舟山堆场作业周内潮汐节律识别数据

通过对舟山堆场进箱、提箱、日吞吐、堆存增减四个核心作业流量按周内位置进行时间序列周期分解，识别每个工作日（周一至周日）的历史中位数基线、四
分位区间与潮汐振幅，企业堆场调度与运营管理团队能够精准量化今天作为周X，其作业表现是否符合周X的历史节律，及时发现节假日效应、突发事件、
船期异常导致的作业节律失稳。对于船公司与航运联盟而言，节律识别数据揭示了港口作业的周内分布规律——例如周三是高峰、
周日是低谷——可作为优化船期挂靠时点、规避高峰拥堵的重要参考。对于陆运拖车公司、货代与货主而言，
明晰的周内潮汐使其能够前瞻安排车队调度与提还箱时窗，规避周内高峰期的等待成本。
该数据集可推广至同类型集装箱码头、物流园区、电商分拨中心等场景的周期性作业节律分析体系建设，帮助行业从看绝对值走向看节律是否合规。基于堆场日级时序数据,按四个节律视角(进箱/提箱/日吞吐/堆存增减)分别构建各工作日的历史分位基线(Med、Q25、Q75、IQR)与周潮汐特征(振幅、高峰/低谷日、预期潮汐位置)。对每条记录计算四类异常子指标——偏离子得分(S_D)、Z 分位子得分(S_Z)、一致性反向子得分(S_C)、潮汐错位子得分(S_M),按权重加权得到综合节律异常得分:
S = 0.30·S_D + 0.30·S_Z + 0.20·S_C + 0.20·S_M
再按 S 值划分五档等级:完全合律(<15)、正常波动(15–30)、轻度异常(30–50)、显著异常(50–70)、严重异常(≥70)。
备注:算法详情请看数据来源。

搜集汇总

背景与挑战

背景概述

该数据集基于舟山甬舟集装箱码头堆场的进箱、提箱、日吞吐、堆存增减四个核心作业流量，按周内位置进行时间序列周期分解，识别各工作日的历史中位数基线、四分位区间与潮汐振幅，并计算综合节律异常得分与五档异常等级。数据适用于企业堆场调度管理、船公司船期优化以及陆运拖车公司车队调度，能够帮助及时发现节假日效应、突发事件等导致的作业节律失稳，并可推广至同类型集装箱码头、物流园区、电商分拨中心等场景的周期性作业节律分析体系建设。