基于大数据分析的自动化集装箱码头运营优化研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题的目的和意义 | 第10-11页 |
| 1.2 研究现状与待拓展问题 | 第11-14页 |
| 1.2.1 国内外研究现状 | 第11-13页 |
| 1.2.2 待深入研究问题 | 第13-14页 |
| 1.3 本文工作与创新点 | 第14-16页 |
| 1.3.1 本文研究的主要内容 | 第14页 |
| 1.3.2 本文研究的技术路线 | 第14-15页 |
| 1.3.3 本文研究的创新点 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 基于大数据的集装箱码头作业活动分析 | 第17-31页 |
| 2.1 大数据技术概述 | 第17-19页 |
| 2.1.1 大数据发展概述 | 第17-19页 |
| 2.1.2 大数据应用概述 | 第19页 |
| 2.2 自动化集装箱码头概述 | 第19-25页 |
| 2.2.1 自动化集装箱码头定义和产生背景 | 第19-23页 |
| 2.2.2 国内外自动化码头发展现状 | 第23-25页 |
| 2.2.3 厦门远海全自动化集装箱码头 | 第25页 |
| 2.3 集装箱码头作业活动分析 | 第25-30页 |
| 2.3.1 作业效率分析 | 第28-29页 |
| 2.3.2 作业能耗分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 自动化集装箱码头作业活动关键要素挖掘 | 第31-42页 |
| 3.1 影响因素维度分析 | 第31-36页 |
| 3.1.1 泊位与岸桥集成调度 | 第31-32页 |
| 3.1.2 场桥调度 | 第32-34页 |
| 3.1.3 集卡调度 | 第34-36页 |
| 3.2 影响因素相关性分析 | 第36-39页 |
| 3.2.1 泊位与岸桥集成调度 | 第36-37页 |
| 3.2.2 场桥调度 | 第37-38页 |
| 3.2.3 集卡调度 | 第38-39页 |
| 3.3 关键要素提取与呈现 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 自动化集装箱码头作业能效评价体系构建 | 第42-51页 |
| 4.1 评价体系构建思路与原则 | 第42-43页 |
| 4.1.1 评价体系构建思路 | 第42-43页 |
| 4.1.2 评价体系构建原则 | 第43页 |
| 4.2 评价指标设计与体系构建 | 第43-47页 |
| 4.2.1 评价指标设计 | 第43-46页 |
| 4.2.2 评价体系构建 | 第46-47页 |
| 4.3 基于数据包络分析的评价模型 | 第47-48页 |
| 4.3.1 DEA方法概述 | 第47页 |
| 4.3.2 CCR模型 | 第47-48页 |
| 4.3.3 BBC模型 | 第48页 |
| 4.4 自动化码头运营评价实证 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 自动化集装箱码头作业能效优化策略 | 第51-60页 |
| 5.1 基于大数据的自动化码头优化配置机理 | 第51-53页 |
| 5.1.1 作业活动分解与监测 | 第51-52页 |
| 5.1.2 作业活动能效分析 | 第52页 |
| 5.1.3 生产作业协同优化 | 第52-53页 |
| 5.2 基于大数据的自动化码头优化配置策略 | 第53-55页 |
| 5.2.1 泊位与岸桥集成优化配置策略 | 第53-54页 |
| 5.2.2 场桥优化配置策略 | 第54页 |
| 5.2.3 集卡优化配置策略 | 第54-55页 |
| 5.3 基于大数据的自动化码头优化配置实证 | 第55-59页 |
| 5.3.1 泊位与岸桥集成调度能效优化 | 第56-57页 |
| 5.3.2 场桥调度能效优化 | 第57-58页 |
| 5.3.3 集卡调度能效优化 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-61页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-70页 |
