基于北斗定位+AI识别的港内集卡智能协同管控新模式

　　一、总体介绍

　　截至目前，我国已建成自动化集装箱码头和自动化干散货码头52座，然而传统码头占比仍高达87%以上。港口作为国际贸易的重要节点，在传统港口快速构建无人集卡、有人集卡、自动化设备间的协同体系，对于提升港口整体运营效率和服务质量至关重要。在当前信息化、数据化的大背景下，码头面临自动化与常规设备交互频繁、港口内集卡和外集卡混合作业等诸多挑战。

　　本项目以“宁波舟山港传统集装箱、干散货码头智慧化改造项目”入选首批14个港口功能优化提升交通强国专项试点为契机，以“5G+北斗+AI”为底座，融合全港适用的港内多源数据采集、外集卡高效调度、港机协同提效等关键技术，重构人、车、港、货深度融合的数字生态网络。

　　项目以梅山自动驾驶试验区为起点，面向梅东码头运营中的复杂业务场景及需求，通过大数据采集、计算、分析与事件感知，完善优化梅东港区内外集卡协同与港城一体化建设，构建覆盖内外集卡全生命周期管理、混行交通智能管控、动态路径优化及港城生态协同的港口智能协同管控系统。待运行成熟后，通过平移、借鉴梅山建设成果，结合宁波舟山港和省外其他码头的特定需求，形成可复用的港口数字化管理范式，扩大服务范围和覆盖面，全面提升外集卡车辆港内作业的管控能力，推动物流作业与生产作业的有效协同，助力智慧港口建设和交通数字化转型。

　　二、主要做法

　　(一)构建全港统一的全要素数字生态网络

　　改革前，宁波舟山港域各集装箱码头采用GPS及各自地图绘制技术，存在全港数据采集标准及精度不统一的问题。此外，港内智能设备作业信息与集卡作业信息割裂，导致全港管控需人工干预且多方对接，整体流程复杂、耗时长。

　　改革后，采用北斗定位系统替代GPS，实现定位技术国产化，融合5G通信、北斗定位、人工智能算法及多传感器等，构建覆盖“人—车—港—货”全要素的数字生态网络。一是融合“北斗+5G”代替GPS定位技术，采用多源数据自动差分融合技术、影像深度学习道路自动提取技术及全景图像自动精准识别技术，构建港区全要素数字孪生系统。一方面，完善宁波舟山港域码头地图建设标准，提升各港区数字基础设施水平。另一方面，形成统一的数据标准与制作规范，确保多码头地图在建筑/道路表达、精度、完整性及可用性上达到一致，实现宁波舟山港港区数据全采集。二是融合港机传感器，实现港机作业数据与集卡行驶智能联动。根据港机作业状态，向过往集卡车辆提供实时语音播报提示，构建人、车、港、货深度融合的数字生态协同网络。三是项目系统在对接现有港机联动基础上，支持将新采集的港区设施、设备数据纳入模型，不断提高系统模型的精确性与完整性，具备适应港区未来规模扩张与布局调整的能力。

　　图 技术底座全要素架构

　　(二)创新集卡混行自动化作业管理模式

　　改革前，传统码头依靠物理隔离、人工调度管理等方式，建设运营成本高。同时，码头生产系统缺乏有效获取外集卡定位信息的措施，一是对外集卡驾驶行为管控力度弱，二是以“全局感知”支撑“全局调度”优化整体生产作业能力受限。

