پیش بینی تقاضای کانتینر خالی با استفاده از شبکه های عمیق، مطالعه موردی بندر شهید رجایی
- سال انتشار: 1403
- محل انتشار: پژوهشنامه حمل و نقل، دوره: 21، شماره: 2
- کد COI اختصاصی: JR_TRJ-21-2_011
- زبان مقاله: فارسی
- تعداد مشاهده: 207
نویسندگان
استادیار، پژوهشکده حمل ونقل، مرکز تحقیقات راه، مسکن و شهرسازی، تهران، ایران
دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه شهید باهنر کرمان، کرمان، ایران
چکیده
بندر شهید رجایی به عنوان بزرگترین و مهمترین بندر تجاری کشور، مرکز اصلی تبادل کالاهای کانتینری است. در سال های اخیر، با توسعه پایانه کانتینری بندر شهید رجایی در قالب پروژه توسعه یال غربی حوضچه شماره سه بندر جهت پهلودهی به بزرگترین کشتی های کانتینری نسل هفتم دنیا با آبخور حدود ۱۷ متر و ارتقاء ظرفیت کانتینری این بندر از ۶ به ۸ میلیون از TEU از یک سو و سرمایه گذاری بخش خصوصی در اراضی پشتیبانی بندر از سوی دیگر، نیاز به بازنگری در نحوه بهره برداری و عملیات پایانه کانتینری این بندر بیش از پیش احساس می شود. بر این اساس، بهینه سازی و ارتقاء بهره وری پایانه های مختلف اراضی پشتیبانی مورد توجه بهره برداران و فعالان حوزه بندری قرار گرفته است. با توجه به پیش بینی افزایش حجم عملیات بندری و نیاز به کانتینر در محدوده بندر شهید رجایی، شرکت کشتیرانی جنوب- خط ایران به عنوان بازوی عملیات بندری گروه کشتیرانی ج.ا.ا. و تامین کننده اصلی و متولی بخش عمده عملیات کانتینرهای خالی جهت صادرات کشور، بهینه سازی مدیریت عملیات کانتینرهای خالی با استفاده از فناوری های جدید را در دستور کار خود قرار داده است. در این مقاله، فرایند بهینه سازی عملیات کانتینرهای خالی با استفاده از روش های مبتنی بر یادگیری ماشین و هوش مصنوعی معرفی شده است. با توجه به امکان پیش بینی میزان تقاضای کانتینر خالی، می توان با برنامه ریزی قبلی حجم عملیات روزانه را کاهش داد و تمهیدات لازم در خصوص توزیع مکانی مناسب کانتینرهای خالی قبل از ایجاد تقاضا را در نظر گرفت.کلیدواژه ها
کانتینر خالی, یادگیری عمیق, بندر شهید رجاییاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.