī)器學(xué)習(xí)算法，可讀性強(qiáng)，實用高效。本研究所用到的主要函數(shù)有RandomForestClassifier（隨機(jī)森林算法分類模型建立）、predict（模型預(yù)測）、LabelEncoder（序列編碼）等。

3.2 在場集裝箱堆存時間預(yù)測模型構(gòu)建方案研究

3.2.1 在場集裝箱堆存時間預(yù)測模型構(gòu)建數(shù)據(jù)納入標(biāo)準(zhǔn)與數(shù)據(jù)來源

數(shù)據(jù)納入標(biāo)準(zhǔn)：（1）剔除在業(yè)務(wù)數(shù)據(jù)庫中重復(fù)錄入的集裝箱進(jìn)場，商檢，翻箱的業(yè)務(wù)數(shù)據(jù)；（2）剔除直裝直卸，不經(jīng)過堆場堆放的業(yè)務(wù)類型的集裝箱出場記錄；（3）符合業(yè)務(wù)規(guī)則的數(shù)據(jù)內(nèi)容較為完整的集裝箱出場數(shù)據(jù)；（4）剔除集裝箱堆存時間過長的異常數(shù)據(jù)，以數(shù)據(jù)集中堆存時間偏離均值3.5倍標(biāo)準(zhǔn)差的標(biāo)記為異常值。

在場集裝箱堆存時間預(yù)測模型構(gòu)建納入廣州某集裝箱港口2022年1月1日-2022年3月24日進(jìn)口業(yè)務(wù)數(shù)據(jù)共計79000例曾在堆場停留的集裝箱的出場記錄作為訓(xùn)練數(shù)據(jù)，將堆存時間作為預(yù)測目標(biāo)進(jìn)行回歸算法的預(yù)測。如圖4所示，反映了79000例數(shù)據(jù)中集裝箱堆存時間的分布情況。

圖4 廣州某集裝箱港口2022年1月1日-2022年3月24日集裝箱堆存時間分布情況

3.2.2 基于多層感知機(jī)算法的在場集裝箱堆存時間預(yù)測模型數(shù)據(jù)預(yù)處理

影響集裝箱堆存時間的因素復(fù)雜，通過前期數(shù)據(jù)分析，在場集裝箱堆存時間預(yù)測模型中加入卸船前集裝箱堆存時間預(yù)測模型中的12個特征和港口業(yè)務(wù)數(shù)據(jù)中在場箱后續(xù)逐漸更新的數(shù)據(jù)特征，共30個與翻箱關(guān)聯(lián)性較大的維度作為預(yù)測模型的關(guān)鍵特征，分別為集裝箱編碼，集裝箱進(jìn)場時間轉(zhuǎn)換成星期，空重箱，持箱人，進(jìn)口船名，進(jìn)口航次，集裝箱尺寸，貨物，貨主，發(fā)貨人，集裝箱預(yù)約時間等，過程詳見圖5。

圖5 特征選擇流程圖

均值編碼是表示離散分類特征的有效方法，并且僅占用一個特征空間。其原理為該列中的每個值都被該類別的平均目標(biāo)值替代，可以更直接地表示分類變量和目標(biāo)變量之間的關(guān)系。由于該類別的每個值都被相同的數(shù)值替換，因此模型可能會過擬合其見過的編碼值，因此，需要仔細(xì)監(jiān)控y變量，以防出現(xiàn)異常值對數(shù)據(jù)值敏感的模型。如支持向量機(jī)SVM，神經(jīng)網(wǎng)絡(luò)MLP算法等，需要將堆存時間較長的數(shù)據(jù)打上“異常樣本”標(biāo)簽，將之剔除，該研究采用標(biāo)準(zhǔn)差法異常值上下限檢測，對偏離均值3.5倍標(biāo)準(zhǔn)差的樣本標(biāo)記為異常樣本，再用非異常數(shù)據(jù)進(jìn)行均值編碼，均值編碼的具體實施方法為調(diào)用python中category_encoders庫中的TargetEncoder函數(shù)。

3.2.3 建模工具

運用Python3.8.8的pytorch庫實現(xiàn)多層感知機(jī)算法，模型的建立。Python擁有強(qiáng)大的科學(xué)計算擴(kuò)展庫，Pytorch是一個基于Python的科學(xué)計算庫。本研究所用到的主要函數(shù)有relu（激活函數(shù)）、MLPPregression（MLP回歸）、MSELoss（均方誤差損失函數(shù)）等。

