集装箱堆存计划装置、集装箱堆存计划系统和集装箱堆存计划方法

摘要

本发明的用于制定集装箱码头中的集装箱的堆存计划的集装箱堆存计划装置，包括：运出顺序预测部，其将表示附属于过去卸货到集装箱码头且已被运出的集装箱的属性的信息即集装箱货物信息、以及过去被运出的各所述集装箱的实际的运出日作为输入，生成用于预测各集装箱的运出日的预测模型，将卸货到集装箱码头的集装箱和堆存在集装箱码头的集装箱所附带的集装箱货物信息作为对所述预测模型的输入，来预测该各集装箱的运出日并对各集装箱赋予运出顺序；和集装箱堆存计划制定部，其将卸货到集装箱码头的集装箱所附带的所述集装箱货物信息、表示集装箱码头中的集装箱的堆存场所的信息即堆存集装箱信息、以及所述运出顺序预测部计算出的各集装箱的运出顺序作为输入，设定用于促进装卸作业的高效化的关于规定的集装箱堆存的限制条件，基于各所述集装箱的运出顺序和所述限制条件，以满足为了尽可能减少运出所述各集装箱所产生的倒仓作业而规定的评价指标的方式，决定所述各集装箱在集装箱码头中的堆存场所。

说明书

技术领域

本发明涉及集装箱堆存计划装置、集装箱堆存计划系统和集装箱堆存计划方法。

背景技术

随着全球经济的发展，对能够低成本地运输大量货物的海上运输的需求非常大。其中海上集装箱运输成为能够利用40英尺级等的大容量集装箱，在到达港的集装箱码头利用大型拖车继续进行陆上运输而直接运入物流仓库等，成为实现高效的货物运输的有力手段。

在集装箱码头，按照从靠岸的集装箱船将集装箱卸货、在集装箱堆场临时堆存、运出所堆存集装箱的这一流程，进行一系列的装卸作业。在缩短集装箱码头的集装箱停留时间的基础上，关于该装卸作业的高效化提出了各种各样的解决方案。

例如，专利文献1公开有：在集装箱码头，以“提供有效地利用了人工智能的装卸机械的分散配置系统，其中人工智能能够预先进行以日为单位的作业的高效装卸机械的配置并且输出能够减少无效的倒仓作业的堆存指示”(第0011段)为目标。而且，为了达到该目标，提供以下特征的“集装箱码头的管理系统，其包括：在本船与集装箱码头之间进行集装箱的装卸的门式起重机；在所述门式起重机与集装箱堆场内的堆存场所之间进行集装箱的运送的场内拖车；在货主与所述堆存场所之间进行集装箱运送的外来拖车；和在所述堆存场所在与所述场内拖车或所述外来拖车之间进行集装箱的装卸的堆场起重机，该系统具备构建了神经网络的人工智能，对所述人工智能至少输入集装箱相关信息以及集装箱运出相关信息、装卸作业相关信息和码头外部因素信息作为输入数据，使用深度学习的方法，求取保持使得所述门式起重机的开工率维持在数据上的最大值的所述场内拖车的运行，并且使得所述堆场起重机的开工率成为数据上的最大值且使得所述外来拖车的装卸时的等待时间在计算上成为最少的所述堆场起重机的配备数量及其配置状态，来作为输出数据，发送对于各个所述外来拖车以及所述场内拖车的堆存场所的指定信息和对于按照所述最少配备数量配备的各个所述堆场起重机的配置指示信息”(权利要求1)。特别是，“在输出数据中还可以包含使得到堆存的集装箱运出为止预测的倒仓次数成为最少的堆存方案”(权利要求2)。

现有技术文献

专利文献

专利文献1：日本特开2019-104577公报

发明内容

发明所要解决的技术问题

在集装箱堆场，因其面积的限制一般堆叠多层集装箱进行堆存。此时，如果在应该先运出的集装箱上叠放了其它集装箱，则需要将其它集装箱转运至别的场所再运出优先集装箱，产生所谓的倒仓作业。专利文献1提案有为了实现装卸作业的高效化，生成使得这样的倒仓次数成为最少的集装箱的堆存方案的技术方案。

但是，为了将实际的集装箱码头现场的装卸作业高度高效化，仅在理论上以使得倒仓次数最少的方式进行集装箱的堆存计划时，存在由于现场的作业限制等因素而并不一定成为高效的堆存计划的问题。例如，即使生成了使倒仓次数最少化的集装箱堆存计划，如果在用于将其它装卸作业高效化的条件下，例如在利用转运起重机等将所堆存的集装箱运出的情况下以起重机操作难度高的形态堆存集装箱，或容量不同的集装箱堆存在同一贝，则运出作业的效率低。此外，关于集装箱的运出的优先顺序有时也会由于运出拖车的到达晚等外部因素而发生变动，由此发生意料之外的倒仓作业，仍然会发生运出作业的效率低的问题。

本发明是鉴于这样的背景而完成的，其目的在于，提供能够考虑集装箱码头现场所需的多种条件地生成有利于装卸作业的高效化的集装箱堆存计划的集装箱堆存计划装置、集装箱堆存计划系统和集装箱堆存计划方法。

