李俊超 崔捷 车向东

李俊超 ¹ 崔 捷 ¹ 车向东 ¹

摘 要 在口岸进出口业务中，集拼业务涉及复杂的物流、信息流和资金流，因此，海关需要对集拼业务进行更严密的监管。为深化物流监管业务改革，全面提升集拼业务监管能力，宁波海关积极开展技术创新，利用数字孪生技术对集拼业务全流程进行实时监控管理。本文以数字孪生可视化为呈现方式，将集拼业务数据集中在一个标准的技术架构上，融合多来源数据，汇聚态势感知、风险评估、行动过程控制等因素，提出相应的集拼业务监管策略和研究方向。

关键词 集拼业务；物流监管；数字孪生；实时监控

Application and Research of Digital Twins in Customs Consolidation Supervision

LI Jun-Chao ¹ CUI Jie ¹ CHE Xiang-Dong ¹

Abstract In the import and export at ports, consolidation operations involve complex logistics, information flows, and capital flows, hence the need for the customs to exercise stricter supervision over these operations. To deepen logistics supervision reform and enhance consolidation supervision capabilities, Ningbo Customs has actively carried out technological innovation, utilizing digital twin technology for real-time monitoring and management of the entire consolidation process. This paper presents the consolidation data on a standardized technical architecture using digital twin visualization, integrating data from multiple sources, and converging factors such as situational awareness, risk assessment, and process control of actions, proposing corresponding strategies and research directions for the supervision of consolidation operations.

Keywords consolidation; logistics supervision; digital twin; real-time monitoring

在口岸进出口业务中，集拼业务^[1-3]是指将多个供应商的货物集中起来，经过整合、拼装后统一发往目的地的一种物流服务模式。这种模式在提高物流效率、降低运输成本方面具有显著优势，但复杂的业务流程提升了监管难度。

数字孪生是指利用物理模型、传感器数据、历史数据等，创建一个与物理实体完全对应的虚拟模型^[4-6]。这个模型可以实时更新，以反映物理实体的状态，支持模拟、预测和优化等操作。数字孪生技术在智能制造^[7]、智慧城市^[8]、医疗健康^[9]等领域已有广泛应用。

基于海关对提高集拼业务监管能力的需求，同时考虑集拼业务的实际管理需要，宁波海关通过运用数字孪生技术构建集拼中心的虚拟模型，可以实现对集拼过程的实时监控和资源配置优化，为集拼业务的智能化管理提供新的思路。面对集拼业务设备协同作业工艺链和传统码头自动化改造中普遍存在的多类集卡混编作业等复杂业务场景，数字孪生可视化可以有效应对此类场景，实现海关对场站的智能化、可视化监管，并有利于减轻工作强度和整合人力资源配置，加强对集拼业务监管和决策。

1 集拼业务数字孪生化

区别于传统的集装箱堆场，集拼作业具有小、零、散的特点，货物并没有封装于集装箱内，而是放置在仓库内的堆场、货架，待海关放行后再进行拼组装箱。虽然集拼作业能大幅提升海关找货查验效率，避免二次倒箱，但在装箱前，货物处于“游离”状态，没有类似集装箱号的唯一定位标识。

由于集拼业务生产作业工艺链在闸口、堆场、仓储区等区域离散衔接，货车完成货物装卸后离站。为实现生产作业的全过程追踪，及时发现安全隐患，有必要以可视化的手段直观呈现场景。同时，为保障货物流转尽快完成作业，需要通过更高效、更智能的设备协同调度来实现全场生产作业，完成作业任务的合理指派，以减少资源浪费。

为了对堆场、货架、货物、设备、车辆等状态进行实时掌握，运用数字孪生技术，通过数据流驱动实体设备模型精细运动，有助于及时发现运行问题，感知节点效率，洞察监管盲点，第一时间引导海关监管人员进行精准排查和应急处理。同时，集拼业务生产调度的目标是最大化提升装卸效率，最小化作业设备间的衔接和等待时间，即达成“任务-资源-约束”的协同匹配和持续优化。本研究在三维可视化场景内，结合实时数据流，通过全局智能调度算法，实现资源分配计划、平面运输路径规划、任务全局安排和设备作业时间的预测。

