客货滚装港口数字孪生智慧运作模式

魏世桥1 王东魁1 张 煜 马少康

1 中交第二航务工程勘察设计院有限公司 2 武汉理工大学物流工程学院

1 引言

数字孪生是一种旨在实现物理世界和信息世界实时交互融合的方法和理念[1]，必将引起各个产业的重大变革，得到国内外学者的广泛关注。陶飞结合数字孪生技术，探讨了未来车间数字孪生运行的概念、机制和特点，并给出数字孪生信息物理融合的关键理论和技术[1-2]；庄存波从产品全生命周期角度给出了产品数字孪生体的内涵、体系结构[3]；Beate研发了一套基于数字孪生的物流实验教学管理系统，开发了相关的APP程序[4]；Roland结合“工业4.0”，分析指出数字孪生仿真方法和自治系统是未来生产智能制造的关键[5]；Pedro采用移动APP和云计算，实现了车间数字孪生中的生产制造系统(MES)数据和MTConnect数据的整合[6]；Cai提出了传感数据集成和信息融合的方法，构建数字孪生虚拟机工具来评估机器的性能[7]。如何将数字孪生技术与传统产业深度融合，促进企业生产运作的智慧、高效、绿色，实现产业转型升级，成为数字孪生技术能否有效应用落地的关键。

本文以客货滚装港口为对象，探讨数字孪生技术的应用，力图促进智慧港口的建设与发展。引入BIM(Building information modeling)技术，以实现智慧港口设计、规划、修建和运维的全生命周期管理。BIM作为一种数字化建模技术，已经广泛用于智慧城市建设，具有参数化驱动、可视化表达、一体化数据、协同化设计、承接与互用、关联式变化等特征；BIM技术还可以实现全生命周期协同共享、物理世界与数字世界高度融合、BIM+GIS的增强现实、BIM-5D的互联网共享、云+端模式的过程监控等功能。目前，已有研究表明，采用国际统一的标准(数据模型IFC标准、数据字典IFD标准、过程信息发布手册IDM)，BIM技术能够整合物联网、云计算、机器学习、GIS、多源信息融合、增强现实等内容[8-13]，适合构建数字孪生智慧港口。

2 客货滚装港口生产运作模式

以渡海货车为例，客货滚装港口生产运作模式见图1。

图1 客货滚装港口生产运作模式(以货车为例)

(1)闸口安检计重。货车通过闸道进入港口自动安检站，安检机自动快速扫描货车，自动识别获取车辆的车牌、长、宽、高、重量等信息，依据以上信息计算车辆渡海费用，并传递给闸口售取票系统。

(2)闸口售取票。自动读取车辆车牌，调取系统内该车辆的计费信息，收取票款与打票。售票作业需要结合港口中心生产调度的售票配额指令进行售票，配额用完需及时与港口中心沟通，获取当前航班的更多配额。

(3)待渡场上船。车辆在待渡场排队验票与上船，船方根据车辆情况和船舶当前配载情况，安排车辆的上船顺序及其在船舶的具体配载位置，即配载指令。同时，船方根据当前航班船舶实际配载情况，及时通知港口中心还可以释放多少配额。

综上，客货滚装港口生产运作的核心是售票、调度、配载的动态迭代过程，既有货车实体流贯穿始末，也有信息流、计划指令等的自动或人工流转，通过港口中心生产调度，实现闸口售票与船舶配载之间的协同。

3 客货滚装数字孪生港口运行机制

以物联网、移动互联、智能感知、大数据、云计算等为代表的新一代信息技术，极大推进了现代智慧港口的发展。客货滚装智慧港口就是面向客货滚装港口数字化、网络化、智能化需求，构建安检计重、售取票、配载、验票等多位一体的智能感知体系，提供智能、高效、便捷的客货滚装服务。通过客货滚装港口的生产运作模式及其智慧化发展需求分析，结合数字孪生技术，给出客货滚装数字孪生港口的系统组成(见图2)。

图2 客货滚装数字孪生港口

客货滚装港口的物理孪生与数字孪生，通过信息物理系统、客货滚装港口生产系统和数据仓库，实现二者之间的真实映射与实时交互，运行机制如下：

(1)客货滚装港口物理孪生(PT)。利用TOS的作业计划信息，完成客货滚装港口安检计费、售取船票、待渡配载、登船验票等生产作业。TOS借助CPS，实现闸机、自动安检机、高清车牌自动识别一体机、闸口自动售取票机等设备的自动控制。设备的实时作业信息通过CPS传给TOS和数据仓库。

(2)客货滚装港口数字孪生(DT)。基于BIM簇的数据仓库，数据驱动港口BIM模型和决策模型，执行仿真优化及其性能评估，对船舶调度、票务管理、船舶配载等进行智能决策。智能决策方案迭代优化TOS的作业计划。数字孪生通过CPS，实时监测、预测和调控物理孪生，实现物理孪生与数字孪生的迭代优化。

(3)客货滚装港口生产系统(TOS)。在港口数字孪生决策计划驱动下，智能生成船舶调度计划、票务管理计划、船舶配载计划。智能化管控港口物理孪生，实现港口设备设施资源的智能配置，以及安检计费、闸口售票、待渡场验票、港内车辆引导、道闸控制等的自动化作业。