用于解决问题的技术方案

用于解决上述问题的本发明的一个方面为用于制定集装箱码头中的集装箱的堆存计划的集装箱堆存计划装置，包括：运出顺序预测部，其将表示附属于过去卸货到集装箱码头且已被运出的集装箱的属性的信息即集装箱货物信息、以及过去被运出的各所述集装箱的实际的运出日作为输入，生成用于预测各集装箱的运出日的预测模型，将卸货到集装箱码头的集装箱和堆存在集装箱码头的集装箱所附带的集装箱货物信息作为对所述预测模型的输入，来预测该各集装箱的运出日并对各集装箱赋予运出顺序；和集装箱堆存计划制定部，其将卸货到集装箱码头的集装箱所附带的所述集装箱货物信息、表示集装箱码头中的集装箱的堆存场所的信息即堆存集装箱信息、以及所述运出顺序预测部计算出的各集装箱的运出顺序作为输入，设定用于促进装卸作业的高效化的关于规定的集装箱堆存的限制条件，基于各所述集装箱的运出顺序和所述限制条件，以满足为了尽可能减少运出所述各集装箱所产生的倒仓作业而规定的评价指标的方式，决定所述各集装箱在集装箱码头中的堆存场所。

本发明的另一个方面为用于制定并运用集装箱码头中的集装箱的堆存计划的集装箱堆存计划系统，包括集装箱堆存计划装置和终端装置，其中所述集装箱堆存计划装置包括：集装箱码头业务系统，其存储有：表示附属于过去卸货到集装箱码头且已被运出的集装箱的属性的信息即集装箱货物信息、包含卸货的集装箱的卸货顺序的信息即卸货集装箱信息、以及表示堆存于集装箱码头的集装箱的堆存场所的信息即堆存集装箱信息；运出顺序预测部，其将过去卸货到集装箱码头且已被运出的集装箱的集装箱货物信息和过去运出的所述各集装箱的实际的运出日作为输入，生成用于预测各集装箱的运出日的预测模型，将卸货到集装箱码头的集装箱和堆存在集装箱码头的集装箱所附带的集装箱货物信息作为对所述预测模型的输入，来预测该各集装箱的运出日并对各集装箱赋予运出顺序；和集装箱堆存计划制定部，其将所述卸货集装箱信息、所述堆存集装箱信息和所述运出顺序预测部计算出的各集装箱的运出顺序作为输入，设定用于促进装卸作业的高效化的关于规定的集装箱堆存的限制条件，基于各所述集装箱的运出顺序和所述限制条件，以满足为了尽可能减少运出所述各集装箱所产生的倒仓作业而规定的评价指标的方式，决定所述各集装箱在集装箱码头中的堆存场所，所述终端装置接收所述集装箱堆存计划装置制定的集装箱堆存计划并显示该集装箱堆存计划。

本发明的又一个方面为用于制定集装箱码头中的集装箱的堆存计划的集装箱堆存计划方法，其中具有运算装置和存储装置的信息处理装置执行下述步骤：将表示附属于过去卸货到集装箱码头且已被运出的集装箱的属性的信息即集装箱货物信息、以及过去被运出的各所述集装箱的实际的运出日作为输入，生成用于预测各集装箱的运出日的预测模型，将卸货到集装箱码头的集装箱和堆存在集装箱码头的集装箱所附带的集装箱货物信息作为对所述预测模型的输入，来预测该各集装箱的运出日并对各集装箱赋予运出顺序的步骤；和将卸货到集装箱码头的集装箱所附带的所述集装箱货物信息、表示集装箱码头中的集装箱的堆存场所的信息即堆存集装箱信息、以及所述运出顺序预测部计算出的各集装箱的运出顺序作为输入，设定用于促进装卸作业的高效化的关于规定的集装箱堆存的限制条件，基于各所述集装箱的运出顺序和所述限制条件，以满足为了尽可能减少运出所述各集装箱所产生的倒仓作业而规定的评价指标的方式，决定所述各集装箱在集装箱码头中的堆存场所的步骤。

