کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5110403 1482984 2017 25 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-objective inter-terminal truck routing
ترجمه فارسی عنوان
مسیریابی کامیون چند منظوره بین ترمینال
کلمات کلیدی
حمل و نقل بین ترمینال، پایداری بندر، پردازش ابری، بهینه سازی چند هدفه، سیستم های پشتیبانی تصمیم،
ترجمه چکیده
رشد عظیم در تجارت کانتینری منجر به مشکلات ترافیکی شدید در مناطق بندر شهری شده است که با تأثیرات منفی بر راندمان و آلودگی مواجه است. در این مقاله، ما به طور خاص با توجه به مسائل مربوط به کامیون، مساله مسیر یابی کامیون چند منظوره را در نظر می گیریم. ما یک رویکرد کارآمد چند منظوره آرشیوی شبیه سازی شده و تکنیک تجسم را ارائه می دهیم. بینش مدیریتی بر مبنای تجزیه و تحلیل تجارت انجام شده است. الگوریتم در یک سیستم پشتیبانی تصمیم گیری مبتنی بر ابر تعبیه شده است تا داده های متنی، از جمله داده های ترافیکی و موقعیت های فعلی کامیون ها را در نظر بگیرد. این به پورت ها اجازه می دهد پتانسیل های دیجیتال سازی و بهینه سازی را در هنگام حل مسائل زیست محیطی مورد استفاده قرار دهند.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
A tremendous growth in containerized trade has led to severe traffic problems in urban port areas associated with negative effects on both efficiency and pollution. In this paper, we address the multi-objective inter-terminal truck routing problem by specifically considering truck emissions. We present an efficient multi-objective archived simulated annealing approach and a visualization technique. Managerial insights are discussed based on an analysis of trade-offs. The algorithm is embedded in a cloud-based decision support system to consider contextual data, including traffic data and the current positions of trucks. This allows ports to utilize potentials of digitalization and optimization while addressing environmental issues.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Transportation Research Part E: Logistics and Transportation Review - Volume 106, October 2017, Pages 178-202
نویسندگان
, , ,