Menu
Ikuti kami di
Facebook Twitter Linkedin Youtube Instagram-square

Pembelajaran Mesin Dalam Database yang Dapat Diskalakan untuk Prediksi Rute Port-to-Port

Penulis: Dennis Marten, Carsten Hilgenfeld, Andreas Heuer

Abstrak: Prediksi yang benar dari rute pelabuhan-ke-pelabuhan berikutnya memainkan peran integral dalam logistik maritim dan oleh karena itu penting untuk banyak tugas lebih lanjut seperti prediksi akurat dari perkiraan waktu kedatangan. Dalam makalah ini kami menyajikan pendekatan berbasis AI yang dapat diskalakan untuk memprediksi tujuan pelabuhan yang akan datang dari kapal berdasarkan data AIS historis. Metode yang disajikan terutama dimaksudkan sebagai isian untuk kasus-kasus di mana entri tujuan AIS dari sebuah kapal tidak dapat ditafsirkan. Kami menjelaskan bagaimana seseorang dapat membangun solusi AI dalam database yang stabil dan efisien yang dibangun di atas model Markov yang cocok untuk tugas prediksi paralel besar-besaran dengan akurasi tinggi. Penelitian yang disajikan adalah bagian dari proyek PRESEA ("Prakiraan lalu lintas maritim berbasis waktu nyata").

Makalah ini telah diterbitkan dalam Journal for Mobility and Transport.

Bagikan Publikasi Ini

Sekitar FleetMon

FleetMon adalah perusahaan data terkemuka di dunia di bidang pelacakan kapal. Kami menyediakan solusi data berbasis AIS dari jaringan penerima AIS kami sendiri yang luas dan mendunia. Ribuan stasiun antena mengirim 5.000 sinyal per detik ke database kami dengan beberapa perusahaan paling terkenal dan berkinerja terbaik di dunia yang memanfaatkan FleetMonsolusi data. Misi kami adalah membuat pengiriman lebih transparan dan efisien. Untuk mencapai itu, kami memantau armada dunia dan membuat data yang relevan dan dapat ditindaklanjuti yang dapat diakses secara luas. Didirikan pada tahun 2007, FleetMon adalah perusahaan swasta dengan kantor pusat di Rostock, Jerman.

Hubungi