2 系统架构设计

本研究将传统集拼监管系统转变为数字孪生集拼监管系统，数字孪生场景可以将多源信息融合在一起，通过各种感官作用于用户，直观地向用户展示各种场地、设备、货物的实际情况，使用户产生身临其境的感觉。同时，交互式的三维动态视景和设备的实体行为系统仿真，也能使用户更加高效地管理集拼场所。因此，从概念上来说，集拼业务数字孪生可以分为四个层次，即“两类空间+两大内核”。“两类空间”是指物理世界和数字虚拟世界，数字虚拟世界则通过物理实体忠实的数字化镜像模型来表现集拼场景下的丰富业务应用，并通过人机交互手段完成场景及反馈联动；“两大内核”是指动态融合、链接虚实、驱动数字孪生运行的数据和算法内核。

海关数字孪生集拼监管系统作为大型应用体系，以传感器作为信息中转站，依托于传感器数据测量、数据挖掘、控制反馈技术，以实现各内部系统智慧共生、高效运营、虚实智能交互。系统架构如图1所示可分为4层，包括：数据采集层、数据服务层、业务应用层、展示交互层。

2.1 数据采集层

数据采集层主要通过以下方式进行：一是联动监管场所系统，通过场所智能设备和系统实时获取场所货物信息及相关作业情况数据；二是大量装配视频监控、传感器等智能设备，通过智能监管平台实现对监管场所的实时监控；三是联动海关业务系统，实时获取货物申报、查验、放行等监管信息；四是通过各种数据采集器获取卡口、车辆、集装箱相关信息。数据初步采集后，再结合各类管理系统、视频监控系统、卡口管理系统、围网管理系统进行标准化接口改造，最终将数据统一对接。

2.2 数据服务层

数据服务层作为应用层的数据支撑，主要负责数据的存储和处理。数据存储功能是将采集到的多来源物联网数据进行保存，主要形式则采用格式化的数据库表格或各种非格式化的文件、图像、音视频等。数据处理功能通过清洗、处理、分析收集到的各类监控数据，实现集拼场所环境及环境设备的全面、实时监控，提供及时、准确的报警信息，其功能主要包括数据预处理、分类分级、关联分析、告警处理等。

数据层还负责将结构化源数据增量或全量同步到大数据平台，完成主题数据域建设，建立维度一致、可复用、面向分析和统计的公共数据表，并实现周期性数据管理，以满足跨部业务协同需求、方便上层算法建模和应用搭建的获取和使用，同时提升未来模型和应用扩展的效率。

2.3 业务应用层

业务应用层是集拼监管系统的业务能力应用。孪生系统与场景的构建依托数字化研发平台完成，该平台基于轻量化渲染引擎，能够模拟仓储环境，辅助孪生业务场景开发，实现实景三维仿真、空间算法分析等功能。同时，孪生场景能够基于地理信息系统（Geographic Information System，GIS）数据进一步进行程序规则建模，保证三维数字场景模型还原的数据精度、空间位置和属性信息的一致性。业务应用层多维数智模型算法，能够应对仓储区智能调度业务需求、提升监管效率瓶颈。