3.3 可視化貝位圖

集裝箱碼頭堆場裝船發(fā)箱和翻箱次數(shù)直接影響岸邊裝船作業(yè)和船舶靠泊時間，是提升集裝箱港口競爭力的重要突破口之一。受船舶配載等不確定信息的影響，堆場裝船前預(yù)翻箱整理往往不能完全滿足裝船要求，集裝箱裝船時單次發(fā)箱的翻箱次數(shù)過多會影響裝船作業(yè)連貫性，優(yōu)化裝船時堆場翻箱方案實現(xiàn)是提高堆場裝船發(fā)箱和翻箱次數(shù)、保障岸邊裝船作業(yè)的有效手段。

集裝箱碼頭堆場通常劃分為不同箱區(qū)，每個箱區(qū)由多個貝位（也稱為田位）組成。一個貝位的長度為一個標(biāo)準(zhǔn)集裝箱長，貝位內(nèi)通常可堆垛6列4層及以上，即包含24個箱位及以上。由于多層堆垛、貝位內(nèi)空位較為緊湊，一個集裝箱可能存在多次翻箱。

近年來集裝箱發(fā)展突飛猛進(jìn)，隨著大型集裝箱船舶、集裝箱碼頭及集裝箱場站的建設(shè)，傳統(tǒng)表格數(shù)據(jù)形式的集裝箱位置表示方法已不能滿足作業(yè)人員的需要，信息系統(tǒng)應(yīng)用也在向圖形化發(fā)展，使用Java開發(fā)在堆場集裝箱的可視化貝位圖，以形象、直觀的圖形化的集裝箱位置表示方法展示給港口操作人員，港口操作人員通過在貝位圖中查看即將出口的集裝箱數(shù)據(jù)，提前將被翻箱移箱，做裝船前預(yù)翻箱整理，或在集裝箱在貝位中移箱時合理安排出口集裝箱的位置，避免將即將出口的集裝箱壓箱，造成二次翻箱，使出口船舶靠泊后，減少集裝箱裝船時間，提高裝船連貫性，提升工作效率，以降低港口堆場翻箱。如圖6所示，該圖展示了出口目的港為SHA的ZG8船的在場集裝箱，通過形象、可視化的貝位圖，操作人員可清楚得知貝位為8042627和貝位8072324中將會在本次裝船中存在多次翻箱，操作人員可將該貝位的集裝箱提前進(jìn)行預(yù)翻箱整理，并避免在本次出口箱的位置上繼續(xù)有額外的壓箱，不僅提升本次出口ZG8船的裝船效率，也避免堆場二次翻箱的情況，降低翻箱。

圖6 可視化貝位圖圖示

4 分析與討論

實際作業(yè)場景中，提箱作業(yè)和裝船作業(yè)為港口堆場關(guān)鍵業(yè)務(wù)，由于海關(guān)抽檢、客戶提箱時間不確定等原因，導(dǎo)致壓箱現(xiàn)象頻繁出現(xiàn)，堆存時間長的集裝箱壓堆存時間短的集裝箱，使得客戶提箱或集裝箱裝船時造成大量翻箱操作，作業(yè)效率降低，并會造成集卡擁堵情況。本研究基于廣州某集裝箱港口實際業(yè)務(wù)場景，針對進(jìn)口集裝箱客戶提箱業(yè)務(wù)的角度提出降低堆場翻箱的方案，通過大數(shù)據(jù)預(yù)測手段構(gòu)建卸船前集裝箱堆存時間預(yù)測模型，在卸船前通過預(yù)測模型對集裝箱進(jìn)行堆存時間預(yù)測，輔助堆場位置策劃，將不同類型堆存時間的集裝箱進(jìn)行分堆放置，作為第一部分降低翻箱的方案。

在實際應(yīng)用中，本方案實際進(jìn)行了測試，即在港口中將卸船前集裝箱堆存時間預(yù)測模型應(yīng)用于實際的進(jìn)口外貿(mào)船，在進(jìn)口集裝箱卸船前，通過該模型對集裝箱的堆存時間預(yù)測，港口操作人員根據(jù)預(yù)測的堆存時間對該船次的集裝箱進(jìn)行策劃，按照堆存時間對集裝箱進(jìn)行分類處理，在數(shù)次的測試下，測試實船的平均翻箱次數(shù)與過往平均翻箱次數(shù)相比都呈下降趨勢，且下降范圍在10/100到28/100，經(jīng)過堆存時間分類和位置策劃的集裝箱，其翻箱情況會有所下降，基于隨機(jī)森林算法構(gòu)建卸船前集裝箱堆存時間預(yù)測模型的方案對港口行業(yè)實現(xiàn)降低翻箱成本目標(biāo)具有實際應(yīng)用價值，從側(cè)面也說明了預(yù)測算法在港口行業(yè)的有效性和應(yīng)用性。

