【摘要】集卡预约系统通过为每个时段设置预约配额控制外集卡到港量，优化集卡预约配额是缩短外集卡滞港时间，提升港内资源利用率的关键。因此，提出了一种将数据驱动与模型驱动相结合的方法，充分利用历史数据优化预约配额。利用了高斯过程回归挖掘各时段不同作业类型集卡到港量与集卡周转时间的相关关系，以最小化外集卡的等待费用和集卡与预期到达时间窗口偏差的转移费用为目标，建立了非线性混合整数规划模型，设计遗传算法求解，优化各时段各作业类型的预约配额。数据驱动结果表明，高斯过程回归模型的四种作业类型集卡到港数量与其总周转时间关系，相较于多项式回归结果平均绝对百分比误差均有所降低，其中提重箱集卡的误差降低4.15%；结果可得，与传统优化相比，细分化集卡作业类型后总费用降低5.13%，预约配额的极差降低64%。