Opis projektu
Nowe narzędzia pomogą specjalistom logistyki uporać się z wyzwaniem „ostatniej mili”
W świecie logistyki jednym z najważniejszych obecnych wyzwań jest problem dostawy na „ostatniej mili” (LMD), stanowiący wąskie gardło transportu, które podnosi koszty i osłabia wydajność. Tradycyjne metody optymalizacji tras zawodzą w obliczu zakłóceń w czasie rzeczywistym, sprawiając, że wobec tego odwiecznego problemu specjaliści logistyki są bezradni. Dzięki wsparciu działań „Maria Skłodowska-Curie” zespół projektu SmartDelivery do rozwiązania tego dylematu wykorzysta synergię dwóch technologii: uczenia maszynowego (ML) i internetu rzeczy (IoT). Przede wszystkim skupi się na wprowadzeniu innowacyjnej architektury sprzętowej i oprogramowania, wykorzystującej dane o pojazdach w czasie rzeczywistym do ciągłego ulepszania algorytmów wyznaczania tras. Dodatkowo to innowacyjne podejście oparte na IoT pozwala na dynamiczne przydzielanie tras kierowcom z wykorzystaniem unikalnej funkcji zwanej „szóstym zmysłem”. Z kolei moduł uczenia maszynowego służy do przewidywania optymalnego algorytmu heurystycznego / metaheurystycznego w celu wybrania jak najlepszej trasy.
Cel
Scientific advances in recent years have brought to light a series of potentially disruptive technologies in the ICT landscape. They are becoming, and will increasingly become, key enabling technologies for the development of applications and services designed to improve the quality of life of citizens and make processes more efficient. Among these, we can identify some which research has recently focused on with particular attention: Machine Learning and Internet of Things. In this project we propose a combined use of these two technological enablers to solve one of the main issues which all logistics experts have to face: the problem of optimising the last mile delivery (LMD). LMD is a crucial step of the entire delivery process, as it causes bottlenecks and is typically the most costly, problematic and inefficient part. Improving the LMD process in terms of route optimisation using classic approaches is difficult: static algorithms are not suitable, and even heuristic algorithms do not find high-quality solutions, as they do not consider several factors such as unpredictable real-time events which may occur. To address these challenges, a novel hardware/software architecture which exploits real-time vehicles’ positions to continuously improve performances of the routing algorithms is proposed, together with a new IoT-based methodology to automatically/dynamically assign routes to drivers based on the values of a defined “sixth sense”parameter. A ML module will predict the best among a chosen portfolio of different heuristics/metaheuristics algorithms to optimise the route.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykaoprogramowanie
- nauki przyrodniczeinformatykainternet
- nauki przyrodniczeinformatykasztuczna inteligencjaprogramowanie heurystyczne
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
37008 Salamanca
Hiszpania