Моделирование и прогнозирование доставки грузов для заблокированных и разблокированных улиц с использованием методов машинного обучения
Ключевые слова:
машинное обучение, доставка грузов, заторы на дорогах, прогнозирование, искусственные нейронные сети, SVM, ANN.Аннотация
Данная статья представляет собой исследование, посвященное применению методов машинного обучения для моделирования и прогнозирования доставки грузов. В статье описываются кинематические волны и их влияние на создание заторов на дорогах, а также преимущества использования методов машинного обучения для улучшения пропускной способности дорог и справления с заторами. В частности, рассматриваются искусственные нейронные сети и их применение для анализа перемещения грузов по улицам. В тексте также приводятся результаты экспериментов, в которых сравниваются различные методы машинного обучения, такие как Support vector machine и Artificial Neural Network, по их способности предсказывать задержки на дорогах. В целом, данная статья представляет интерес для специалистов в области транспортной логистики и исследователей, занимающихся применением методов машинного обучения в различных областях. Эта информация имеет практическую значимость для магистерской диссертации по теме «Исследование и разработка методов и алгоритмов интеллектуального анализа данных для системы массового обслуживания служб доставки». В целом, применение методов машинного обучения для прогнозирования доставки грузов может помочь улучшить экономическую эффективность логистических операций, а также уменьшить негативное воздействие на окружающую среду.
Библиографические ссылки
Holguin-Veras, J., Sanchez-Diaz, I. and Browne, M. ,2016.Sustainable Urban Freight Systems and Freight Demand Management. Transportation Research Procedia 12,40-52.
Keegan, A. and Gonzales, E. ,2016.Evaluating Capacity and Delay for Signalized Arterials with Freight Deliveries. Transportation Research Procedia 15,161-175.
Upadhyaya, R.,Manglick,A., Reddy,D.K.,Padhy,P.K., Kankar,P.K., 2015. Channel Optimization and Nonlinear Feature Extraction for Electroencephalogram Signals Classification. Computersand Electrical Engineering. 45,222- 234.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Т.С. Ибраев, В.Н. Головачева

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.