2.3.1 空间融合能力

空间融合能力主要是提供空间数据相关的基础性融合，包括路网拓扑、路段静态要素的结构化构建、集卡实际定位映射和多源感知设备下的集卡完整轨迹还原等。

路网拓扑分析：通过图论中的网络流算法来分析和构建路网的拓扑结构，确定节点（如交叉口、仓库）和边（如道路）之间的关系。

路段静态要素的结构化构建：使用地理信息系统（GIS）技术来收集和整理路段的静态信息（如限速、道路类型等），并将其结构化存储在数据库中。

集卡实时定位映射：利用GPS/北斗定位获取集卡的实时位置，并将其映射到数字地图上。

多源感知设备下的集卡完整轨迹还原：结合来自不同感知设备（如摄像头、传感器）的数据，使用数据融合技术（如贝叶斯滤波、粒子滤波）来还原集卡的完整行驶轨迹。

2.3.2 智能预测能力

算法的智能预测能力主要是沉淀并迭代基于大量离线数据训练得到的各类预测模型，通过机器学习算法挖掘仓储能力、设备作业映射数据等，从而进行预测性资源分配。

数据挖掘和机器学习：使用机器学习算法（如线性回归、决策树、随机森林、神经网络）对历史数据进行分析，以挖掘仓储能力和设备作业映射数据中的模式和趋势。

预测模型迭代：通过不断迭代和优化预测模型，如使用交叉验证、A/B测试等方法评估模型性能，提高资源分配的准确性。

预测性资源分配：基于预测模型的结果，使用优化算法（如线性规划、动态规划）来进行预测性资源分配，以实现更高效的仓储区调度。

2.3.3 智慧识别能力

算法的智慧识别能力主要是基于感知设备采集的原始数据，实现集卡识别、闸口识别、视频货区占用情况、告警特定事件识别等，其识别结果很大程度上弥补了感知信息的缺失、提升监管面，并作为全局优化调度的输入参数参与计算。

计算机视觉：使用计算机视觉技术（如图像识别、目标检测）来识别集卡、闸口和视频监控货区的占用情况。

事件检测算法：开发或训练特定的算法来检测和识别特定事件（如安全事故、违规行为）的发生。通过机器视觉算法，将摄像头数据采集到智能AI检测平台中，基于训练集识别特定安全事件。

多模态数据融合：结合来自不同类型传感器（如视觉、红外、雷达）的数据，使用数据融合算法来提高鲁棒性, 将来自不同来源、不同格式或不同结构的数据集成到一个统一的数据模型或数据集中，提升识别的准确性。

2.4 交互展示层

交互展示层通过数字孪生技术对集拼场所环境进行模拟仿真，面向用户实现展现和交互，是监管人员最直观的感受。该层运用计算机技术产生的电子信号，模拟产生一个三度空间的虚拟世界，向用户提供关于视觉、听觉、触觉等感官的模拟，带来身临其境之感。结合三维场景动态实时展示的关键数据与性能指标，包括围网、卡口、场站、货架、货物、车辆等，为监管人员提供智能化、沉浸式的远程管理新模式。

交互展示场景中所需设备设施模型则依据计算机辅助设计（Computer Aided Design，CAD）设计图、照片、视频等真实信息以3DS MAX工具完成建模。在用户交互过程中，2D/3D界面通过设定的广播模式，灵活完成面切换、三维场景点位事件触发等相应操作，为系统日常使用提供友好性和便利性。该层还面向业务场景完成个性化指标加工和展示，实时数据可以通过Web Socket/Http/视频流方式转发呈现系统三维动态场景更新。例如对视频摄像头数据、设备控制数据、货车卡口状态运维数据、货物堆存和流转订单数据指标等通过API请求方式定时获取，更新到三维场景和二维应用看板，全场视频监控点位通过视频流调用和转码服务直接拉流至系统前端呈现。

建模过程中，使用深度摄像头、激光雷达或多视角视频数据，创建动态场景的三维模型，通过整合多个来源的数据提高深度感知和空间重建的精度。使用深度学习和计算机视觉技术，基于卷积神经网络从多个视频源中提取关键特征，并在融合过程中去除冗余、减少噪声，使得智能融合在本次项目应用中得到有效应用，从而提升数字孪生场景在实时、连续、动态性表达方面的表达能力，提供更直观、更准确、更高效、更有价值的使用需求。增强视频通过经纬度、海拔等地理信息坐标体系，实现基于时空位置智能精准定位和时空动态分析，提升视频分析及人工智能的应用价值。