而后集裝箱在堆場堆存中信息會逐步更新，例如集裝箱的辦單時間和暫留狀態(tài)等，基于更新后的數(shù)據(jù)特征構(gòu)建在場集裝箱堆存時間預(yù)測模型，通過在場集裝箱堆存時間預(yù)測模型對在場集裝箱進(jìn)行多次堆存時間預(yù)測，逐步調(diào)整堆場貝位中集裝箱的位置，避免即將出場的集裝箱在堆場中被壓箱，以減少二次翻箱，從而從一次翻箱和二次翻箱角度中整體降低翻箱。目前在場集裝箱堆存時間預(yù)測模型要提取出在場箱的切片信息，預(yù)測模型準(zhǔn)確率才會得到優(yōu)化，但該方案的提出為后續(xù)降低二次翻箱提供了思路和解決方案，但模型仍需要不斷優(yōu)化和改善。

針對出口集裝箱裝船業(yè)務(wù)的角度提出使用Java開發(fā)在場集裝箱的可視化貝位圖的降低堆場翻箱的方案，港口操作人員通過貝位圖查看即將出口的集裝箱數(shù)據(jù)，提前將被翻箱移箱，或在集裝箱在貝位中移箱時，避免將即將出口的集裝箱壓箱，造成二次翻箱，使出口船舶靠泊后，減少集裝箱裝船時間，提高裝船連貫性，提升工作效率。目前貝位圖已在港口操作部門進(jìn)行使用，根據(jù)數(shù)據(jù)統(tǒng)計得，使用貝位圖后，出口裝船業(yè)務(wù)的平均翻箱次數(shù)與過往相比都呈下降趨勢，且下降3/100～12/100；通過操作部門的使用反饋，貝位圖能夠讓操作人員形象、可視地查看集裝箱的位置情況，并更高效地實現(xiàn)位置策劃以降低堆場翻箱。

港口行業(yè)業(yè)務(wù)類型繁雜，僅是提箱作業(yè)就是一個復(fù)雜的系統(tǒng)工程，要解決當(dāng)前港口中翻箱的嚴(yán)峻情況更需要不斷加深當(dāng)前研究，并不斷嘗試新方向，以改善老舊港口的嚴(yán)峻的翻箱現(xiàn)狀。本研究的不足之處：（1）特征數(shù)據(jù)質(zhì)量問題較為嚴(yán)峻，模型預(yù)測的準(zhǔn)確率較低，無法最大限度減少翻箱。（2）目前對在場集裝箱堆存時間預(yù)測模型的方案僅處于方案提出階段，沒有進(jìn)一步對方案進(jìn)行驗證和進(jìn)行更多的模型優(yōu)化。（3）當(dāng)前僅使用卸船前集裝箱堆存時間預(yù)測模型對進(jìn)口外貿(mào)業(yè)務(wù)進(jìn)行實船測試，沒有擴(kuò)展至整個港口堆場進(jìn)行實船測試。

本研究雖從實船測試和在場箱貝位圖使用中取得一定效果，但仍需不斷開展研究，以實現(xiàn)最佳的降低翻箱方案。從當(dāng)前研究的不足出發(fā)，進(jìn)一步研究可從多方面進(jìn)行開展：（1）嘗試從數(shù)據(jù)角度思考，從試點中采取措施規(guī)范數(shù)據(jù)錄入，提高數(shù)據(jù)質(zhì)量，或找到最合適的數(shù)據(jù)處理方法，使數(shù)據(jù)質(zhì)量得到提高，提高預(yù)測的準(zhǔn)確性；（2）嘗試從模型角度思考，進(jìn)行模型優(yōu)化，提高模型準(zhǔn)確性；（3）擴(kuò)大堆場的測試范圍，進(jìn)一步驗證該研究對降低堆場翻箱情況的實際效果；（4）從其他作業(yè)出發(fā)，找到降低翻箱的最優(yōu)方案；（5）實現(xiàn)對在場集裝箱堆存時間預(yù)測模型的實際應(yīng)用和測試；（6）嘗試將此文中提到的三個降低翻箱的方案全面應(yīng)用于實際業(yè)務(wù)中進(jìn)行實際業(yè)務(wù)結(jié)果評價和分析。