Matriz Origem Destino para a Modelagem do Problema de Transporte rodoferroviário da soja no Estado de Goiás
Resumen
O aprendizado de máquina pode apoiar processos de tomadas de decisão em muitas áreas [1]. Nikolas Servos (2020) [2] e Yued Ding (2021) [3] trazem, particularmente, diferentes modelos de Aprendizado de Máquina para otimizar o transporte de cargas, e na geração de matrizes de origem e destino (OD) [4]. Assim como Hyunmyung Kim (2001) [5] mostra diferentes aplicações com o uso de Algoritmos Genéticos. [...]
Descargas
Citas
Shiliang Sun, Zehui Cao, Han Zhu e Jing Zhao. “A Survey of Optimization Methods From a Machine Learning Perspective”. Em: IEEE Transactions on Cybernetics 50.8 (ago. de 2020). Conference Name: IEEE Transactions on Cybernetics, pp. 3668–3681. issn: 2168-2275. doi: 10.1109/TCYB.2019.2950779.
Nikolaos Servos, Xiaodi Liu, Michael Teucke e Michael Freitag. “Travel Time Prediction in a Multimodal Freight Transport Relation Using Machine Learning Algorithms”. en. Em: Logistics 4.1 (mar. de 2020), p. 1. issn: 2305-6290. doi: 10.3390/logistics4010001.
Yue Ding e Xiaokun (Cara) Wang. Multi-Dimensional Origin-Destination Freight Flow Prediction Via a Hybrid Multi-Graph Convolutional Neural Networks Based Model. en. SSRN Scholarly Paper. Rochester, NY, set. de 2022. doi: 10.2139/ssrn.4211064.
Andréa Leda Ramos de Oliveira, Monique Filassi, Bruna Fernanda Ribeiro Lopes e Karina Braga Marsola. “Logistical transportation routes optimization for Brazilian soybean: an application of the origin-destination matrix”. en. Em: Ciência Rural 51 (dez. de 2020). Publisher: Universidade Federal de Santa Maria. issn: 0103-8478, 1678-4596. doi: 10.1590/0103-8478cr20190786.
Hyunmyung Kim, Seungkirl Baek e Yongtaek Lim. “Origin-Destination Matrices Estimated with a Genetic Algorithm from Link Traffic Counts”. en. Em: Transportation Research Record 1771.1 (jan. de 2001). Publisher: SAGE Publications Inc, pp. 156–163. issn: 0361-1981. doi: 10.3141/1771-20.
Thiago Guilherme Pera. “Efeitos das mudanças tecnológicas e infraestruturais do transporte para o fomento da logística verde da soja brasileira: abordagens multiobjetivos”. pt-br. text. Universidade de São Paulo, fev. de 2022. doi: 10.11606/T.11.2022.tde-08042022-162357.