　　改革后，在技术层面，设计研发“集卡轨迹预测”“动态路权分配”“智能路径规划”等算法，为外集卡司机提供高效合理的集卡形式最优路径。依托算法模型具备的自学习、自适应能力，持续迭代技术系统，不断提升港区交通管理的应变能力，实现更精准领航服务和安全监管。在管理层面，一是在传统码头率先实行有人集卡与无人集卡协同混行作业新模式，实现不同能源、不同操控模式的集卡根据港区作业需求灵活调配。二是摒弃港区传统事后处理的管理方式，构建“事前—事中—事后”全过程管控模式。事前，通过实时采集车辆速度、轨迹、场地信息等多维数据，同步传输至易港通“易享领航”平台，利用大数据及人工智能算法，预判集卡故障、道路拥堵等潜在风险，降低事故和延误作业发生的可能性，实现风险主动防御。事中，借助高清摄像头、5G通信、RFID、北斗定位等技术，对集卡行驶轨迹、作业状态、周边环境进行全方位监控，确保港区作业高效、安全进行，实现集卡作业过程的动态管控。事后，回收归档作业过程数据，包括执行情况、车辆运行数据等。根据数据反馈，持续改进管理流程和技术系统，提升港内集卡混行管理水平。

　　(三)打造港内外集卡联动服务新生态

　　改革前，司机预约作业后，根据驾驶习惯及记忆中箱区位置信息驱车前往。一方面，司机缺少科学合理的路径规划，另一方面，港区无法获取司机驾驶路线，既难以实施有效管控，也无法对全港业务开展合理调度。

　　改革后，司机侧，聚焦集卡司机进港作业全流程，提供智能路线规划、实时导航指引、多维信息提醒等功能，便于司机及时掌握港区路况及设备动态，了解各箱区及道路禁行情况，快速高效安全地到达作业场地，减少全程作业时间，改善进港作业体验。为司机港内行车和作业提供安全、高效的领航伴侣服务。港口侧，接入全港有人集卡、无人集卡、交通信控、场地实时作业指令等数据，统一数据采集、司机交互、行为管控、异常识别、合规评判等一系列标准，构建港区集卡车辆管控标准体系;优化港区交通流调度，规范司机的驾驶行为，通过人工智能分析与事件感知，判断无人车、无人设备交汇事件，通过视觉、听觉双重提醒驾驶员注意避让，实现安全风险预判，促进港区交通更加安全有序。此外，平台将逐步延伸服务至港外，整合联动港外堆场、仓库等业务场景，依托精准预约、业务调度等功能，提升港口集疏运效率。此外，平台也将集成港外智能推荐停车、加油、新能源补能等增值服务，构建起覆盖港内外、全方位的集卡联动服务新生态。

　　三、取得成效

　　相关成果入选首批浙江省国有企业“人工智能+”典型应用案例，并在2025年港口科技创新大会上公开发布。自新模式实行以来，已实现在宁波舟山港区域集装箱码头全覆盖，陆续推广至苏州现代等省外码头，覆盖累计超5万名集卡司机，使用覆盖率达100%。

　　(一)降低综合物流成本

　　降低集卡车队运营成本。通过北斗定位+AI导航智能体技术，实现运输路径精准规划，可有效降低外集卡到达堆场贝位等待作业时间，减少因怠速导致的燃油消耗和车辆行驶磨损。以梅山港区运行数据为例，本项目通过港区交通实时监测、港机在线协同管理等措施，可有效降低外集卡车辆偏航率10%以上，提升港区闸口通过效率7%，降低到达堆场贝位待时2分钟/辆/次。

　　降低港区管理成本。依托北斗定位与AI导航技术，结合高精地图采集测绘，对集卡定位数据进行智能分析计算。相较于磁钉等传统硬件定位模式，显著降低人力盘点、巡检及协调成本，有效管控作业安全风险与物流延误损失;同时规避高额硬件采购及持续性维护支出，兼具经济性与规模化推广价值，为港区管理提供轻量化技术路径。

　　(二)提升港口综合服务水平

　　通过融合集卡车辆摄像头、港机摄像头等多传感器，串联全港生产系统，集成港口全业态场景，面向外集卡司机提供港区作业全流程引导，提高全港作业效率，预计可节约外集卡等待作业时长超2000万分钟/年。

　　(三)提升港口安全管理水平

　　通过实时监测和预警功能，实现港内外、无人有人集卡混行场景下对可预见的危险进行提前预警，有效避免碰撞事故，保障司机、港口作业人员和设备安全，筑牢港区交通安全底线。