摘 要：数据挖掘可以从海量信息中挖掘潜在的、有价值的知识，辅助人们的日常生活，帮助人们做出各类型准确的决策。集装箱码头往来货物众多，涉及的物流仓储设备也非常多，为了整合集装箱码头软硬件资源，优化集装箱码头的作业流程，本文引入数据挖掘技术，从中发现潜在的问题，以更好地提高集装箱码头作业效率。
关键词：数据挖掘；集装箱码头；作业分析
中图分类号：TP311.52 文献标识码：A 文章编号：2096-4706（2018）09-0099-02
Abstract：Data mining can excavate potential and valuable knowledge from massive information，assist peoples daily life，and make various types of accurate decisions. There are many goods in container terminals，and there are a lot of logistics and storage facilities involved. In order to integrate the software and hardware resources of the container terminal and optimize the operation process of the container terminal，the data mining technology is introduced in this paper to find the potential problems and improve the efficiency of the container terminal.
Keywords：data mining；container terminal；operation analysis
0 引 言
随着世界经济贸易的一体化，国际经济开始小幅度回升，我国的进出口贸易也呈现逐年增加的趋势，尤其是一带一路建设的提出，为货运带来了新的发展契机，也加大了港口集装箱工作任务[1]。因此，为了提高港口集装箱的货物运输周转效率，进一步提高港口服务水平，目前港口集装箱码头作业已经引入了许多的信息化系统，比如物流运输设备管理系统、仓库管理系统、场站操作管理系统、视频监控管理系统等，这些应用软件同时也积累了海量的操作数据，比如日常经营管理数据、日志信息数据等。本文借助先进的数据挖掘技术，针对数据挖掘分析集装箱码头作业存在的问题，构建一个效率提升模型，以更好地梳理集装箱码头作业流程，保证又快又好地完成作业任务[2]。
1 数据挖掘技术及应用
数据挖掘又被称为知识发现，是当前人工智能和数据仓库等关键应用技术之一。利用数据挖掘可以从海量的数据中挖掘潜在的、有价值的信息，这些信息可以帮助人们做出各种决策。目前，数据挖掘常用于人工智能、基因识别、可视化技术、视频追踪、图像处理、文本分析等领域，取得了显著的应用成效[3]。数据挖掘常用的技术有很多，比如BP神经网络、K均值、支持向量机等，比如基于BP神经网络可以构建一个图像识别软件，利用多层次神经网络提取图像中的目标特征，然后从复杂的图像背景中进行精准分类，就可以将图像目标对象与背景内容进行分割，然后准确地定位目标对象在图像中的位置，完成目标检测功能。
2 数据挖掘在集装箱码头作业分析系统中的应用
港口码头是一个大型的综合性物流、仓储、运输场地，涉及的运输业务种类非常多，管理的设备类型也非常复杂，不仅包括运输车、塔吊、集装箱等设备，同时还包括仓库、检验设备、泊位、堆场等，涉及船代、海关、货代、内外理公司等用户。因此，港口码头的作业控制、内部管理非常复杂，与各类实体公司之间的业务往来也非常复杂，港口管理的好坏直接影响作业效率，而且还关系到港口管理公司的经济利益。因此，为了提高管理水平，港口码头已经引入了许多的信息化系统，构建了集装箱码头的作业分析系统。
集装箱码头作业分析系统采用先进的数据挖掘技术，结合先进的软件工程设计理念，整合港口各个业务的流程，涵盖集装箱码头运输的所有业务操作，参考大量的操作过程，精心设计系统的所有业务流程，并针对相关的业务进行分析，提炼、规划真正实用的业务操作流程，做到先计划、再作业的一体化实时监控，实现了各部门数据的同步更新，与业务全部操作的实时跟踪，形成了一个良好的决策知识系统。
3 基于数据挖掘的集装箱码头作业分析系统分析与设计
基于数据挖掘的集装箱码头作业分析系统包括三个关键层次，首先是数据采集层，其次是数据分析层，然后是知识表现层（用户交互接口层），如图1所示。
3.1 系统数据采集层
数据采集层可以获取集装箱、货运公司、仓储设备等一系列集装箱码头作业数据，同时可以从一系列软硬件系统中获取数据资源，并将这些信息保存到数据仓库，根据用户的逻辑业务请求进行访问。数据来源于港口码头的任何一个作业流程，这些数据中蕴含着丰富的知识信息，针对这些数据进行加工就可以获取相关的知识。
3.2 系统数据处理层
数据处理层针对采集存储的数据进行整合预处理，整合预处理使用的工具包括MapReduce、Hadoop等。针对不同的数据库可以实现数据采集抽取、清洗转换、加载存储、提供应用，数据可视化显示，标准化体系建设，信息加工和服务等功能。清洗转换是指对采集到的集装箱码头作业数据进行分析，利用归一化方法实现对数据的清洗转换，删除许多的噪声数据或无用数据。加载存储由两个关键程序组成，数据中心设计和建设完成之后，可以将数据装载到中心存储器，数据加载存储需要大量的时间进行装载操作，以为用户提供一个强大的数据加载引擎，实现信息加工。
3.3 知识表现层
知识表现层又被称为用户交互接口层，直接与集装箱码头工作人员进行交互。该平台可以使用数据挖掘算法进行知识加工，数据挖掘算法包括BP神经网络、支持向量机、遗传算法和K均值等，这些算法能够构建一个数据挖掘模型，经过多层次的学习和训练，提高数据挖掘的准确度，然后将每一个数据挖掘模型保存起来，利用图形化模式展现给港口码头管理部门的人员。
4 总结与展望
集装箱码头作业分析系统引入数据挖掘技术之后，可以整合各类型业务流程数据，针对每一个作业流程进行分析、优化，以提高集装箱码头的作业效率，拓展集装箱码头数据的覆盖范围，提高了互联互通水平，实现了信息共享、业务协同，提高了集装箱码头作业能力和水平，实现了港口货运管理的自动化水平。
未来集装箱码头作业系统将会引入更先进的计算机技术，比如语音识别、手势识别和云计算等技术，构建一个基于云的作业管理系统，该系统能够大大地提高集装箱码头处理效率，进一步强化集装箱码头的智能化水平，同时也可以为其他行业的信息化提供参考，从而提高社会信息化、智能化和共享化水平。
参考文献：
[1] 程光明.基于数据挖掘技术的进境集装箱风险评估系统初探 [J].商场现代化，2012（29）：4.
[2] 马文，耿贞伟，张莉娜.基于数据挖掘的混合云作业调度算法 [J].现代电子技术，2017，40（19）：49-51+55.
[3] 陆璐.基于关联规则的数据挖掘在集装箱追踪系统中的应用 [J].铁路计算机应用，2008（8）：25-28.
作者简介：孙晓驰（1975.06-），男，汉族，重庆人，高级工程师。研究方向：信息化、自动化、软件。
