بکارگیری هوش مصنوعی در شرکت حمل و نقل چند وجهی مپنا در راستای یافتن بار بهینه ریلی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 381

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTE-14-3_014

تاریخ نمایه سازی: 15 خرداد 1402

چکیده مقاله:

گسترش روزافزون تقاضا در حوزه حمل و نقل ریلی باری و رقابتی بودن قیمت حمل کالا و کرایه حمل ریلی نسبت به سایر شقوق حمل و نقل در کشور یکی از مهمترین دلایل ضروری در توسعه و سرمایه گذاری هرچه بیشتر در این بخش از حمل و نقل است. معیارهای متفاوتی در حوزه حمل بار ریلی، چه از سوی صاحبان کالا و چه از سوی شرکتهای حمل و نقل ریلی و دارای مجوز صدور بارنامه ریلی، در سالهای اخیر مورد بحث و بررسی قرار گرفته است. هدف اصلی از این مقاله، بکارگیری هوش مصنوعی در شرکت حمل و نقل چند وجهی مپنا بعنوان یکی از شرکتهای مهم در عرصه حمل کالای ریلی، در راستای یافتن بار بهینه است. در این مقاله پیاده سازی شبکه های عصبی مصنوعی چند لایه و تشریح کدهای پیاده سازی ؛از طریق زبان برنامه نویسی پایتون، انجام شده وپس از ارزیابی و تنظیم پارامترهای مدل، وزن­های شبکه به وسیله کتابخانه pickle ذخیره سازی گشت که از این وزن­ها می­توان برای تخمین داده­های جدید استفاده کرد. پس از بررسی ۸۹۲۷۵ بارنامه موجود در حوزه شبکه ریلی کشور، اطلاعات بارنامه های ذکر شده به برنامه شبیه سازی شده وارد گردید که فرمول اصلی آن توسط خبرگان صنعت و کارشناسان راه آهن فرموله گردیده بود. نتایج، بارهای بهینه ریلی از میان بارنامه های صادر شده از حیث درآمد بیشتر و هزینه های کمتر، نشان می دهد.

کلیدواژه ها:

هوش مصنوعی ، حمل و نقل ریلی باری ، بار بهینه ، شرکت حمل و نقل چند وجهی مپنا

نویسندگان

حمیدرضا سلمانی مجاوری

پژوهشگر پسادکتری، دانشکده اقتصاد و مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

عباس طلوعی اشلقی

استاد، دانشکده اقتصاد و مدیریت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Babazadeh, M., Ghadimi,Kh.Mohseni,R. (۲۰۰۹). “Effect of investment in transportation on ...
  • Rasafi, A. A. and Zarabadipour, S. (۲۰۰۹). “The Study of ...
  • Jarašu, A. and Cižiuniene, K. (۲۰۲۱). “Ensuring Sustainable Freight Carriage ...
  • Yang, C., Sun, Y., Ladubec,C., & Liu, Y. (۲۰۲۱). “Developing ...
  • Vasudevan, M., Townsend, H., Nhi Dang T., O’ Hara, A., ...
  • Nazari, S., (۲۰۲۲). “Necessity of structural reforms in rail transportation” ...
  • Niestadt, M., Debyser, A., Scordamaglia, D. and Pape, M. (۲۰۱۹). ...
  • Institutional map of the actors of the rail transport industry ...
  • Yin, M., Li, K., Cheng, X. (۲۰۲۰). “A review on ...
  • Pappaterra, M, J., Flammini, F., Vittorini, V. and Bešinovi´c, N. ...
  • Zare, H. and Rahmani, M., F. “Challenges and barriers of ...
  • Khakipour, S. and Nazarpour, M. (۲۰۱۲). “Challenges and obstacles of ...
  • Jafari Nejhad, S, A. “Port and Sea Scientific Research Monthly”, ...
  • Lashgari, M., Akbari, A, A. (۲۰۲۰). “Fleet deployment, ship routing ...
  • Tang, R. De Donato, L., Be˘sinovi, N., Flammini, F, M.P., ...
  • Yaghini, M., Khandaghabadi, Z. (۲۰۱۱). “dynamic solution of the fleet ...
  • Cao, Ke. (۲۰۲۲). “A Machine Learning-Based Approach to Railway Logistics ...
  • Servos, N., Liu, X., Teucke, M. and Freitag, M. (۲۰۲۰). ...
  • R¨oßler, D.,­ Reisch, J.,­­ Hauck, F., Kliewer, N. (۲۰۲۱). “Discerning ...
  • Intelligent Transportation Magazine, (۲۰۲۱). Technology & Development Headquarter, National Space ...
  • Movahedi, M, M., Todarbari, A, A, A. (۲۰۰۶) “Determining, defining ...
  • Masihi, E., Mafakheri, Z. (۲۰۱۵). “Modeling and Solving the Rail ...
  • Mafakheri, Z., Sheikh Mohammadi, M., Hosseinzadeh,Kashan, A.(۲۰۱۷). “Employing multi-objective simulated ...
  • نمایش کامل مراجع