論文の概要: Predictive Analysis for Optimizing Port Operations

• arxiv url: http://arxiv.org/abs/2401.14498v1
• Date: Thu, 25 Jan 2024 20:29:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-29 16:36:41.619186
• Title: Predictive Analysis for Optimizing Port Operations
• Title（参考訳）: ポート操作最適化のための予測解析
• Authors: Aniruddha Rajendra Rao, Haiyan Wang, Chetan Gupta
• Abstract要約: 本研究の目的は, 船舶のトータル時間と遅延時間を推定するための, 競合予測と分類機能を備えた港湾操業ソリューションの開発である。 提案するソリューションは、ポート環境における意思決定を支援し、サービス遅延を予測するために設計されている。
• 参考スコア（独自算出の注目度）: 5.268909485011467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Maritime transport is a pivotal logistics mode for the long-distance and bulk transportation of goods. However, the intricate planning involved in this mode is often hindered by uncertainties, including weather conditions, cargo diversity, and port dynamics, leading to increased costs. Consequently, accurately estimating vessel total (stay) time at port and potential delays becomes imperative for effective planning and scheduling in port operations. This study aims to develop a port operation solution with competitive prediction and classification capabilities for estimating vessel Total and Delay times. This research addresses a significant gap in port analysis models for vessel Stay and Delay times, offering a valuable contribution to the field of maritime logistics. The proposed solution is designed to assist decision-making in port environments and predict service delays. This is demonstrated through a case study on Brazil ports. Additionally, feature analysis is used to understand the key factors impacting maritime logistics, enhancing the overall understanding of the complexities involved in port operations.
• Abstract（参考訳）: 海上輸送は、長距離輸送と大量輸送のための重要な物流モードである。 しかし、このモードに関わる複雑な計画はしばしば、天候条件、貨物の多様性、港のダイナミクスなど不確実性によって妨げられ、コストが増大する。 これにより、港湾作業の効果的な計画とスケジューリングには、港湾における船舶総計(stay)時間と潜在的な遅延を正確に推定することが不可欠となる。 本研究の目的は, 船舶のトータル時間と遅延時間を推定するための, 競合予測と分類機能を備えた港湾操業ソリューションの開発である。 本研究は、船舶の滞留時間と滞留時間に関する港湾解析モデルにおける大きなギャップを解決し、海洋物流分野への貴重な貢献を提供する。 提案するソリューションは、ポート環境における意思決定を支援し、サービス遅延を予測するために設計されている。 これはブラジルの港湾に関するケーススタディで実証された。 さらに,海洋のロジスティクスに影響を及ぼす要因を理解するために特徴分析が用いられ,港湾業務に関わる複雑さの全体的な理解が促進される。

関連論文リスト

• Sequential Modeling of Complex Marine Navigation: Case Study on a Passenger Vessel (Student Abstract) [5.253408036933116]
  本稿では, 機械学習手法を用いて, 船舶の燃料消費量を削減する方法について検討する。 私たちは、カナダ西海岸のフェリーで2年間にわたって、現実世界のデータセットを活用しています。 時系列予測モデルの作成に重点を置いている。 船長の指導の下、フェリーの作戦の熟練度を評価するための評価ツールとして機能する。
  論文  参考訳（メタデータ） (2024-03-20T18:29:55Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• Machine learning framework for end-to-end implementation of Incident duration prediction [0.0]
  本研究では,インシデントレポートの受信時に利用可能な情報に基づいて,インシデント時間を予測するための分析フレームワークとエンドツーエンド機械学習ソリューションを開発した。 その結果, 従来の研究手法と比較して, 事故発生期間の予測は有意に改善した。
  論文  参考訳（メタデータ） (2023-04-23T00:55:19Z)
• Computation Offloading for Uncertain Marine Tasks by Cooperation of UAVs and Vessels [12.612678646691263]
  無人航空機(UAV)と船舶の協力により、海上作業のオフロードの決定に焦点をあてる。 マルコフ決定過程を定式化し、総実行時間とエネルギーコストを最小化する。 我々はリアプノフ最適化を利用して、実行時間とエネルギーコストの長期的制約をそれらの短期制約に変換する。
  論文  参考訳（メタデータ） (2023-02-13T02:24:25Z)
• An adaptive large neighborhood search heuristic for the multi-port continuous berth allocation problem [0.0]
  マルチポート連続バース割当て問題 (MCBAP) で表される協調問題に, 船体スケジューリング問題とバース割当て問題を統合する問題について検討する。 この問題は、複数の港で同時に船の配置を最適化し、港間での船舶の航行速度も考慮した。 MCBAPの混合整数問題定式化と,局所探索法により拡張された大近傍探索アルゴリズムを導入し,その解法を提案する。
  論文  参考訳（メタデータ） (2023-02-05T10:29:09Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
  交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。 近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。 本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-29T17:58:12Z)
• Discovering Gateway Ports in Maritime Using Temporal Graph Neural Network Port Classification [4.293083690039338]
  本稿では,TGNNを用いたポート分類手法を提案する。 提案手法は,データ内の静的および動的ナビゲーション機能セット間の時間的依存関係をキャプチャする動的グラフを構築するために,コンテナデータを処理する。 実験の結果,TGNNをベースとしたポート分類手法は,ポート分類において95%のfスコアを提供することがわかった。
  論文  参考訳（メタデータ） (2022-04-25T12:02:18Z)
• Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark [133.46066694893318]
  最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。 既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
  論文  参考訳（メタデータ） (2021-06-03T15:59:28Z)
• The multi-objective optimisation of breakwaters using evolutionary approach [62.997667081978825]
  工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。 本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-06T21:48:01Z)

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。