論文の概要: Hub and Spoke Logistics Network Design for Urban Region with
Clustering-Based Approach
- arxiv url: http://arxiv.org/abs/2107.03080v1
- Date: Wed, 7 Jul 2021 08:56:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-08 21:36:07.296352
- Title: Hub and Spoke Logistics Network Design for Urban Region with
Clustering-Based Approach
- Title（参考訳）: クラスタリングに基づく都市域におけるハブ・スポットロジスティックスネットワークの設計
- Authors: Quan Duong and Dang Nguyen and Quoc Nguyen
- Abstract要約: 本研究では,都市部におけるロジスティクスネットワークの設計のための効果的なモデリングとアプローチを提案する。
ハブ数を選択し、ハブにスポークを割り当て、フロー分布とハブの位置検出を行うためのマルチステージアプローチが導入された。
- 参考スコア（独自算出の注目度）: 1.9497955504539408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study aims to propose effective modeling and approach for designing a
logistics network in the urban area in order to offer an efficient flow
distribution network as a competitive strategy in the logistics industry where
demand is sensitive to both price and time. A multi-stage approach is
introduced to select the number of hubs and allocate spokes to the hubs for
flow distribution and hubs' location detection. Specifically, a fuzzy
clustering model with the objective function is to minimize the approximate
transportation cost is employed, in the next phase is to focus on balancing the
demand capacity among the hubs with the help of domain experts, afterward, the
facility location vehicle routing problems within the network is introduced. To
demonstrate the approach's advantages, an experiment was performed on the
designed network and its actual transportation cost for the real operational
data in which specific to the Ho Chi Minh city infrastructure conditions.
Additionally, we show the flexibility of the designed network in the flow
distribution and its computational experiments to develop the managerial
insights which contribute to the network design decision-making process.
- Abstract（参考訳）: 本研究では,物流産業において,価格と時間の両方に需要が敏感な競争戦略として効率的な流通ネットワークを提供するため,都市域における物流ネットワークの設計に効果的なモデリングとアプローチを提案する。
ハブ数を選択し、ハブにスポークを割り当て、フロー分布とハブの位置検出を行うためのマルチステージアプローチが導入された。
具体的には、目的関数を持つファジィクラスタリングモデルは、近似輸送コストを最小化することを目的としており、次のフェーズでは、ドメインの専門家の助けを借りて、ハブ間の需要キャパシティのバランスにフォーカスし、その後、ネットワーク内の施設位置車両ルーティング問題を導入する。
この手法の利点を実証するため、ホーチミン市インフラのインフラ条件に特有な実際の運用データに対して、設計ネットワークとその実際の輸送コストについて実験を行った。
さらに,ネットワーク設計の意思決定プロセスに寄与する管理的洞察を開発するために,フロー分布における設計ネットワークの柔軟性と計算実験を示す。
関連論文リスト
- Fairness-Utilization Trade-off in Wireless Networks with Explainable Kolmogorov-Arnold Networks [14.51946231794179]
本稿では,ネットワーク利用とユーザ株式のバランスをとるために$alpha$-fairnessを最適化することを目的とした,無線ネットワークにおける電力割り当ての課題に焦点を当てる。
推論コストの低い機械学習モデルのクラスであるKAN(Kolmogorov-Arnold Networks)を利用した新しいアプローチを提案する。
データセットの生成と分散化のために2つのアルゴリズムが提案され、様々なフェアネス目標を達成するための柔軟なフレームワークを提供する。
論文 参考訳（メタデータ） (2024-11-04T09:40:47Z) - Heuristic Optimal Transport in Branching Networks [0.0]
ネットワークにおける最適輸送のための高速分岐法について論じる。
また、世界中の141,182都市を対象とする、合成例、簡易型心血管ネットワーク、および「サンタクロース」配信ネットワークへのいくつかの応用も提供する。
論文 参考訳（メタデータ） (2023-11-11T19:39:50Z) - Logistics Hub Location Optimization: A K-Means and P-Median Model Hybrid Approach Using Road Network Distances [11.040818137415705]
ロジスティックハブは、最終マイルの配送距離において重要な役割を果たす。
電子商取引業界は、都市環境における資源配分の最適化の必要性を強めている。
本研究では,ロジスティックハブの配置を最適化するためにハイブリッドアプローチを用いる。
論文 参考訳（メタデータ） (2023-08-18T10:28:07Z) - Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。
AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。
2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2023-06-15T14:50:27Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Data-Driven Traffic Assignment: A Novel Approach for Learning Traffic
Flow Patterns Using a Graph Convolutional Neural Network [1.3706331473063877]
本稿では,交通ネットワークのトラフィックフローパターンを学習する新しいデータ駆動手法を提案する。
我々は、グラフ畳み込みニューラルネットワーク(GCNN)と呼ばれるニューラルネットワークベースのフレームワークを開発し、その問題を解決する。
モデルのトレーニングが完了すると、大規模ネットワークのトラフィックフローを即座に決定できる。
論文 参考訳（メタデータ） (2022-02-21T19:45:15Z) - Federated Learning over Wireless IoT Networks with Optimized
Communication and Resources [98.18365881575805]
協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。
無線システム上での高速応答および高精度FLスキームの検証が重要である。
提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
論文 参考訳（メタデータ） (2021-10-22T13:25:57Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳（メタデータ） (2021-06-14T07:33:09Z) - Computation Offloading in Heterogeneous Vehicular Edge Networks: On-line
and Off-policy Bandit Solutions [30.606518785629046]
高速変動車体環境では、ネットワークの混雑によりオフロードの遅延が発生する。
本稿では,バンディット理論に基づくオンラインアルゴリズムと非政治学習アルゴリズムを提案する。
提案手法は,最も混雑の少ないネットワークを選択することで,ネットワークのトラフィック変化に適応することを示す。
論文 参考訳（メタデータ） (2020-08-14T11:48:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。