德国汉堡港口（Hamburg）已经开始使用机器学习（machine learning）来预测集装箱在码头的停留时间。前两个项目已经成功整合并在集装箱码头Altenwerder（CTA）和Burchardkai（CTB）的IT环境中实施。汉堡港务物流股份公司（HHLA）对此进行了报道。

汉堡港务物流股份公司（HHLA）执行董事会主席Angela Titzrath在上周于上海举行的世界人工智能大会（WAIC）上致欢迎辞时强调了机器学习（ML）对公司的重要性。”数字化的推进正在改变物流行业，我们的港口业务也随之改变。机器学习解决方案为我们提供了许多提高码头生产力和运力率的机会。” HHLA主席认为，机器学习更多的用途必然会被发掘。

如何运作

CTA通过基于机器学习（ML）的预测功能，提高其自动块状存储的效率。其目标是预测集装箱的精确取货时间。当集装箱在堆场停留期间减少不必要地重新堆放时，流程就会大大优化。因为当一个集装箱存放在堆场时，其取货时间往往还是未知数。今后，计算机将利用基于历史数据的算法，计算出集装箱可能的停留时间。该算法使用最先进的机器学习方法不断自我优化。

另一个集装箱码头CTB也采用了类似的解决方案，将传统的集装箱堆场与自动化堆场整合起来同时使用。在这里，机器学习（ML）也通过分配优化的集装箱舱位来支持码头转向。除了预测停留时间，算法还可以帮助计算交付类型。机器学习解决方案可以推测集装箱是否会被装上卡车、火车或轮船，这个结果比根据以往的报告数据进行预测要更为准确。

目前机器学习（ML）在这两个码头的应用已经可以看到显著的积极效果，因为集装箱是根据其预测的取货时间进行存储的，所以必须减少其移动的频率。这些项目是在汉堡港务物流股份公司（HHLA）及其咨询子公司HPC汉堡港口咨询公司的团队的共同推动下完成的。

作者：Majorie van Leijen

翻译：邓安琪

编辑：张佳璐