发明的效果

根据本发明，能够考虑集装箱码头所需的多种条件地生成有利于装卸作业的高效化的集装箱堆存计划。

上述以外的问题、结构和效果通过以下实施方式的说明而明了。

附图说明

图1是表示集装箱码头的设备和功能的一个例子的概略示意俯视图。

图2是例示堆存于贝的集装箱的示意图。

图3是例示集装箱的卸货和堆存的示意图。

图4A是例示集装箱堆场的贝的集装箱堆存状况的示意图。

图4B是例示集装箱堆场的贝的集装箱堆存状况的示意图。

图5是集装箱堆存计划中使用的不利次数的说明图。

图6是表示包含本发明的一个实施方式的集装箱堆存计划装置的集装箱堆存计划系统的结构例的框图。

图7是表示本实施方式的集装箱堆存计划装置的硬件结构例的框图。

图8是表示集装箱码头业务系统10的结构例的框图。

图9是表示集装箱堆存计划装置20的结构例的框图。

图10是表示集装箱货物信息14的结构例的图。

图11是表示卸货集装箱信息15的结构例的图。

图12是表示堆存集装箱信息16的结构例的图。

图13是表示集装箱堆存计划信息25的结构例的图。

图14是表示限制条件23的结构例的图。

图15是表示评价指标24的结构例的图。

图16A是表示本实施方式的运出预测模型学习处理的数据处理流程例的流程图。

图16B是表示本实施方式的运出预测模型学习处理的数据处理流程例的流程图。

图17A是表示本实施方式的集装箱堆存计划制定处理的数据处理流程例的流程图。

图17B是表示本实施方式的集装箱堆存计划制定处理的数据处理流程例的流程图。

图18是表示本实施方式的集装箱堆存贝选择处理的数据处理流程例的流程图。

图19是表示本实施方式的集装箱堆存场所选择处理的数据处理流程例的流程图。

具体实施方式

以下，参照附图说明本发明的实施方式的集装箱堆存计划装置、集装箱堆存计划系统和集装箱堆存计划方法。

在此之前，首先对作为该说明的前提的、一般的集装箱码头的设备和功能进行说明。

＜集装箱码头的概要＞

图1是表示一般的集装箱码头的设备和功能的概略示意俯视图。集装箱码头以使得集装箱船CS能够在岸壁PI靠岸的方式建设于集装箱船能够入港的港湾的一部分。在岸壁PI，能够沿岸壁PI移动地设置有从集装箱船CS卸货的门式起重机GC。在门式起重机GC的陆地一侧，设置有作为将卸货了的集装箱CNT临时堆存至从集装箱码头运出为止的区域的集装箱堆场CY。在集装箱堆场CY内，设置有将大量的集装箱CNT分别作为一组堆存的被称为区块BL的大致矩形的区域，在长度方向上排列区块BL而形成的列称为巷道LN(lane)。在巷道LN之间，设置有作为在集装箱码头内运送集装箱CNT的场内运送车(chassis)YDCH能够通行的通道的运送车巷道CLN。在各巷道LN，配置有能够沿区块BL的长度方向移动的转运起重机TRC。各转运起重机TRC进行集装箱CNT在属于所负责的巷道LN的区块BL的堆码和从该区块BL的集装箱CNT的取出。各区块BL沿其长度方向划分成多个称为贝BY(箱位，bay)的区域。在本实施方式中，在各种各样的限制条件下评估将卸货了的集装箱CNT堆存到哪个区块BL的哪个贝BY、在各贝BY以怎样的方式进行堆存。闸口GT是用于从也是保税区的集装箱码头管理集装箱CNT的运出的设施。

从集装箱CNT的卸货至闸口运出为止的流程大致如以下所述。另外，以下的带括号的数字与图1的带括号的数字对应。

(1)首先，由门式起重机GC从集装箱船CS按规定的顺序取出集装箱，叠放至集装箱码头场内运送用的场内运送车YDCH。

(2)然后，由场内运送车YDCH运送至预先指定的巷道LN的区块BL。

(3)在指定区块BL，转运起重机TRC将集装箱CNT堆码至预先指定的贝BY的指定场所。

(4)堆存在贝BY的集装箱CNT按照运出优先顺序由转运起重机TRC取出，叠放于陆地运送拖车等从闸口GT运出。

历来，要按每个集装箱CNT，由人工在考虑以运出优先顺序为代表的各种条件的同时基于多年的经验来决定运送堆码到哪个贝BY的哪处场所。

＜堆存集装箱的贝BY＞

在图2示意地表示堆存集装箱CNT的贝BY的正面图(区块BL宽度方向的截面)。在一个贝BY中，集装箱CNT呈矩阵状堆存。在图2的例子中，在贝BY的宽度方向上设置有6个列(Row)，在高度方向上设置有5个层(Tier)，在1个贝BY能够堆存最多6×5＝30个集装箱CNT。在图2中，以阴影表示堆存完的集装箱，以虚线表示尚未堆存集装箱的部位。

在第1至第5个列，至第2个层为止堆存完2层集装箱，仅第6个列是至第5个层为止堆存完5层集装箱。因此，例如作为下一个集装箱的卸货场所，能够利用以箭头表示的列3、层3的场所。这样，集装箱的堆存场所，在指定了特定区块的特定贝的情况下，能够以由列和层的组合构成的坐标表示。例如图2的下一个卸货场所表示为(3，3)。

＜集装箱堆存计划的想法＞

此处，对本发明的集装箱堆存计划的基本想法进行说明。图3示意地表示集装箱的卸货和在集装箱堆场的堆存。

图3示意地表示叠载于集装箱船等待卸货的3个集装箱和已经卸货并堆存在集装箱堆场的特定的贝的5个集装箱。对各集装箱标注的号码表示各集装箱堆存后的运出优先顺序。标注编号1的集装箱的运出优先顺序最靠前，按2号、3号、……运出优先顺序越来越靠后。

在图4A、图4B中，示意地表示在图3的状态下，从集装箱船将3个集装箱卸货堆码至相应的贝的状态。首先，参照图4A，不考虑各集装箱的运出优先顺序地对各列叠放2层，换言之使得层＝2。此时可知，在按运出优先顺序取出集装箱的情况下，需要进行为了将1号集装箱取出而首先使5号集装箱移动，为了将4号集装箱取出而使7号集装箱移动的倒仓作业。显然，这些倒仓作业会带来装卸作业的效率下降而不优选。

另一方面，参照图4B，由于以按运出优先顺序使堆存集装箱取出的方式进行堆码，所以从1号集装箱至5号集装箱能够不需要进行倒仓地取出，仅6号集装箱取出时需要进行使7号集装箱移动的倒仓。但是，与图4A的情况相比显然装卸作业的效率更高。

