自上世紀60年代海運集裝箱業(yè)務出現(xiàn)到今天,集裝箱運輸在航運界已經(jīng)是一枝獨秀,集裝箱港口的發(fā)展水平不僅用來衡量港口自身的發(fā)展水平,也成為評價港口城市發(fā)展水平的標桿。在中國加入世貿(mào)組織近二十年的時間里,我國國際貿(mào)易進入了一個新紀元。借著國際貿(mào)易的東風,集裝箱運輸已經(jīng)發(fā)展到世界頂級水平。據(jù)統(tǒng)計,2019年全世界集裝箱港口吞吐量排名中,前十位有七個是我國港口。為了實現(xiàn)規(guī)模經(jīng)濟效應,集裝箱船舶正向大型化、高速度方向發(fā)展。截至論文完成時,世界最大的集裝箱船“地中海古爾松號”的載箱量已達到23756 TEU(20英尺標準箱)。但是大型集裝箱船的靠泊條件非常苛刻,目前僅有少數(shù)樞紐港可以允許大型集裝箱船舶掛靠作業(yè)。樞紐港有限的數(shù)量和其地理位置限制了集裝箱運輸網(wǎng)絡的發(fā)展,這個時候就需要支線中小型碼頭來輔助,樞紐港巨大的貨運量也要靠支線碼頭來分解。在國家“一帶一路”政策和中韓自貿(mào)區(qū)建成的雙重影響下,山東半島港口貨運量與日俱增,在這樣的背景下,諸如S港這類中小型港口起到的作用越來越大。相比上海港、青島港這樣的樞紐港,支線碼頭的發(fā)展還處在一個很初級的階段,在集裝箱碼頭港區(qū)建設、裝卸機械以及管理方面和樞紐港都不可...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文結構和研究方法
        1.3.1 論文結構
        1.3.2 研究方法
第2章 相關概念和理論基礎
    2.1 集裝箱碼頭
        2.1.1 集裝箱碼頭的定義
        2.1.2 集裝箱碼頭具備的條件
        2.1.3 集裝箱碼頭的功能
        2.1.4 集裝箱碼頭的特點
        2.1.5 集裝箱碼頭的布局
        2.1.6 集裝箱碼頭的作業(yè)流程
    2.2 集裝箱碼頭堆場
        2.2.1 集裝箱碼頭堆場概況
        2.2.2 集裝箱碼頭堆場箱區(qū)的劃分
        2.2.3 集裝箱碼頭堆場的作業(yè)流程
        2.2.4 影響集裝箱堆場作業(yè)效率的因素
    2.3 集裝箱碼頭泊位
        2.3.1 集裝箱碼頭泊位概況
        2.3.2 集裝箱碼頭泊位的作業(yè)流程
        2.3.3 集裝箱碼頭泊位的岸吊調(diào)度
        2.3.4 集裝箱碼頭泊位的泊位-岸吊聯(lián)合調(diào)度
    2.4 蟻群算法
        2.4.1 蟻群算法的原理
        2.4.2 蟻群算法的特點
第3章 S港集裝箱物流系統(tǒng)概況及存在的問題
    3.1 S港集裝箱物流系統(tǒng)概況
    3.2 S港集裝箱碼頭堆場
        3.2.1 S港集裝箱碼頭堆場資源
        3.2.3 S港集裝箱碼頭堆場存在的問題
    3.3 S港集裝箱碼頭泊位
        3.3.1 S港集裝箱碼頭泊位資源
        3.3.2 S港集裝箱泊位作業(yè)存在的問題
第4章 S港集裝箱堆場系統(tǒng)流程配置優(yōu)化方案設計
    4.1 集裝箱堆場系統(tǒng)龍門吊調(diào)度優(yōu)化模型的建立
        4.1.1 集裝箱堆場龍門吊作業(yè)
        4.1.2 建立模型
    4.2 堆場龍門吊調(diào)度模型蟻群算法的設計與實現(xiàn)
        4.2.1 基本原理
        4.2.2 算法流程
    4.3 實例計算
第5章 S港集裝箱泊位系統(tǒng)流程配置優(yōu)化方案設計
    5.1 集裝箱泊位系統(tǒng)船舶調(diào)度優(yōu)化模型的建立
        5.1.1 泊位船舶調(diào)度模型描述
        5.1.2 建立模型
    5.2 泊位船舶調(diào)度模型蟻群算法的設計與實現(xiàn)
        5.2.1 基本原理
        5.2.2 算法流程
    5.3 實例計算
第6章 結論與展望
    6.1 研究結論
    6.2 成果展望
參考文獻
致謝



本文編號：3826198