Apr, 2022

油轮码头的协调时间表优化：智能大空间时间数据驱动方法 —— 第二部分

PDF
TL;DR本研究提出了一种新的协调调度优化方法，通过减少加权平均周转时间来提高港口效率，该方法是一种启发式算法，通过不同的观测窗口和滚动视窗法进行研究和优化实验。实验结果表明，该方法可以有效地减轻船舶周转时间，虽然实验结果基于历史数据集，但在二次计算复杂度下，如果应用于实时应用，该结果有潜在的显著优势。
发现论文，激发创造
  • 油轮码头协调排班优化：一种基于智能大规模时空数据驱动的方法 -- 第 1 部分

    本研究提出一种新型的协调调度优化方法，通过减少平均等待时间和周转时间，提高了港口效率。实验结果表明，该方法的两种典范方法都能够有效地提高港口效率，其中滚动视界法可在 3 个月的数据集上减少到 20 分钟的运行时间。

    Apr, 2022

  • 一个基于数据驱动和多智能体的集装箱码头时段管理决策支持系统：以鹿特丹港为案例研究

    模型基于大样本历史数据，采用上下文感知并综合多个模块进行协同工作，旨在预测和控制货车到达终端大门的时间，以提高物流效率和交通流畅。

    Nov, 2023

  • 预测油轮码头停留时间：一种系统和动态的方法

    本研究提出了一种预测油轮码头停留时间的系统动态方法，使用多方面的数据源和创新性的数据分析及信息提取。该预测模型在历史基线验证的准确率高达 98.81%，可用于港口智能和物流效率的推进。

    Apr, 2022

  • 优化港口运营的预测分析

    通过分析巴西港口的案例研究，本研究旨在为估计船舶总停留时间和潜在延误时间提供竞争力预测和分类能力的港口运营解决方案，为海运物流领域提供了重要贡献，同时增进对港口运营复杂性的整体理解。

    Jan, 2024

  • 货运运输的时空特征：基于数据驱动的探索性分析

    从数字货运活动数据中推断调度和路径模式的建模方法，应用于荷兰的巡回数据以了解发车时间模式和巡回策略，并评估所提出算法的有效性。研究发现空间和时间特征对捕捉巡回类型和货运活动的时间模式很重要，同时实证证据表明运输市场的多数承运商对拥堵程度敏感，在面对拥堵区时调整巡回类型、发车时间和巡回次数。该研究结果可以被从业人员用于更好地理解交通市场并制定货运和交通管理措施。

    Nov, 2023

  • 运用遗传算法和模拟退火优化物流配送中心的工人排班

    本研究通过综合应用遗传算法和模拟退火算法，解决了物流中心工人排班的优化问题。该优化问题涉及到永久性和临时性工人的合理排班，以提高物流中心的效率并最小化劳动力使用。研究通过建立一个 0-1 整数线性规划模型，使用遗传算法和模拟退火算法解决模型，并发现遗传算法在解决问题时的质量优于模拟退火算法。最优解揭示了 29857 个人天的最小工时需求。

    May, 2024

  • 基于连接的实时路口控制调度

    在实时自适应交通信号控制方面，提出了一种启发式调度算法，该算法采用了基于车道的模型，通过估算通过不同车道接近交叉口的所有车辆的到达时间，计算出最小化所有接近车辆产生的累积延迟的时间表，并应用状态空间、局部修剪和 A * 搜索等技术实现了实时调控，并且在模拟测试环境和实际现场测试中，由于启发式的有效性，该方法的运行性能优于较少表达的动态规划方法和以前基于 A * 的方法。

    Oct, 2022

  • 一种自适应大邻域搜索启发式算法解决多泊位连续靠泊分配问题

    本文介绍了一种解决多港口连续靠泊分配问题的自适应大邻域搜索算法，并应用于实际案例中，结果表明该方法可以在短时间内提供高质量的解决方案，并深入探讨了运营成本的影响因素。

    Feb, 2023

  • 采用概率密度扫描方法构建远程航行船只轨迹和预测到达时间

    本文提出了一种基于概率密度的轨迹构建方法，并通过一个典型应用 —— 根据起讫点预测到达时间（ETA），进行验证。ETA 预测基于概率密度轨迹提取的物理和数学规律。该方法在所选新加坡和澳大利亚港口间的整体轨迹预测误差平均约为 0.106 天（即 2.544 小时），标准偏差为 0.549 天（即 13.176 小时）。而该方法的准确率为 92.08%，R-Squared 值为 0.959。

    May, 2022

  • 城市交通的长期联合调度

    本研究提出了一种基于时空预测的高效经济的多模式交通调度方案，命名为 JLRLS，通过采用强化学习算法，将多种交通方式结合起来进行调度，以达到最优性能。

    Oct, 2019