3 系统应用效果

3.1 业务流程描述

整体的集拼业务监管流程如下：

（1）车辆送货：货运车辆根据预约信息，将货物以散件形式从工厂运输至集拼仓库。

（2）理货入库：货物卸车时，由专业理货人员对货物实施理货，确认货物体积、重量、唛头等要素，并打包至托盘后运输至仓库指定库位。

（3）运抵配箱：待货物全部运抵至集拼仓库后，仓库运用专业软件，根据单体货物的体积、重量等要素完成最终的配箱确认，如图2所示。

（4）通关查验：根据运抵配箱情况，报关员向海关申报，海关根据风险参数实施布控查验。如需查验，货物按海关指令移送至指定区域。

（5）放行装箱：货物放行后，按指令实施装箱作业。

（6）施封出卡：如图3所示，货物装箱完毕后，须按规定施加安全智能锁后，转运至码头，最终完成装船出运。

3.2 业务成效

数字孪生集拼业务监管系统上线运行以来，以亚集物流仓库为例，2024年6—9月共计有15万余个托盘、3000余个自然箱、约2万票提运单的货物实现了孪生监管。如图4所示，通过数字孪生集拼业务监管系统的运用，宁波海关强化关区集拼业务数字化监管能力，提升对集拼仓储企业实际监管效能，实现对集拼仓储企业物流业务“进、出、转、存”的运行状态的可视化全景化展示，做到实时监测、异常预警、一屏掌控，同时，也能更好地支持集拼业务的规范化、高质量发展。

4 结语

本研究以数字孪生技术将集拼监管业务数据集中在三维可视化模型上，并融合多元数据，汇聚实时监控、态势感知、风险评估、行动过程控制等，提出相应的监管策略和研究方向。数字孪生技术在集拼业务中的应用前景广阔，能够显著提升海关集拼业务监管效率和决策质量。未来，随着技术的进一步发展和应用的深入，数字孪生技术将在集拼业务中发挥更大的作用。

参考文献

[1]本刊讯. 宁波舟山港首次开展国际中转集拼业务[J]. 中国航务周刊, 2021(16): 22.

[2]查贵勇. 我国发展国际中转集拼业务的思考[J]. 产业创新研究, 2020(11): 1-3.

[3]何进. 宁波—舟山港发展国际中转集拼业务的SWOT分析[J]. 纳税, 2019, 13(1): 223.

[4]刘大同, 郭凯, 王本宽, 等. 数字孪生技术综述与展望[J]. 仪器仪表学报, 2018, 39(11): 1-10.

[5]陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

[6]贺晓, 许俊, 胡孝俊, 等. 数据中心机房设计运行全过程数字孪生关键技术及体系架构[J]. 邮电设计技术, 2022(12): 9-13.

[7]于勇, 范胜廷, 彭关伟, 等. 数字孪生模型在产品构型管理中应用探讨[J]. 航空制造技术, 2017(7): 41-45.

[8]陈建平. 提效与赋能：数字孪生技术助推智慧城市现代化的双维逻辑[J]. 河南社会科学, 2023, 31(12): 96-104.

[9]倪雨嘉, 杨晓东, 张晔, 等. 基于数字孪生技术的医院“一站式”后勤设施管理模式探索[J]. 中国医院建筑与装备, 2024, 25(6): 7-11.

第一作者：李俊超（1984—），男，汉族，浙江嘉兴人，博士，主要从事国门安全信息技术研究、项目管理、软件开发、系统运维等工作，E-mail: 259846575@qq.com

1. 宁波海关 宁波 315010

1. Ningbo Customs District, Ningbo 315010

图1 集拼监管系统架构图

Fig.1 Architecture diagram of consolidation supervision system

图2 集拼业务监管过程示意图

Fig.2 Schematic diagram of consolidation supervision process

图3 装箱出卡过程示意图

Fig.3 Schematic diagram of packing and access control process

图4 集拼仓库数字孪生效果图

Fig.4 Digital twin rendering of consolidation warehouse