在制定考虑了以上那样的运出优先顺序的集装箱堆存计划的基础上，在本实施方式中导入“不利次数”这一评价指标。在图5中说明不利(penalty)次数的想法。不利次数能够定义为“叠放在运出优先顺序靠前的集装箱上的与该集装箱相比运出优先顺序靠后的集装箱的个数”。当将该不利次数的想法应用于图4A、图4B的集装箱堆存例中时，分别成为图5的例1、例2那样的情况。即，在图4A的集装箱堆存例中，由于在运出优先顺序更高的集装箱上，叠放有2个与之相比运出优先顺序靠后的集装箱，所以不利次数为2。与此相对，在图4B的集装箱堆存例中，由于在运出优先顺序更高的集装箱上叠放有1个与之相比运出优先顺序靠后的集装箱，所以不利次数为1。在本实施方式中，集装箱堆存计划以关于一个贝使得不利次数最少的方式制定。此外，关于贝的选择，也以在例如优先选择堆存集装箱数少的贝等条件下，作为整个集装箱码头使倒仓次数最小化的方式，制定集装箱堆存计划。另外，还能够在实现倒仓作业的最小化的基础上使用不利次数以外的指标。例如，考虑以考虑运出优先顺序地使得所产生的倒仓作业的总所需时间最短的方式制定集装箱堆存计划等。

＜集装箱堆存计划系统＞

接着，说明本实施方式的集装箱堆存计划系统的结构和功能。图6表示本实施方式的集装箱堆存计划系统1的整体结构例。

如图6所示，本实施方式的集装箱堆存计划系统1包括集装箱码头业务系统10、集装箱堆存计划装置20、终端装置30A，30B和将构成要素可通信地连接的通信网络40。

集装箱码头业务系统10具有对关于到达集装箱码头的集装箱的信息进行综合管理的功能，提供作为制定集装箱堆存计划的前提的关于各集装箱的基本信息。集装箱堆存计划装置20具有基于由集装箱码头业务系统10提供的关于卸货的各集装箱的信息，来制定集装箱堆场的各贝的集装箱堆存形态的功能。如后所述，集装箱堆存计划装置20能够根据具备深度学习那样的学习功能的运出预测模型，制定考虑了运出优先顺序的依赖于更高效的装卸作业的集装箱堆存计划。

终端装置30A，30B包括输出按照集装箱堆存计划装置20制定的集装箱堆存计划制作的、由应该堆存各集装箱的贝和该贝内的堆存场所即列与层的组合构成的堆存坐标的显示装置，例如设置在场内运送车、转运起重机等装卸设备的驾驶台等。通信网络40是将集装箱码头业务系统10、集装箱堆存计划装置20、终端装置30A，30B之间可通信地连接的国际互联网、专用线路、WAN(Wide Area Network：广域网)、LAN(Local Area Network：局域网)等，有线或无线的通信线路。

＜集装箱堆存计划系统的硬件结构＞

接着，对构成集装箱堆存计划系统1的集装箱码头业务系统10、集装箱堆存计划装置20、终端装置30A，30B的硬件结构例进行说明。图7表示作为这些构成要素采用的、具备经由通信网络40的通信功能的信息处理装置的硬件结构例。集装箱码头业务系统10、集装箱堆存计划装置20能够作为例如具有图7中例示的信息处理装置100的结构的服务器计算机构成，终端装置30A，30B能够作为同样具有在图7中例示的结构的个人计算机、平板电脑终端装置构成。

信息处理装置100包括运算装置110、主存储装置120、辅助存储装置130、输入装置140、输出装置150和通信装置160。运算装置110能够由MPU、CPU等处理器构成。主存储装置120提供运算装置110使用的存储区域，具有ROM、RAM、闪存等存储设备。辅助存储装置130提供由运算装置110执行的程序和这些程序使用的数据等的存储区域，包括硬盘驱动器(HDD)、半导体驱动器(SSD)、光学驱动器、USB存储器等存储器件。输入装置140包含能够通过信息处理装置100向集装箱堆存计划系统1进行数据输入的输入设备，例如键盘、鼠标、触摸面板、声音输入装置等。输出装置150是能够进行来自集装箱堆存计划系统1的数据输出的输出设备，能够包括监控显示器、打印机、声音输出装置等。通信装置160能够由网络接口卡等通信模块构成。信息处理装置100内的各要素间通过省略图示的内部数据通信线路可通信地连接。

另外，集装箱码头业务系统10、集装箱堆存计划装置20也可以不分别作为信息处理装置100那样的单独的构件构成，而以同一构件实现，例如，在虚拟计算机、云系统环境中，也可以构筑并行分布式处理装置、区块链等分布式储存、台账系统等作为参照源。

接着，说明集装箱码头业务系统10、集装箱堆存计划装置20的功能。

＜集装箱码头业务系统10＞

图8利用框图表示本实施方式的集装箱码头业务系统10的功能示。如关于集装箱堆存计划系统1说明的那样，集装箱码头业务系统10是对关于过去到达集装箱码头进行卸货、运出的集装箱、预定将来到达集装箱码头的集装箱的各种信息进行综合管理的系统。如图8例示的那样，集装箱码头业务系统10具有数据提取部11、数据加工部12和数据IO接口部13，以及作为存储在数据存储区域的数据的集装箱货物信息14、卸货集装箱信息15和堆存集装箱信息16。

