論文の概要: Forecasting Empty Container availability for Vehicle Booking System Application

• arxiv url: http://arxiv.org/abs/2503.11728v1
• Date: Fri, 14 Mar 2025 08:29:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:28:28.925036
• Title: Forecasting Empty Container availability for Vehicle Booking System Application
• Title（参考訳）: 自動車予約システム用コンテナの予測
• Authors: Arthur Cartel Foahom Gouabou, Mohammed Al-Kharaz, Faouzi Hakimi, Tarek Khaled, Kenza Amzil,
• Abstract要約: 本研究では,VBSフレームワーク内のコンテナ端末システムにおいて,空きコンテナの可用性を予測するためのデータ駆動型アプローチの開発と評価に焦点をあてる。 空のコンテナドウェル時間の最適化に関する研究のギャップに対処し、コンテナ端末操作の運用効率を高めることを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Container terminals, pivotal nodes in the network of empty container movement, hold significant potential for enhancing operational efficiency within terminal depots through effective collaboration between transporters and terminal operators. This collaboration is crucial for achieving optimization, leading to streamlined operations and reduced congestion, thereby benefiting both parties. Consequently, there is a pressing need to develop the most suitable forecasting approaches to address this challenge. This study focuses on developing and evaluating a data-driven approach for forecasting empty container availability at container terminal depots within a Vehicle Booking System (VBS) framework. It addresses the gap in research concerning optimizing empty container dwell time and aims to enhance operational efficiencies in container terminal operations. Four forecasting models-Naive, ARIMA, Prophet, and LSTM-are comprehensively analyzed for their predictive capabilities, with LSTM emerging as the top performer due to its ability to capture complex time series patterns. The research underscores the significance of selecting appropriate forecasting techniques tailored to the specific requirements of container terminal operations, contributing to improved operational planning and management in maritime logistics.
• Abstract（参考訳）: 空のコンテナムーブメントのネットワークにおける重要なノードであるコンテナ端末は、トランスポーターとターミナルオペレーターの効果的なコラボレーションを通じて、ターミナル補給所内での運用効率を高める重要な可能性を秘めている。 このコラボレーションは最適化を実現する上で不可欠であり、操作の合理化と混雑の低減につながります。 そのため、この課題に対処するために最も適切な予測手法を開発する必要がある。 本研究では,VBSフレームワーク内のコンテナ端末システムにおいて,空きコンテナの可用性を予測するためのデータ駆動型アプローチの開発と評価に焦点をあてる。 空のコンテナドウェル時間の最適化に関する研究のギャップに対処し、コンテナ端末操作の運用効率を高めることを目的としている。 Naive、ARIMA、Prophet、LSTMの4つの予測モデルは予測能力を総合的に分析し、LSTMは複雑な時系列パターンをキャプチャする能力によってトップパフォーマーとして浮上する。 本研究は,コンテナ端末運用の具体的な要件に合わせて適切な予測手法を選択することの重要性を強調し,海上ロジスティクスにおける運用計画と管理の改善に寄与する。

関連論文リスト

• MCTS Based Dispatch of Autonomous Vehicles under Operational Constraints for Continuous Transportation [3.7550827441501844]
  本稿では、MCTSベースのディスパッチプランナFlow-Achieving Scheduling Tree(FAST)を活用して、ディスパッチ計画に運用上の制約満足度を組み込む。 MCTSジェネレータモデルを利用することで、コストの明示的な定式化を回避し、機会コストを導出する。 4種類の運用制約による実験的研究は、制約満足度に対する機会コストの活用の成功を実証している。
  論文  参考訳（メタデータ） (2024-07-23T06:06:16Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• Predictive Analysis for Optimizing Port Operations [5.268909485011467]
  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。
  論文  参考訳（メタデータ） (2024-01-25T20:29:07Z)
• A Data-driven and multi-agent decision support system for time slot management at container terminals: A case study for the Port of Rotterdam [1.2289361708127877]
  本稿では,港湾・内陸生態系におけるロジスティクスと交通の相互作用を理解し,予測し,制御するための統合モデルを提案する。 提案手法は, ゲート待ち時間とコスト効率の向上を期待するタイムスロットを選択するために, 系統的にステアトラックを運用するために編成された5つの統合モジュールから構成される。
  論文  参考訳（メタデータ） (2023-11-26T13:46:20Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Workload Forecasting of a Logistic Node Using Bayesian Neural Networks [0.0]
  本稿では,関連文献を考察し,上記の問題に対処する予測モデルを設計する。 本稿では,ベイジアンニューラルネットワークに基づくモデルを用いて,空のコンテナ・デポにおけるコンテナ・トラックの時間的作業量と交通量を予測する予測モデルを開発した。
  論文  参考訳（メタデータ） (2022-11-09T15:42:33Z)
• Predicting Berth Stay for Tanker Terminals: A Systematic and Dynamic Approach [1.6694381776724387]
  提案手法は、歴史的基準によって検証された98.81%の精度でバース滞在を予測することができる。 このモデルは、短期間のパイロット予約や、適切な時間枠内でのスケジューリング最適化に応用される可能性がある。
  論文  参考訳（メタデータ） (2022-04-08T14:03:33Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• 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)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)

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。