(4)基于BIM簇的数据仓库(DW)。BIM簇包含设备设施的几何、物理等属性及其行为和规则等的定义。按照港口BIM簇，设计数据仓库，数据实时更新。客货滚装港口的设施设备(例如泊位、待渡场、闸口、设备)与渡海车辆等可真实映射到各个BIM簇，作业数据实时驱动BIM模型和决策模型。

4 客货滚装数字孪生港口系统架构

结合某客货滚装港口前期调研及其核心作业计划(例如船舶调度、船舶配载、票务管理)，参照数字孪生车间的参考系统架构[2]，设计客货滚装数字孪生港口系统架构(见图3)。

图3 客货滚装数字孪生港口系统架构

客货滚装数字孪生港口系统架构主要包括物理层、模型层、平台层、应用层等，具体内容如下：

(1)物理层。客货滚装港口中所涉及的设备、设施、渡海车辆等物理实体及其活动，实现客货滚装港口生产运作的物理空间场景，通过传感器、执行器、PLC等自动管控港口设备设施。

(2)模型层。结合BIM和GIS构建客货滚装虚拟港口，BIM模型定义和记录了对应设备设施的几何、物理、行为、规则等数据信息，GIS数据融入到BIM模型中，通过决策模型和仿真优化引擎，驱动渡海车辆、船舶等临时实体，实现港口生产运作计划的模拟、分析、优化和决策。

(3)平台层。通过平台使能技术、数据管理技术、数据建模与分析技术等，为客货滚装港口的物理孪生、数字孪生、生产系统等提供数据支持服务，提高平台收集和管理港口运营数据的能力。

(4)应用层。主要开展客货滚装港口的船舶智能调度、票务智能管理、船舶智能配载、待渡场智能引导等智能化应用服务，实现船舶泊位有效安排、船期自动排班管理、船期票务配额智能动态分配、船舶配载智能动态决策、车辆待渡场智能诱导及其电子围栏设置等。

图4对应图3的模型层，是模型层的拓展说明，反映BIM和GIS数据在模型层的融合与应用。模型层通过调用平台层的BIM簇数据仓库、GIS数据仓库等，形成二维GIS数据、3D数字地形等地理信息，和港口设施设备的几何、物理、行为规则等BIM信息。地理信息通过开放地理空间信息联盟(OGC)定义的3种地理参考信息模型(网络地图服务WMS、网络要素服务WFS、网络覆盖服务WCS)与网络三维服务(W3DS)拓展形成OGC地理标记语言(GML)和OGC城市地理标记语言(CityGML)。BIM信息通过数据化转换形成几何图元特征等BIM要素，再形成IFC港口建筑信息模型。通过语义转换和统一格式可将IFC模型中的语义信息与CityGML中的5个细节层次的LoDs建筑模型进行融合和集成。BIM+GIS模型可为港口提供基础地图共享服务，并具备应用对接与数据集成服务能力、信息分析与应用能力和多维度、多层次的精细可视化展示功能等。

图4 BIM+GIS数据在模型层的融合与应用

图5 客货滚装港口三位一体智能决策方案

5 客货滚装数字孪生港口智能决策

结合RFID制定了客货滚装港口三位一体决策方案(见图5)，实现安检计重、售取票、船舶配载的三位一体决策，具体步骤如下：

(1)渡海车辆在入港前，通过预约方式将车辆信息录入到射频卡中，并与车辆绑定。

(2)车辆进入港口前置闸口时，车牌自动识别一体机判别车辆是否入港预约车辆，并合理分流。

(3)车辆进入自动安检机安检计重，收费情况和安检信息等自动写入射频卡。

(4)车辆行驶到售取票闸口，自动售取票机读取射频卡信息，并提示引导司机缴费、找零和取票。

(5)自动售取票机出票前，根据射频卡上的车辆信息，依据后台配载算法自动分配船舶舱位，并将相关信息打印到登船票据上。

(6)出票后，后台配载算法自动校核船舶舱容使用情况，估算剩余舱位面积，动态调整当前靠泊配载船舶的车票配额。此处，后台配载算法对应图2中的决策模型，采用滚动策略、动态批次和宽度匹配优先等方法(见图6)。该决策模型结合BIM模型中的几何数据、非几何数据、行为、规则等，仿真驱动BIM+GIS的客货滚装数字孪生港口，评估配载方案的主要性能，例如船舶舱容利用情况、船舶稳性等。

图6 后台配载算法流程图

后台配载算法流程如图6所示，渡海车辆依次到达港口形成到达序列，当序列元素数达到一定数量(根据配载经验实际确定)时，形成配载批次；从配载批次中挑选车辆，根据相应策略(基于宽度匹配优先的后批次配载等)配入船舱，并动态更新配载批次，重复该过程至船舶船舱排满。通过以上方法，能够逐步完成配载，满足数字孪生快速仿真推演的要求，且符合港口配载的时效性要求。

6 结语

客货滚装港口数字孪生运作模式作为一种港口运营新模式，在推动港口转型升级，实现港口系统集成,促进生产数据互联互通和打造信息物理高度融合的智慧港口上有显著优势。本文为解决如何将数字孪生技术与传统港口深度融合这一问题，针对客货滚装港口现有生产运作模式，基于BIM实物仿真数字化特点，从运行机制、系统架构和智能决策方案3个方面对客货滚装数字孪生运作新模式进行了初步的研究和设计。后续，将针对客货滚装港口数字孪生运作模式中落地应用、关键技术和算法理论等开展研究。