数据提取部11例如具有基于来自后述的集装箱堆存计划装置20的请求，从集装箱货物信息14、卸货集装箱信息15和堆存集装箱信息16提取所需的数据的功能。数据提取部11例如能够作为存储集装箱货物信息14、卸货集装箱信息15和堆存集装箱信息16的数据库的数据库管理系统(DBMS)构成。另外，关于集装箱货物信息14、卸货集装箱信息15和堆存集装箱信息16的结构例，在之后说明。

数据加工部12具有执行将数据提取部11提取出的数据加工为适合于向后述的集装箱堆存计划装置20输入的数据形式的处理的功能。在该数据加工处理中包含所提取的学习用数据的缺失数据、无效数据、非法形式的数据的检查、修正等处理。

数据IO接口部13具备将由数据加工部12加工处理后的要对集装箱堆存计划装置20输入用的数据经由通信网络40向集装箱堆存计划装置20发送的接口功能。

数据提取部11、数据加工部12和数据IO接口部13作为由图7的例子的信息处理装置100执行的程序安装，也可以利用硬件实现其一部分或全部。此外，集装箱码头业务系统10中也可以包含用于实现上述以外的其它功能的功能块。

＜集装箱堆存计划装置20＞

图9利用框图表示本实施方式的集装箱堆存计划装置20的功能示。如关于集装箱堆存计划系统1说明的那样，集装箱堆存计划装置20具有基于由集装箱码头业务系统10提供的、关于过去卸货的或者现在要卸货的各集装箱的信息，制定集装箱堆场的各贝的集装箱堆存形态的功能。

如图9中例示的那样，集装箱堆存计划装置20具有运出预测模型21、集装箱堆存计划模型22和数据IO接口部26，以及作为存储在数据存储区域的数据的集装箱堆存计划信息25。

运出预测模型21具有如下功能：从集装箱码头业务系统10取得关于过去卸货到集装箱码头的集装箱的实际运出日，与属于各集装箱的信息一起使用深度学习等技术进行学习，根据所获得的学习模型，基于关于将来卸货于集装箱码头的集装箱的信息预测该集装箱的运出日。在本实施例中，运出预测模型21还作为利用机器学习或深度学习的学习获得的模型进行说明，不过预测模型的制定方法并不限定于此，例如也可以使用对实际运出日的参数利用相关分析等统计学方法进行分析而导出的预测模型等。

集装箱堆存计划模型22具有按照根据运出预测模型21获得的各集装箱的预测运出日决定集装箱的运出优先顺序，按照该运出优先顺序制定集装箱能够运出的贝内的集装箱堆存计划的功能。在集装箱堆存计划模型22中，作为数据存储有在进行堆存计划制定时应该考虑的限制条件23和用于评价所制定的集装箱堆存计划时评价指标24。

集装箱堆存计划信息25作为数据存储集装箱堆存计划模型22制定的集装箱堆存计划。集装箱堆存计划信息25根据集装箱堆存计划模型22的请求，经由具备与通信网络40的接口功能的数据IO接口部26发送至集装箱码头业务系统10、终端装置30A，30B。

运出预测模型21、集装箱堆存计划模型22和数据IO接口部26作为由图7的例子的信息处理装置100执行的程序安装，不过也可以利用硬件实现其一部分或全部。此外，集装箱堆存计划装置20中也可以包含用于实现上述以外的其它功能的功能块。

接着，对集装箱货物信息14、卸货集装箱信息15、堆存集装箱信息16、集装箱堆存计划信息25进行说明。

＜集装箱货物信息14＞

图10表示集装箱货物信息14的结构例。在图10的例子中集装箱货物信息14以表格形式表示，不过也可以以其它数据形式存储。这对后述的卸货集装箱信息15、堆存集装箱信息16、集装箱堆存计划信息25也一样。

集装箱货物信息14记录作为用于识别各集装箱的固有编号的集装箱编号、集装箱的运入日、运入时间、集装箱的运出日、运出时间、集装箱的收货人、表示集装箱中所装载的货物的内容的货物品名、表示从集装箱码头运出该集装箱的商家的运输商、表示负责集装箱的海上运输的商家的海上货运商、表示作为运出的集装箱的运送目的地的物流仓库等设施的出货目的地名称、表示集装箱的大小的尺寸、表示干货集装箱或冷冻集装箱等集装箱的用途类别的集装箱类型和用于唯一地识别装载集装箱的集装箱船的本船代码的各项目。在图10中例示集装箱货物信息14中包含的各项目的内容，不过它们只是为了容易理解发明进行的例示，对本实施方式没有任何限制。这对后述的卸货集装箱信息15、堆存集装箱信息16、集装箱堆存计划信息25也一样。

在本实施方式中，如后述那样，通过将集装箱货物信息14的数据作为学习用数据生成用于预测各集装箱的运出日的运出预测模型，对该预测模型输入预测对象的集装箱附带的集装箱货物信息14的来执行该集装箱的运出日预测处理。另外，集装箱货物信息14中记录的各项目，既可以在预测处理中使用其全部，也可以仅使用一部分。此外，集装箱货物信息14中也可以包含图10中例示的项目以外的项目。

