在数字化转型时代，将数字技术整合到银行业务的各个方面可以提高流程自动化、成本效率和服务水平。本文针对 ATM 现金补充的物流问题，提出了广义车辆路径问题的数学模型，并提供了评估各种情况的工具。在模拟数据集上评估时，我们提出的模型和方法取得了令人鼓舞的结果，可以削减 ATM 现金运营成本。

Apr, 2023

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

这篇论文介绍了一种电动汽车充电站（EVCS）模型，它考虑到现实世界的约束条件，如插槽功率限制、合同阈值超过惩罚或电动汽车（EVs）的早期断开连接。我们提出了一个对 EVCS 控制问题的不确定性建模，并实施了两种多级随机规划方法，利用用户提供的信息，即模型预测控制和两阶段随机规划。该模型解决了充电会话开始和结束时间以及能源需求的不确定性。基于停留时间相关的随机过程的用户行为模型提高了成本降低同时保持客户满意度。通过使用真实数据集进行为期 22 天的模拟，展示了两种提出的方法与两种基准的优势。考虑到更多的不确定性情景进行优化，两阶段方法表现出对早期断开连接的鲁棒性。优先考虑用户满意度而非电力成本的算法在两个用户满意度指标上相对于行业标准基准提高了 20% 和 36%。此外，在实现理论上的最佳基准时，该算法在成本和用户满意度之间达到了 94% 和 84% 的用户满意度表现，并仅出现 3% 的相对成本增加 - 放宽了无先见性约束。

Feb, 2024

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

本文提出了一种基于 XGBoost 机器学习算法的公共交通到站时间预测模型，能够利用公交车的位置信息和空间特征预测其到站时间，针对有交叉口和无交叉口两种空间情境下的公交路线进行预测，结果表明该模型比其他模型表现更优，可在以及其他交通基础设施有限的类似城市中推广。

Oct, 2022

城市交通正在发生转变，通过共享、连接和协作的自动驾驶车辆的出现。然而，为了被顾客接受，对它们的准时性的信任至关重要。本研究提出了一种用于自主穿梭车的到达时间预测系统，利用分别针对停留时间和行驶时间的模型，并通过现实世界五个城市的数据进行验证。除了传统方法如 XGBoost 外，我们还探索了使用图神经网络（GNN）集成空间数据的好处。为了准确处理穿梭车跳过站点的情况，我们提出了一个分层模型，组合了随机森林分类器和 GNN。最终的到达时间预测结果是令人满意的，在预测多站点时也显示出较低的错误率。然而，并无一种单一模型在各方面都表现出优势，我们提供了影响模型选择过程的试点站点特征的见解。最后，我们确定停留时间预测是在低交通地区或受到监管限速时自动穿梭车整体到达时间预测准确性的关键决定因素。本研究为自主公共交通预测模型的现状提供了见解，并为领域的进一步发展铺平了道路。

Jan, 2024

本文介绍了一个简单的动态匹配模型，该模型适用于网络市场，在该市场中，代理商随机进入和离开，并且代理商之间的可接受交易的网络形成一个随机图。从等待时间，优化和信息三个方面分析了我们的模型。我们分析的主要见解是等待以加强市场可能比增加交易速度更加重要，这在等待成本存在的情况下是相当稳健的。从优化的角度来看，选择匹配代理商的正确时间但不利用全局网络结构的本地算法可以非常接近最优算法。从信息的角度来看，采用即使是代理商离开时间的部分信息的算法要比缺乏此类信息的算法表现得更好。为了引出代理商的离开时间，我们设计了一个激励兼容的连续时间动态机制，无需转移。

Feb, 2014

我们提出了一个有效的约束编程模型以解决在散装货物港口中的排程问题，涉及到分割长列车、通过传送机构将散装物料传输到库堆，并能处理异构数据和有效地找到 24 小时排程。

Dec, 2023

本文研究了学习代理人在代表公司进行外币 (FC) 收入和本币 (HC) 支出的交易中的行为，最大化预期 HC 利润。作者提出了一种监督学习方法，学习预测前 K 个未来的汇率，并根据这些预测做出持有或出售决策，同时通过 “自适应学习” 修正学习模型使其更加普适。在大量实验中，表明该方法是唯一能够持续提高收益的方法。

Feb, 2022

本文讨论了移动蜂窝网络中交通数据的变化模式，提出了一个基于时间和空间的综合模型，并验证了在现有移动蜂窝网络中三个不同区域的交通规律。

Mar, 2017