پیش‌بینی تقاضای کانتینر خالی با استفاده از شبکه‌های عمیق، مطالعه موردی بندر شهید رجایی

نویسندگان

1 استادیار، پژوهشکده حمل‌ونقل، مرکز تحقیقات راه، مسکن و شهرسازی، تهران، ایران

2 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه شهید باهنر کرمان، کرمان، ایران

doi
10.22034/tri.2024.417293.3194
چکیده

بندر شهید رجایی به عنوان بزرگترین و مهمترین بندر تجاری کشور، مرکز اصلی تبادل کالاهای کانتینری است. در سال‌های اخیر، با توسعه پایانه کانتینری بندر شهید رجایی در قالب پروژه توسعه یال غربی حوضچه شماره سه بندر جهت پهلودهی به بزرگترین کشتی‌های کانتینری نسل هفتم دنیا با آبخور حدود 17 متر و ارتقاء ظرفیت کانتینری این بندر از 6 به 8 میلیون از TEU از یک سو و سرمایه‌گذاری بخش خصوصی در اراضی پشتیبانی بندر از سوی دیگر، نیاز به بازنگری در نحوه بهره‌برداری و عملیات پایانه کانتینری این بندر بیش از پیش احساس می‌شود. بر این اساس، بهینه‌سازی و ارتقاء بهره‌وری پایانه‌های مختلف اراضی پشتیبانی مورد توجه بهره‌برداران و فعالان حوزه بندری قرار گرفته است. با توجه به پیش‌بینی 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، بهینه‌سازی مدیریت عملیات کانتینرهای خالی با استفاده از فناوری‌های جدید را در دستور کار خود قرار داده است. در این مقاله، فرایند بهینه‌سازی عملیات کانتینرهای خالی با استفاده از روش‌های مبتنی بر یادگیری ماشین و هوش مصنوعی معرفی شده است. با توجه به امکان پیش‌بینی میزان تقاضای کانتینر خالی، می‌توان با برنامه‌ریزی 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.