＜卸货集装箱信息15＞

图11表示卸货集装箱信息15的结构例。卸货集装箱信息15是表示从到达集装箱码头的集装箱船将集装箱卸货时的顺序的数据。卸货集装箱信息15例如在从集装箱船进行卸货的门式起重机、将卸货了的集装箱向集装箱堆场运送的场内运送车、从场内运送车取下集装箱堆码到集装箱堆场的指定贝的转运起重机的作业员间共享。

卸货集装箱信息15记录集装箱编号、本船代码和表示从按对应的本船代码指定的集装箱船进行的集装箱的卸货顺序的卸船顺序各项目。

＜堆存集装箱信息16＞

图12表示堆存集装箱信息16的结构例。堆存集装箱信息16是利用图1中例示的集装箱堆场的巷道、区块、贝、列和层的组合表示堆存在集装箱堆场的各贝的各集装箱的堆存场所的数据。图12的堆存集装箱信息16相关联地记录唯一地识别堆存的各集装箱的集装箱编号与上述巷道、区块、贝、列和层的组合。堆存集装箱信息16的内容与集装箱的卸货、运出作业和随之产生的倒仓作业相应地大致实时更新。

＜集装箱堆存计划信息25＞

图13表示集装箱堆存计划信息25的结构例。集装箱堆存计划信息25将在集装箱堆场内应该堆存从集装箱船卸货的集装箱的场所与运出优先顺序一起进行记录。具体而言，在图13的例子中，在集装箱堆存计划信息25相关联地记录集装箱编号、表示集装箱应该堆存的场所的巷道，区块，贝，列和层的组合与集装箱运出优先顺序。集装箱堆存计划信息25例如通过显示输出于场内运送车、转运起重机等装卸设备的驾驶台等，发挥使装卸作业员周知卸货的顺序的作用。

接着，对由集装箱堆存计划装置20的集装箱堆存计划模型22利用的限制条件和评价指标说明。

＜限制条件23＞

图14表示限制条件23的设定例。限制条件23在集装箱堆存计划模型22按运出优先顺序制定集装箱堆存计划时，给出伴随装卸作业的各种应考虑的条件，例如安全上、作业效率提高上应考虑的限制条件。限制条件23提取应预先设定的项目而在集装箱堆存计划模型22进行设定。

以下例示本实施方式中设定的限制条件23(图14)。

·优先使用集装箱的堆存数少的列。

·优先使用集装箱的堆存数少的贝。

·对贝内的堆存集装箱数根据该贝的最大可堆存数进行限制(最大可堆存数的80％等)。

这些限制条件达到防止集装箱集中在特定的贝、列的效果。

·在堆存场所的层最上层不叠放集装箱。

·对贝内的集装箱的堆存，不制造“谷”。

·对贝内的集装箱堆存，使得运送车巷道侧的列相对不高。

·在贝内不制造没有相邻集装箱的独立的集装箱堆存塔。

·在贝内没有堆存集装箱的情况下，优先使用与运送车巷道相反侧的列。

这些限制条件为了不使进行集装箱的堆码、取出的转运起重机等装卸设备的作业效率降低而设定。例如关于贝内的集装箱的堆存不制造“谷”的条件，是为了防止在贝内的列的两端侧集装箱叠放得高而形成“谷”的情况下转运起重机不易处理内侧列的集装箱而设定。此外，在贝内没有堆存集装箱的情况下优先使用与运送车巷道相反侧的列的条件，是将清空场内运送车等通行的运送车巷道侧，也为了由此改善转运起重机的作业效率。

·将集装箱尺寸相同的集装箱堆存于相同的贝。

·不将类别不同的集装箱堆存于相同的贝。

·不将运入集装箱与运出集装箱堆存在相同的贝。

这些限制条件通过使同一贝中堆存的集装箱的形状/类别(干货、冷冻等)/用途一致，达到在将该贝的堆存集装箱数最大化的同时装卸作业也能够均质化的效果。

对限制条件23的各项目，也可以根据在制定集装箱堆存计划时重视哪个条件来设定加权。

应该设定的限制条件并不受图14和上述的记载限制，而能够根据每个集装箱码头的情况适当地规定。

＜评价指标24＞

图15表示评价指标24的设定例。评价指标24是在对利用集装箱堆存计划模型22制定的集装箱堆存计划进行评价时使用的指标。在图15的例子中，作为本实施方式中的评价指标，设定“不利次数少的堆存计划优先”、“离运送车巷道侧远的列优先”这2个评价指标。关于不利次数，如对图5说明的那样，在同一贝装货后，按照运出优先顺序取出集装箱时叠放在运出优先顺序靠前的集装箱上的与之相比运出优先顺序靠后的集装箱的个数即不利次数越少堆存计划的评价越高。“离运送车巷道侧远的列优先”的评价指标，如关于限制条件23进行的说明。

与限制条件23一样，也可以对评价指标24的各项目，根据在制定集装箱堆存计划时重视哪个指标来设定加权。

应该设定的评价指标并不受图15和上述的记载限制，而能够根据每个集装箱码头的情况适当地规定。

接着，对由具有以上说明的结构的集装箱堆存计划系统1执行的数据处理进行说明。

＜集装箱堆存计划系统1的数据处理＞

首先，说明集装箱码头业务系统10与集装箱堆存计划装置20协作执行的运出预测模型学习处理。

[运出预测模型学习处理]

在图16A、图16B中例示本实施方式的集装箱堆存计划系统1的运出预测模型学习处理的数据处理流程。该运出预测模型学习处理是为了在运行本实施方式的集装箱堆存计划系统1前，构筑集装箱堆存计划装置20的运出预测模型21而执行的数据处理。另外，在以下的说明中，运出日的用词是指运出日期时间。

参照图16A，首先，在集装箱码头业务系统10中，数据提取部11提取集装箱货物信息14中记录的关于过去卸货的集装箱的集装箱货物信息和关于集装箱堆场中堆存的集装箱的集装箱货物信息，由数据加工部12进行数据加工处理后，从数据IO接口部13发送给集装箱堆存计划装置20(S10，S11)。

接着，在集装箱码头业务系统10中，数据提取部11从集装箱货物信息14中记录的关于过去卸货的集装箱的集装箱货物信息提取实际的运出日，由数据加工部12进行数据加工处理后，从数据IO接口部13发送给集装箱堆存计划装置20(S13，S14)。

在集装箱堆存计划装置20，数据IO接口部26将发送来的关于过去卸货的集装箱的集装箱货物信息和关于集装箱堆场中堆存的集装箱的集装箱货物信息发送给运出预测模型21(S12)。关于过去卸货的集装箱的实际的运出日的数据也一样发送给运出预测模型21的(S15)。

接着，参照图16B，集装箱堆存计划装置20的运出预测模型21从用于实现运出优先顺序(运出日)预测的学习功能的、预先安装的多个算法中选择一个算法(S16)。作为所采用的算法，考虑RNN(Recurrent Neural Network：循环神经网络)、深度学习等机器学习算法。

接着，运出预测模型21根据所选择的算法，使用预先准备的多个模式的分析参数，按其每个模式，基于从集装箱码头业务系统10作为学习用取得的集装箱货物信息、实际的运出日来执行运出日预测的学习(S17)。另外，分析参数例如是为了调整深度学习的网络而设定的、隐藏层的数量等超参数。

运出预测模型21基于过去的集装箱货物信息，对预测出的运出日与过去的集装箱货物信息中记录的实际的运出日的差异进行比较(S18)。而且，运出预测模型21作为运出预测模型21的逻辑选择使得该差异的比较结果成为最小那样的分析参数的模式，完成这一系列处理(S19)。

根据如以上那样构筑的运出预测模型21，能够使用通过对过去的集装箱货物信息进行学习或统计分析而获得的预测模型，从卸货的集装箱的集装箱货物信息高精度地预测其运出日，因此能够更准确地根据其预测结果获得各集装箱的运出优先顺序。

[集装箱堆存计划制定处理]

接着，对利用集装箱堆存计划装置20的运出预测模型21和集装箱堆存计划模型22实现的集装箱堆存计划制定处理进行说明。在图17A、图17B中例示本实施方式的集装箱堆存计划制定处理的数据处理流程。

参照图17A，首先集装箱码头业务系统10的数据提取部11从集装箱货物信息14、卸货集装箱信息15、堆存集装箱信息16提取关于各卸货集装箱的货物信息，由数据加工部12进行所需的数据加工处理后，从数据IO接口部13向集装箱堆存计划装置20的数据IO接口部发送(S20，S21)。

此外，数据提取部11从卸货集装箱信息15、堆存集装箱信息16提取关于各卸货集装箱的信息，由数据加工部12进行所需的数据加工处理后，从数据IO接口部13向集装箱堆存计划装置20的数据IO接口部发送(S25，S26，S27)。

然后，在集装箱堆存计划装置20，数据IO接口部25将接收到的关于卸货集装箱、堆存集装箱的货物信息发送给运出预测模型21(S22)。运出预测模型21基于接收到的卸货集装箱和堆存集装箱的货物信息预测各集装箱的运出日(S23)，对各集装箱赋予运出优先顺序。运出优先顺序例如能够以图3～图5所示那样的一串编号表示(S24)。

接着，参照图17B，集装箱堆存计划装置20的数据IO接口部26将接收到的卸货集装箱信息和堆存集装箱信息发送给集装箱堆存计划模型22(S28)。此外，集装箱堆存计划模型22取得堆存计划制作处理中使用的限制条件23、评价指标24(S29，S30)。

集装箱堆存计划装置20基于所取得的堆存集装箱信息、卸货集装箱信息、运出预测模型21计算出的运出优先顺序、限制条件和评价指标，首先决定堆存各集装箱的贝(S31)。然后，集装箱堆存计划模型22进一步对在S31中决定的贝，基于所取得的堆存集装箱信息、卸货集装箱信息、运出预测模型21计算出的运出优先顺序、限制条件和评价指标，决定该贝内的堆存坐标作为列与层的组合(S32)。

集装箱堆存计划模型22对集装箱堆场中的所有贝反复进行对于各贝的堆存坐标决定(S33，否(No))，在判断为对所有贝计算出的不利次数收敛到最小值的情况下(S33，是(Yes))，结束集装箱堆存计划制定处理。所制定的集装箱堆存计划的数据作为集装箱堆存计划信息25存储在集装箱堆存计划装置20并且通过数据IO接口部26发送给集装箱码头业务系统10和终端装置30A、30B。在终端装置30A、30B，例如使监控显示器等输出装置以图20中例示的方式的图表形式等显示集装箱堆存计划信息25，由此能够向装卸设备的操作员传达集装箱的卸货、堆存作业步骤。

[集装箱堆存计划制定处理的具体例]

此处，在以上的说明的基础上，说明集装箱堆存计划装置20的集装箱堆存计划模型22执行的数据处理。首先，在图18例示集装箱堆存贝选择处理的数据处理流程。当在S40开始数据处理时，堆存计划模型22基于堆存集装箱信息、卸货集装箱信息、运出优先顺序和评价指标，决定应该堆存该集装箱的贝(S41)。集装箱堆存计划模型22对所决定的贝判断是否违反贝选择的限制条件(S42)，在判断为违反的情况下，返回S41的堆存贝决定的步骤的处理。在判断为未违反贝选择的限制条件的情况下(S42，否)，集装箱堆存计划模型22按照评价指标判断是否能够允许贝选择(S43)，在判断为允许的情况下(S43，是)，结束该数据处理(S44)。在按照评价指标判断为不允许的情况下(S43，否)，堆存计划模型22返回S40的堆存贝决定的步骤的处理。

根据以上的利用集装箱堆存计划模型22进行的堆存贝选择处理，能够在预先规定的关于堆存计划的限制条件下，实现在满足评价指标的同时考虑了运出优先顺序的堆存贝的选择。

接着，参照图19例示的堆存场所选择处理的数据处理流程，说明利用集装箱堆存计划模型22进行的堆存场所选择处理。

集装箱堆存计划模型22，当在S50中开始本数据处理时，首先，由堆存集装箱信息、卸货集装箱信息和运出优先顺序，对各贝决定集装箱的堆存场所(S51)。接着，集装箱堆存计划模型22对于该贝的所有列，基于评价指标、限制条件来计算不利次数(S52，S53)。在对所有列完成S53的处理后，集装箱堆存计划模型22对该贝判断不利次数是否收敛至最少(S54)，在判断为已收敛的情况下(S54，是)，结束本数据处理。当在S54中判断为不利次数未收敛至最少时(S54，否)，集装箱堆存计划模型22返回S50的处理再次进行堆存场所的决定。

根据以上的堆存场所选择处理，能够在规定的限制条件和评价指标下，以使得在各贝的不利次数成为最少的方式决定集装箱的堆存场所，能够防止集装箱运出时的倒仓作业带来的效率下降，并且能够以适合于卸货作业的高效化的形式在贝堆码集装箱。

以上，对实施本发明的方式进行了具体说明，不过本发明并不限定于此，能够在不脱离其主旨的范围进行各种变更。

例如，在上述评价指标中，能够包含使堆存于集装箱码头的集装箱中的、叠放在运出优先顺序靠前的集装箱上的与之相比运出优先顺序靠后的集装箱的个数最少的情况。由此，能够使得用于使叠放在运出优先顺序靠前的集装箱上的与之相比运出优先顺序靠后的集装箱移动的倒仓作业最小化。

此外，在上述限制条件中，能够在集装箱码头堆码集装箱时，堆码后的集装箱形成的堆存形式不成为集装箱码头的装卸设备的集装箱堆码、取出的障碍的情况。根据这样的限制条件，能够提高装卸设备进行集装箱的堆码、取出时的作业效率，实现装卸作业时间的缩短。并且，上述限制条件如果包含在构成在集装箱码头堆存规定数的集装箱的最小单位区划的贝中，在同一贝堆存规定的属性相同的集装箱，则在同一贝堆存的集装箱的数量能够尽量增加，并且能够将集装箱装卸作业均质化，集装箱不会超出至运送车巷道而妨碍装卸设备的通行。

此外，上述集装箱堆存计划制定部对于要堆存的各集装箱，能够按照上述限制条件，在集装箱码头构成堆存规定数量的集装箱的最小单位区划的贝中，选择判断为最好地满足评价指标的贝。由此，例如能够从不堆存集装箱的贝、集装箱堆存数少的贝起优先堆码集装箱而促进贝的高效利用。

此外，上述集装箱堆存计划制定部对要堆存的各集装箱，在所选择的上述贝按照上述限制条件堆存集装箱的情况下，如果选择判断为最好地满足上述评价指标的堆存场所，则能够对各贝尽可能高效地实现集装箱的堆码、取出作业。此时，如果在上述评价指标中包含使上述贝堆存的集装箱中叠放在运出优先顺序靠前的集装箱上的与之相比运出优先顺序靠后的集装箱的个数最少，则能够将各贝的倒仓作业最小化而尽可能地使集装箱装卸作业高效化。

此外，如果上述运出顺序预测部对作为基于过去的上述集装箱货物信息预测的各集装箱的运出日的预测运出日与过去的上述集装箱货物信息中记录的实际的运出日进行比较，以使得该比较的差异成为最小的方式生成运出顺序预测处理中使用的预测模型，则能够更高精度地预测集装箱堆存计划制定中使用的运出优先顺序。

附图标记的说明

1集装箱堆存计划系统

10集装箱码头业务系统

11数据提取部

12数据加工部

14集装箱货物信息

15卸货集装箱信息

16堆存集装箱信息

20集装箱堆存计划装置

21运出预测模型

22集装箱堆存计划模型

23限制条件

24评价指标

30A、30B终端装置基片分析辅助系统。